ਵਧੇ ਹੋਏ ਅਨੁਪਾਲਨ ਆਟੋਮੇਸ਼ਨ ਦੇ ਨਾਲ AI-ਚਾਲਿਤ DevOps ਪਾਈਪਲਾਈਨਾਂ ਨੂੰ ਆਰਕੇਸਟ੍ਰੇਟ ਕਰਨਾ

ਜਾਣ-ਪਛਾਣ

ਅੱਜ ਦੇ ਤੇਜ਼-ਰਫ਼ਤਾਰ ਡਿਜੀਟਲ ਲੈਂਡਸਕੇਪ ਵਿੱਚ, ਸੰਸਥਾਵਾਂ ਰੈਗੂਲੇਟਰੀ ਲੋੜਾਂ ਦੀ ਪਾਲਣਾ ਨੂੰ ਯਕੀਨੀ ਬਣਾਉਂਦੇ ਹੋਏ ਉੱਚ-ਗੁਣਵੱਤਾ ਵਾਲੇ ਸੌਫਟਵੇਅਰ ਉਤਪਾਦਾਂ ਨੂੰ ਜਲਦੀ ਅਤੇ ਕੁਸ਼ਲਤਾ ਨਾਲ ਪ੍ਰਦਾਨ ਕਰਨ ਲਈ ਬਹੁਤ ਦਬਾਅ ਹੇਠ ਹਨ। ਇਸ ਟੀਚੇ ਨੂੰ ਪ੍ਰਾਪਤ ਕਰਨ ਲਈ DevOps ਪਾਈਪਲਾਈਨਾਂ ਇੱਕ ਮਹੱਤਵਪੂਰਨ ਹਿੱਸਾ ਬਣ ਗਈਆਂ ਹਨ, ਪਰ ਰਵਾਇਤੀ ਪਹੁੰਚ ਅਕਸਰ ਲੋੜੀਂਦੇ ਆਟੋਮੇਸ਼ਨ ਅਤੇ ਪਾਲਣਾ ਦਾ ਪੱਧਰ ਪ੍ਰਦਾਨ ਕਰਨ ਵਿੱਚ ਘੱਟ ਹੁੰਦੀਆਂ ਹਨ। ਇਹ ਉਹ ਥਾਂ ਹੈ ਜਿੱਥੇ AI-ਸੰਚਾਲਿਤ ਏਜੰਟ ਖੇਡ ਵਿੱਚ ਆਉਂਦੇ ਹਨ, ਸਾਡੇ ਦੁਆਰਾ DevOps ਪਾਈਪਲਾਈਨ ਆਰਕੈਸਟੇਸ਼ਨ ਅਤੇ ਪਾਲਣਾ ਆਟੋਮੇਸ਼ਨ ਤੱਕ ਪਹੁੰਚਣ ਦੇ ਤਰੀਕੇ ਵਿੱਚ ਕ੍ਰਾਂਤੀ ਲਿਆਉਂਦੇ ਹਨ। ਇਸ ਲੇਖ ਵਿੱਚ, ਅਸੀਂ ਇੱਕ ਖੁਦਮੁਖਤਿਆਰੀ ਬੁਨਿਆਦੀ ਢਾਂਚਾ ਦ੍ਰਿਸ਼ਟੀਕੋਣ ਅਤੇ ਨਿਰੰਤਰ ਪਾਲਣਾ ਆਟੋਮੇਸ਼ਨ ਫਰੇਮਵਰਕ ਬਣਾਉਣ ਲਈ DSPy ਅਤੇ LangChain ਨਾਲ Kiro AI-ਸੰਚਾਲਿਤ ਏਜੰਟਾਂ ਦੇ ਏਕੀਕਰਣ ਦੀ ਪੜਚੋਲ ਕਰਾਂਗੇ। ਅਸੀਂ ਇਸ ਏਕੀਕਰਣ ਦੇ ਤਕਨੀਕੀ ਵੇਰਵਿਆਂ ਦੀ ਖੋਜ ਕਰਾਂਗੇ, ਵਿਹਾਰਕ ਕੋਡ ਦੀਆਂ ਉਦਾਹਰਣਾਂ ਪ੍ਰਦਾਨ ਕਰਾਂਗੇ, ਅਤੇ ਇਸ ਪਹੁੰਚ ਦੇ ਲਾਭਾਂ ਨੂੰ ਉਜਾਗਰ ਕਰਾਂਗੇ। ਪਰੰਪਰਾਗਤ DevOps ਪਾਈਪਲਾਈਨਾਂ ਦੀ ਚੁਣੌਤੀ

