ਆਟੋਮੇਟਿਡ ਘਟਨਾ ਦੀ ਜਾਂਚ ਲਈ ਲੈਂਗਚੇਨ ਅਤੇ ਸਟੈਕਜੇਨ ਦੇ ਨਾਲ ਏਆਈ-ਪਾਵਰਡ ਡਿਵੋਪਸ ਨੂੰ ਆਰਕੈਸਟ ਕਰਨਾ

ਜਾਣ-ਪਛਾਣ

DevOps ਦੀ ਦੁਨੀਆ ਤੇਜ਼ੀ ਨਾਲ ਵਿਕਸਿਤ ਹੋ ਰਹੀ ਹੈ, ਜਿਸ ਵਿੱਚ AI ਅਤੇ ਮਸ਼ੀਨ ਲਰਨਿੰਗ ਘਟਨਾ ਦੀ ਜਾਂਚ ਅਤੇ ਰੈਜ਼ੋਲੂਸ਼ਨ ਨੂੰ ਸਵੈਚਲਿਤ ਅਤੇ ਅਨੁਕੂਲ ਬਣਾਉਣ ਵਿੱਚ ਵੱਧਦੀ ਮਹੱਤਵਪੂਰਨ ਭੂਮਿਕਾ ਨਿਭਾ ਰਹੀ ਹੈ। ਇਸ ਲੇਖ ਵਿੱਚ, ਅਸੀਂ ਇੱਕ AI-ਸੰਚਾਲਿਤ DevOps ਪਾਈਪਲਾਈਨ ਬਣਾਉਣ ਲਈ, GPT-5.5 ਵਰਗੇ AI ਮਾਡਲਾਂ ਵਿੱਚ ਹਾਲੀਆ ਤਰੱਕੀ ਦੇ ਨਾਲ, ਦੋ ਸ਼ਕਤੀਸ਼ਾਲੀ ਆਰਕੈਸਟਰੇਸ਼ਨ ਟੂਲ, LangChain ਅਤੇ StackGen ਦੀ ਵਰਤੋਂ ਦੀ ਪੜਚੋਲ ਕਰਾਂਗੇ ਜੋ ਘਟਨਾ ਦੀ ਜਾਂਚ ਅਤੇ ਰੈਜ਼ੋਲੂਸ਼ਨ ਨੂੰ ਸਵੈਚਲਿਤ ਕਰਦੀ ਹੈ।

ਪਿੱਠਭੂਮੀ

DevOps ਅਭਿਆਸਾਂ ਦਾ ਇੱਕ ਸਮੂਹ ਹੈ ਜੋ ਸੌਫਟਵੇਅਰ ਰੀਲੀਜ਼ਾਂ ਦੀ ਗਤੀ, ਗੁਣਵੱਤਾ ਅਤੇ ਭਰੋਸੇਯੋਗਤਾ ਨੂੰ ਬਿਹਤਰ ਬਣਾਉਣ ਲਈ ਸੌਫਟਵੇਅਰ ਵਿਕਾਸ ਅਤੇ ਕਾਰਜਾਂ ਨੂੰ ਜੋੜਦਾ ਹੈ। ਪਰੰਪਰਾਗਤ DevOps ਟੂਲ ਦਸਤੀ ਕਾਰਜਾਂ ਨੂੰ ਸਵੈਚਲਿਤ ਕਰਨ 'ਤੇ ਕੇਂਦ੍ਰਤ ਕਰਦੇ ਹਨ, ਜਿਵੇਂ ਕਿ ਤੈਨਾਤੀ ਅਤੇ ਟੈਸਟਿੰਗ, ਪਰ ਅਕਸਰ ਘਟਨਾ ਦੀ ਜਾਂਚ ਅਤੇ ਰੈਜ਼ੋਲੂਸ਼ਨ ਦੀਆਂ ਗੁੰਝਲਾਂ ਨੂੰ ਹੱਲ ਕਰਨ ਵਿੱਚ ਘੱਟ ਰਹਿੰਦੇ ਹਨ।

AI ਅਤੇ ਮਸ਼ੀਨ ਸਿਖਲਾਈ, ਦੂਜੇ ਪਾਸੇ, ਘਟਨਾ ਦੀ ਜਾਂਚ ਅਤੇ ਰੈਜ਼ੋਲੂਸ਼ਨ ਨੂੰ ਸਵੈਚਾਲਤ ਕਰਨ ਲਈ ਇੱਕ ਨਵਾਂ ਪੈਰਾਡਾਈਮ ਪੇਸ਼ ਕਰਦੇ ਹਨ। ਵੱਡੇ ਡੇਟਾਸੈਟਾਂ ਅਤੇ ਗੁੰਝਲਦਾਰ ਐਲਗੋਰਿਦਮ ਦਾ ਲਾਭ ਉਠਾ ਕੇ, ਏਆਈ ਮਾਡਲ ਵੱਡੀ ਮਾਤਰਾ ਵਿੱਚ ਡੇਟਾ ਦਾ ਵਿਸ਼ਲੇਸ਼ਣ ਕਰ ਸਕਦੇ ਹਨ, ਪੈਟਰਨਾਂ ਦੀ ਪਛਾਣ ਕਰ ਸਕਦੇ ਹਨ, ਅਤੇ ਸੂਝ ਪ੍ਰਦਾਨ ਕਰ ਸਕਦੇ ਹਨ ਜੋ ਮਨੁੱਖੀ ਓਪਰੇਟਰ ਗੁਆ ਸਕਦੇ ਹਨ।