ਰਵਾਇਤੀ DevOps ਪਾਈਪਲਾਈਨਾਂ ਕਾਰਜਾਂ ਨੂੰ ਸਵੈਚਾਲਤ ਕਰਨ ਲਈ ਦਸਤੀ ਪ੍ਰਕਿਰਿਆਵਾਂ ਅਤੇ ਸਕ੍ਰਿਪਟਿੰਗ 'ਤੇ ਨਿਰਭਰ ਕਰਦੀਆਂ ਹਨ, ਜਿਸ ਨਾਲ ਇਹ ਹੋ ਸਕਦਾ ਹੈ:

1. ਅਕੁਸ਼ਲਤਾ: ਦਸਤੀ ਪ੍ਰਕਿਰਿਆਵਾਂ ਵਿੱਚ ਤਰੁੱਟੀਆਂ ਹੁੰਦੀਆਂ ਹਨ ਅਤੇ ਸਮਾਂ ਬਰਬਾਦ ਕਰਨ ਵਾਲੀਆਂ ਹੋ ਸਕਦੀਆਂ ਹਨ। 2. ਅਸੰਗਤਤਾ: ਸਕ੍ਰਿਪਟਾਂ ਪੁਰਾਣੀਆਂ ਹੋ ਸਕਦੀਆਂ ਹਨ ਅਤੇ ਬੁਨਿਆਦੀ ਢਾਂਚੇ ਜਾਂ ਪਾਲਣਾ ਲੋੜਾਂ ਨੂੰ ਬਦਲਣ ਲਈ ਜ਼ਿੰਮੇਵਾਰ ਨਹੀਂ ਹੋ ਸਕਦੀਆਂ। 3. ਦਿਖਣਯੋਗਤਾ ਦੀ ਘਾਟ: ਪਾਈਪਲਾਈਨ ਐਗਜ਼ੀਕਿਊਸ਼ਨ ਦੀ ਸਥਿਤੀ ਨੂੰ ਟਰੈਕ ਕਰਨਾ ਅਤੇ ਰੁਕਾਵਟਾਂ ਦੀ ਪਛਾਣ ਕਰਨਾ ਮੁਸ਼ਕਲ ਹੋ ਸਕਦਾ ਹੈ। ਕੀਰੋ ਏਆਈ-ਪਾਵਰਡ ਏਜੰਟ ਪੇਸ਼ ਕਰ ਰਹੇ ਹਾਂ

Kiro AI-ਸੰਚਾਲਿਤ ਏਜੰਟਾਂ ਨੂੰ DevOps ਪਾਈਪਲਾਈਨ ਆਰਕੈਸਟੇਸ਼ਨ ਲਈ ਵਧੇਰੇ ਕੁਸ਼ਲ, ਇਕਸਾਰ, ਅਤੇ ਪਾਰਦਰਸ਼ੀ ਪਹੁੰਚ ਪ੍ਰਦਾਨ ਕਰਕੇ ਇਹਨਾਂ ਚੁਣੌਤੀਆਂ ਨੂੰ ਹੱਲ ਕਰਨ ਲਈ ਤਿਆਰ ਕੀਤਾ ਗਿਆ ਹੈ। ਇਹ ਏਜੰਟ ਬੁਨਿਆਦੀ ਢਾਂਚੇ ਅਤੇ ਪਾਲਣਾ ਡੇਟਾ ਦਾ ਵਿਸ਼ਲੇਸ਼ਣ ਕਰਨ ਲਈ ਮਸ਼ੀਨ ਸਿਖਲਾਈ ਐਲਗੋਰਿਦਮ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹਨ, ਉਹਨਾਂ ਨੂੰ ਸੂਚਿਤ ਫੈਸਲੇ ਲੈਣ ਅਤੇ ਕਾਰਜਾਂ ਨੂੰ ਸਵੈਚਲਿਤ ਕਰਨ ਦੇ ਯੋਗ ਬਣਾਉਂਦੇ ਹਨ। ਕੀਰੋ ਏਜੰਟਾਂ ਨੂੰ ਡੀਐਸਪੀ ਅਤੇ ਲੈਂਗਚੇਨ ਨਾਲ ਜੋੜਨਾ

ਇੱਕ ਖੁਦਮੁਖਤਿਆਰੀ ਬੁਨਿਆਦੀ ਢਾਂਚਾ ਦ੍ਰਿਸ਼ਟੀਕੋਣ ਅਤੇ ਨਿਰੰਤਰ ਪਾਲਣਾ ਆਟੋਮੇਸ਼ਨ ਫਰੇਮਵਰਕ ਬਣਾਉਣ ਲਈ, ਅਸੀਂ ਕਿਰੋ ਏਆਈ-ਸੰਚਾਲਿਤ ਏਜੰਟਾਂ ਨੂੰ DSPy ਅਤੇ LangChain ਨਾਲ ਏਕੀਕ੍ਰਿਤ ਕਰਾਂਗੇ। * DSPy: DSPy ਡੇਟਾ ਪਾਈਪਲਾਈਨਾਂ ਨੂੰ ਬਣਾਉਣ ਅਤੇ ਪ੍ਰਬੰਧਨ ਲਈ ਪਾਈਥਨ ਲਾਇਬ੍ਰੇਰੀ ਹੈ। ਇਹ ਡੇਟਾ ਨੂੰ ਪ੍ਰੋਸੈਸ ਕਰਨ ਅਤੇ ਪਰਿਵਰਤਿਤ ਕਰਨ ਦਾ ਇੱਕ ਸਧਾਰਨ ਅਤੇ ਕੁਸ਼ਲ ਤਰੀਕਾ ਪ੍ਰਦਾਨ ਕਰਦਾ ਹੈ, ਇਸਨੂੰ ਕਿਰੋ ਏਜੰਟਾਂ ਨਾਲ ਏਕੀਕ੍ਰਿਤ ਕਰਨ ਲਈ ਇੱਕ ਆਦਰਸ਼ ਵਿਕਲਪ ਬਣਾਉਂਦਾ ਹੈ। * LangChain: LangChain ਇੱਕ ਪਾਇਥਨ ਲਾਇਬ੍ਰੇਰੀ ਹੈ ਜੋ ਗੱਲਬਾਤ ਸੰਬੰਧੀ AI ਐਪਲੀਕੇਸ਼ਨਾਂ ਨੂੰ ਬਣਾਉਣ ਲਈ ਹੈ। ਇਹ ਕੁਦਰਤੀ ਭਾਸ਼ਾ ਪ੍ਰੋਸੈਸਿੰਗ ਲਈ ਬਹੁਤ ਸਾਰੇ ਟੂਲ ਅਤੇ API ਪ੍ਰਦਾਨ ਕਰਦਾ ਹੈ, ਜੋ ਕਿਰੋ ਏਜੰਟਾਂ ਨਾਲ ਏਕੀਕ੍ਰਿਤ ਕਰਨ ਲਈ ਇੱਕ ਵਧੀਆ ਵਿਕਲਪ ਬਣਾਉਂਦਾ ਹੈ। ਪ੍ਰੈਕਟੀਕਲ ਕੋਡ ਉਦਾਹਰਨ

ਇੱਥੇ ਇੱਕ ਸਧਾਰਨ ਕੋਡ ਉਦਾਹਰਨ ਹੈ ਜੋ ਦਰਸਾਉਂਦੀ ਹੈ ਕਿ DSPy ਅਤੇ LangChain ਨਾਲ ਕਿਰੋ ਏਜੰਟਾਂ ਨੂੰ ਕਿਵੇਂ ਏਕੀਕ੍ਰਿਤ ਕਰਨਾ ਹੈ:

``ਅਜਗਰ ਡੀਐਸਪੀ ਨੂੰ ਆਯਾਤ ਕਰੋ ਲੈਂਗਚੈਨ ਆਯਾਤ ਐਲਐਲਐਮਚੇਨ ਤੋਂ ਕਿਰੋ ਆਯਾਤ KiroAgent ਤੋਂ

ਪਾਈਪਲਾਈਨ = dspy. ਪਾਈਪਲਾਈਨ()

ਕਿਰੋ ਏਜੰਟ ਬਣਾਓ

ਏਜੰਟ = KiroAgent()