ਲੈਂਗਚੇਨ: ਇੱਕ ਸ਼ਕਤੀਸ਼ਾਲੀ ਆਰਕੈਸਟ੍ਰੇਸ਼ਨ ਟੂਲ

LangChain ਇੱਕ ਓਪਨ-ਸੋਰਸ ਆਰਕੈਸਟਰੇਸ਼ਨ ਟੂਲ ਹੈ ਜੋ ਡਿਵੈਲਪਰਾਂ ਨੂੰ ਗੁੰਝਲਦਾਰ AI-ਸੰਚਾਲਿਤ ਵਰਕਫਲੋ ਬਣਾਉਣ, ਤੈਨਾਤ ਕਰਨ ਅਤੇ ਪ੍ਰਬੰਧਿਤ ਕਰਨ ਦੇ ਯੋਗ ਬਣਾਉਂਦਾ ਹੈ। LangChain ਦੇ ਨਾਲ, ਡਿਵੈਲਪਰ ਕਸਟਮ ਵਰਕਫਲੋ ਬਣਾ ਸਕਦੇ ਹਨ ਜੋ ਮਲਟੀਪਲ AI ਮਾਡਲਾਂ, ਡੇਟਾ ਸਰੋਤਾਂ, ਅਤੇ DevOps ਟੂਲਸ ਨੂੰ ਜੋੜਦੇ ਹਨ।

ਲੈਂਗਚੈਨ ਦੀਆਂ ਮੁੱਖ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ ਵਿੱਚ ਸ਼ਾਮਲ ਹਨ:

• ਵਰਕਫਲੋ ਪ੍ਰਬੰਧਨ: LangChain ਗੁੰਝਲਦਾਰ ਵਰਕਫਲੋ ਨੂੰ ਡਿਜ਼ਾਈਨ ਕਰਨ ਅਤੇ ਪ੍ਰਬੰਧਨ ਲਈ ਇੱਕ ਵਿਜ਼ੂਅਲ ਇੰਟਰਫੇਸ ਪ੍ਰਦਾਨ ਕਰਦਾ ਹੈ।
• AI ਮਾਡਲ ਏਕੀਕਰਣ: LangChain GPT-5.5 ਸਮੇਤ AI ਮਾਡਲਾਂ ਦੀ ਇੱਕ ਵਿਸ਼ਾਲ ਸ਼੍ਰੇਣੀ ਦੇ ਨਾਲ ਏਕੀਕਰਣ ਦਾ ਸਮਰਥਨ ਕਰਦਾ ਹੈ।
• ਡਾਟਾ ਸਰੋਤ ਏਕੀਕਰਣ: LangChain ਡੇਟਾਬੇਸ, API ਅਤੇ ਫਾਈਲਾਂ ਸਮੇਤ ਵੱਖ-ਵੱਖ ਡੇਟਾ ਸਰੋਤਾਂ ਨਾਲ ਏਕੀਕਰਣ ਨੂੰ ਸਮਰੱਥ ਬਣਾਉਂਦਾ ਹੈ।
• DevOps ਟੂਲ ਏਕੀਕਰਣ: LangChain ਪ੍ਰਸਿੱਧ DevOps ਟੂਲਸ, AWS DevOps ਏਜੰਟ ਸਮੇਤ ਏਕੀਕਰਣ ਦਾ ਸਮਰਥਨ ਕਰਦਾ ਹੈ।