ਇੱਕ LangChain LLMCchain ਨੂੰ ਪਰਿਭਾਸ਼ਿਤ ਕਰੋ

llm_chain = LLMCਚੇਨ ( model_name="code-davinci-002", ਅਧਿਕਤਮ_ਲੰਬਾਈ=2048, ਤਾਪਮਾਨ = 0.7, )

ਇੱਕ DSPy ਕਾਰਜ ਨੂੰ ਪਰਿਭਾਸ਼ਿਤ ਕਰੋ

task = dspy.Task( name="example_task", description="ਉਦਾਹਰਨ ਕਾਰਜ", ਪਾਈਪਲਾਈਨ = ਪਾਈਪਲਾਈਨ, )

ਇੱਕ ਕਿਰੋ ਏਜੰਟ ਕੰਮ ਨੂੰ ਪਰਿਭਾਸ਼ਿਤ ਕਰੋ

agent_task = agent.create_task( name="example_agent_task", description="ਉਦਾਹਰਨ ਏਜੰਟ ਟਾਸਕ", ਪਾਈਪਲਾਈਨ = ਪਾਈਪਲਾਈਨ, )

ਲੈਂਗਚੇਨ ਟਾਸਕ ਨੂੰ ਪਰਿਭਾਸ਼ਿਤ ਕਰੋ

lang_chain_task = llm_chain.create_task( name="example_lang_chain_task", description="ਉਦਾਹਰਨ LangChain ਟਾਸਕ", ਪਾਈਪਲਾਈਨ = ਪਾਈਪਲਾਈਨ, )

ਸਾਰੇ ਕੰਮਾਂ ਦੇ ਨਾਲ ਇੱਕ ਪਾਈਪਲਾਈਨ ਬਣਾਓ

pipeline.add_task(ਟਾਸਕ) pipeline.add_task(agent_task) pipeline.add_task(lang_chain_task)

ਪਾਈਪਲਾਈਨ ਚਲਾਓ

pipeline.run() ``

ਇਹ ਕੋਡ ਉਦਾਹਰਨ ਦਿਖਾਉਂਦਾ ਹੈ ਕਿ ਇੱਕ DSPy ਪਾਈਪਲਾਈਨ, ਇੱਕ ਕਿਰੋ ਏਜੰਟ, ਅਤੇ ਇੱਕ LangChain LLMCchain ਕਿਵੇਂ ਬਣਾਉਣਾ ਹੈ। ਇਹ ਫਿਰ ਇੱਕ DSPy ਟਾਸਕ, ਇੱਕ ਕਿਰੋ ਏਜੰਟ ਟਾਸਕ, ਅਤੇ ਇੱਕ ਲੈਂਗਚੈਨ ਟਾਸਕ ਨੂੰ ਪਰਿਭਾਸ਼ਿਤ ਕਰਦਾ ਹੈ, ਅਤੇ ਉਹਨਾਂ ਨੂੰ ਪਾਈਪਲਾਈਨ ਵਿੱਚ ਜੋੜਦਾ ਹੈ। ਅੰਤ ਵਿੱਚ, ਇਹ ਪਾਈਪਲਾਈਨ ਚਲਾਉਂਦਾ ਹੈ. ਏਕੀਕਰਨ ਦੇ ਲਾਭ

DSPy ਅਤੇ LangChain ਨਾਲ Kiro AI-ਸੰਚਾਲਿਤ ਏਜੰਟਾਂ ਦਾ ਏਕੀਕਰਨ ਕਈ ਲਾਭ ਪ੍ਰਦਾਨ ਕਰਦਾ ਹੈ, ਜਿਸ ਵਿੱਚ ਸ਼ਾਮਲ ਹਨ:

1. ਆਟੋਨੋਮਸ ਇਨਫਰਾਸਟ੍ਰਕਚਰ ਵਿਜ਼ਨ: ਕਿਰੋ ਏਜੰਟ ਬੁਨਿਆਦੀ ਢਾਂਚੇ ਦੇ ਡੇਟਾ ਦਾ ਵਿਸ਼ਲੇਸ਼ਣ ਕਰ ਸਕਦੇ ਹਨ ਅਤੇ ਪਾਈਪਲਾਈਨ ਐਗਜ਼ੀਕਿਊਸ਼ਨ ਬਾਰੇ ਸੂਚਿਤ ਫੈਸਲੇ ਲੈ ਸਕਦੇ ਹਨ, ਜਿਸ ਨਾਲ ਦਸਤੀ ਦਖਲ ਦੀ ਲੋੜ ਨੂੰ ਘਟਾਇਆ ਜਾ ਸਕਦਾ ਹੈ। 2. ਨਿਰੰਤਰ ਪਾਲਣਾ ਆਟੋਮੇਸ਼ਨ: ਕਿਰੋ ਏਜੰਟ ਅਨੁਪਾਲਨ ਡੇਟਾ ਦਾ ਵਿਸ਼ਲੇਸ਼ਣ ਕਰ ਸਕਦੇ ਹਨ ਅਤੇ ਰੈਗੂਲੇਟਰੀ ਲੋੜਾਂ ਦੀ ਨਿਰੰਤਰ ਪਾਲਣਾ ਨੂੰ ਯਕੀਨੀ ਬਣਾਉਣ ਲਈ ਕਾਰਜਾਂ ਨੂੰ ਸਵੈਚਲਿਤ ਕਰ ਸਕਦੇ ਹਨ। 3. ਸੁਧਰੀ ਕੁਸ਼ਲਤਾ: DSPy ਅਤੇ LangChain ਨਾਲ Kiro ਏਜੰਟਾਂ ਦਾ ਏਕੀਕਰਨ ਵਧੇਰੇ ਕੁਸ਼ਲ ਪਾਈਪਲਾਈਨ ਐਗਜ਼ੀਕਿਊਸ਼ਨ ਨੂੰ ਸਮਰੱਥ ਬਣਾਉਂਦਾ ਹੈ ਅਤੇ ਮੈਨੂਅਲ ਸਕ੍ਰਿਪਟਿੰਗ ਦੀ ਲੋੜ ਨੂੰ ਘਟਾਉਂਦਾ ਹੈ। 4.

ਵਧੀ ਹੋਈ ਦਰਿਸ਼ਗੋਚਰਤਾ: ਏਕੀਕਰਣ ਪਾਈਪਲਾਈਨ ਐਗਜ਼ੀਕਿਊਸ਼ਨ ਵਿੱਚ ਰੀਅਲ-ਟਾਈਮ ਦਿੱਖ ਪ੍ਰਦਾਨ ਕਰਦਾ ਹੈ ਅਤੇ ਰੁਕਾਵਟਾਂ ਦੀ ਪਛਾਣ ਕਰਦਾ ਹੈ, ਸੰਸਥਾਵਾਂ ਨੂੰ ਡਾਟਾ-ਅਧਾਰਿਤ ਫੈਸਲੇ ਲੈਣ ਦੇ ਯੋਗ ਬਣਾਉਂਦਾ ਹੈ। ਟੌਪ 5-10 ਸਭ ਤੋਂ ਵੱਧ ਵਰਤੀਆਂ ਜਾਣ ਵਾਲੀਆਂ ਕਮਾਂਡਾਂ/ਸਨਿਪੇਟਸ

ਇਸ ਟੈਕਨਾਲੋਜੀ ਲਈ ਇੱਥੇ ਸਿਖਰਲੇ 5-10 ਸਭ ਤੋਂ ਵੱਧ ਵਰਤੀਆਂ ਜਾਂਦੀਆਂ ਕਮਾਂਡਾਂ/ਸਨਿੱਪਟ ਹਨ:

1. dspy.Pipeline(): ਇੱਕ ਨਵੀਂ DSPy ਪਾਈਪਲਾਈਨ ਬਣਾਉਂਦਾ ਹੈ। 2.

kiro.KiroAgent(): ਇੱਕ ਨਵਾਂ ਕਿਰੋ ਏਜੰਟ ਬਣਾਉਂਦਾ ਹੈ। 3. langchain.LLMCchain(): ਇੱਕ ਨਵਾਂ Langchain LLMCchain ਬਣਾਉਂਦਾ ਹੈ। 4. dspy.Task(): ਇੱਕ ਨਵਾਂ DSPy ਟਾਸਕ ਬਣਾਉਂਦਾ ਹੈ। 5. kiro.KiroAgent.create_task(): ਇੱਕ ਨਵਾਂ ਕਿਰੋ ਏਜੰਟ ਟਾਸਕ ਬਣਾਉਂਦਾ ਹੈ। 6. langchain.LLMChain.create_task(): ਇੱਕ ਨਵਾਂ LangChain ਟਾਸਕ ਬਣਾਉਂਦਾ ਹੈ। 7. pipeline.add_task(): ਪਾਈਪਲਾਈਨ ਵਿੱਚ ਇੱਕ ਕਾਰਜ ਜੋੜਦਾ ਹੈ। 8. pipeline.run(): ਪਾਈਪਲਾਈਨ ਚਲਾਉਂਦਾ ਹੈ। 9. kiro.KiroAgent.analyze(): ਬੁਨਿਆਦੀ ਢਾਂਚੇ ਦੇ ਡੇਟਾ ਦਾ ਵਿਸ਼ਲੇਸ਼ਣ ਕਰਦਾ ਹੈ। 10. langchain.LLMChain.generate(): ਇੰਪੁੱਟ ਦੇ ਆਧਾਰ 'ਤੇ ਟੈਕਸਟ ਤਿਆਰ ਕਰਦਾ ਹੈ। ਵਿਜ਼ੂਅਲਾਈਜ਼ੇਸ਼ਨ

ਇੱਥੇ Chart.js ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹੋਏ ਪਾਈਪਲਾਈਨ ਦਾ ਇੱਕ ਸਧਾਰਨ ਦ੍ਰਿਸ਼ਟੀਕੋਣ ਹੈ:

ਜੇਸਨ { "type": "ਪੱਟੀ", "ਡਾਟਾ": { "labels": ["DSPy", "Kiro Agent", "LangChain"], "datasets": [ { "label": "ਪਾਈਪਲਾਈਨ ਚਲਾਉਣ ਦਾ ਸਮਾਂ", "ਡਾਟਾ": [10, 20, 30], "backgroundColor": ["#FF6384", "#36A2EB", "#FFCE56"] } ] }, "ਵਿਕਲਪ": { "ਸਿਰਲੇਖ": { "ਡਿਸਪਲੇ": ਸਹੀ, "text": "ਪਾਈਪਲਾਈਨ ਚਲਾਉਣ ਦਾ ਸਮਾਂ" }, "ਪੈਮਾਨਾ": { "yAxes": [ { "ਟਿਕਸ": { "beginAtZero": ਸਹੀ } } ] } } }

ਇਹ ਦ੍ਰਿਸ਼ਟੀਕੋਣ ਹਰੇਕ ਕੰਮ ਲਈ ਪਾਈਪਲਾਈਨ ਦੇ ਐਗਜ਼ੀਕਿਊਸ਼ਨ ਟਾਈਮ ਨੂੰ ਦਰਸਾਉਂਦਾ ਹੈ। ** ਸਿੱਟਾ **

ਸਿੱਟੇ ਵਜੋਂ, DSPy ਅਤੇ LangChain ਦੇ ਨਾਲ Kiro AI-ਸੰਚਾਲਿਤ ਏਜੰਟਾਂ ਦਾ ਏਕੀਕਰਣ ਆਟੋਨੋਮਸ ਬੁਨਿਆਦੀ ਢਾਂਚੇ ਦੇ ਦ੍ਰਿਸ਼ਟੀਕੋਣ ਅਤੇ ਨਿਰੰਤਰ ਪਾਲਣਾ ਆਟੋਮੇਸ਼ਨ ਲਈ ਇੱਕ ਸ਼ਕਤੀਸ਼ਾਲੀ ਢਾਂਚਾ ਪ੍ਰਦਾਨ ਕਰਦਾ ਹੈ। ਹਰੇਕ ਤਕਨਾਲੋਜੀ ਦੀਆਂ ਸ਼ਕਤੀਆਂ ਦਾ ਲਾਭ ਉਠਾ ਕੇ, ਸੰਸਥਾਵਾਂ ਵਧੇਰੇ ਕੁਸ਼ਲ, ਇਕਸਾਰ, ਅਤੇ ਪਾਰਦਰਸ਼ੀ DevOps ਪਾਈਪਲਾਈਨਾਂ ਬਣਾ ਸਕਦੀਆਂ ਹਨ ਜੋ ਰੈਗੂਲੇਟਰੀ ਲੋੜਾਂ ਦੀ ਨਿਰੰਤਰ ਪਾਲਣਾ ਨੂੰ ਯਕੀਨੀ ਬਣਾਉਂਦੀਆਂ ਹਨ।