ਸਟੈਕਜੇਨ: ਇੱਕ ਅਗਲੀ ਪੀੜ੍ਹੀ ਦਾ ਆਰਕੈਸਟਰੇਸ਼ਨ ਟੂਲ

StackGen ਇੱਕ ਅਗਲੀ ਪੀੜ੍ਹੀ ਦਾ ਆਰਕੈਸਟ੍ਰੇਸ਼ਨ ਟੂਲ ਹੈ ਜੋ LangChain ਦੀਆਂ ਸ਼ਕਤੀਆਂ 'ਤੇ ਨਿਰਮਾਣ ਕਰਦਾ ਹੈ। ਸਟੈਕਜੇਨ ਇੱਕ ਵਧੇਰੇ ਲਚਕਦਾਰ ਅਤੇ ਸਕੇਲੇਬਲ ਆਰਕੀਟੈਕਚਰ ਪ੍ਰਦਾਨ ਕਰਦਾ ਹੈ, ਜਿਸ ਨਾਲ ਡਿਵੈਲਪਰਾਂ ਨੂੰ ਗੁੰਝਲਦਾਰ ਵਰਕਫਲੋਜ਼ ਬਣਾਉਣ ਦੇ ਯੋਗ ਬਣਾਉਂਦੇ ਹਨ ਜੋ ਮਲਟੀਪਲ AI ਮਾਡਲਾਂ, ਡੇਟਾ ਸਰੋਤਾਂ, ਅਤੇ DevOps ਟੂਲਸ ਨੂੰ ਜੋੜਦੇ ਹਨ।

StackGen ਦੀਆਂ ਮੁੱਖ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ ਵਿੱਚ ਸ਼ਾਮਲ ਹਨ:

• ਮੌਡਿਊਲਰ ਆਰਕੀਟੈਕਚਰ: ਸਟੈਕਜੇਨ ਦਾ ਮਾਡਿਊਲਰ ਆਰਕੀਟੈਕਚਰ ਡਿਵੈਲਪਰਾਂ ਨੂੰ ਮੁੜ ਵਰਤੋਂ ਯੋਗ ਕੰਪੋਨੈਂਟਸ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਕਸਟਮ ਵਰਕਫਲੋ ਬਣਾਉਣ ਦੇ ਯੋਗ ਬਣਾਉਂਦਾ ਹੈ।
• AI ਮਾਡਲ ਏਕੀਕਰਣ: ਸਟੈਕਜੇਨ ਜੀਪੀਟੀ-5.5 ਸਮੇਤ, ਏਆਈ ਮਾਡਲਾਂ ਦੀ ਇੱਕ ਵਿਸ਼ਾਲ ਸ਼੍ਰੇਣੀ ਦੇ ਨਾਲ ਏਕੀਕਰਣ ਦਾ ਸਮਰਥਨ ਕਰਦਾ ਹੈ।
• ਡਾਟਾ ਸਰੋਤ ਏਕੀਕਰਣ: ਸਟੈਕਜੇਨ ਡੇਟਾਬੇਸ, API ਅਤੇ ਫਾਈਲਾਂ ਸਮੇਤ ਵੱਖ-ਵੱਖ ਡੇਟਾ ਸਰੋਤਾਂ ਨਾਲ ਏਕੀਕਰਣ ਨੂੰ ਸਮਰੱਥ ਬਣਾਉਂਦਾ ਹੈ।
• DevOps ਟੂਲ ਏਕੀਕਰਣ: StackGen AWS DevOps ਏਜੰਟ ਸਮੇਤ ਪ੍ਰਸਿੱਧ DevOps ਟੂਲਸ ਨਾਲ ਏਕੀਕਰਣ ਦਾ ਸਮਰਥਨ ਕਰਦਾ ਹੈ।

LangChain ਅਤੇ StackGen ਨਾਲ AI-Driven DevOps ਆਟੋਮੇਸ਼ਨ ਨੂੰ ਲਾਗੂ ਕਰਨਾ

LangChain ਅਤੇ StackGen ਨਾਲ AI-ਚਾਲਿਤ DevOps ਆਟੋਮੇਸ਼ਨ ਨੂੰ ਲਾਗੂ ਕਰਨ ਲਈ, ਅਸੀਂ ਇਹਨਾਂ ਪੜਾਵਾਂ ਦੀ ਪਾਲਣਾ ਕਰਾਂਗੇ:

1. ਵਰਕਫਲੋ ਨੂੰ ਡਿਜ਼ਾਈਨ ਕਰੋ: ਇੱਕ ਕਸਟਮ ਵਰਕਫਲੋ ਡਿਜ਼ਾਈਨ ਕਰਨ ਲਈ LangChain ਦੇ ਵਿਜ਼ੂਅਲ ਇੰਟਰਫੇਸ ਦੀ ਵਰਤੋਂ ਕਰੋ ਜੋ ਮਲਟੀਪਲ AI ਮਾਡਲਾਂ, ਡਾਟਾ ਸਰੋਤਾਂ, ਅਤੇ DevOps ਟੂਲਸ ਨੂੰ ਏਕੀਕ੍ਰਿਤ ਕਰਦਾ ਹੈ।
2. ਏਆਈ ਮਾਡਲਾਂ ਨੂੰ ਏਕੀਕ੍ਰਿਤ ਕਰੋ: GPT-5.5 ਅਤੇ ਹੋਰ AI ਮਾਡਲਾਂ ਨੂੰ ਉਹਨਾਂ ਦੇ ਸੰਬੰਧਿਤ API ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹੋਏ LangChain ਅਤੇ StackGen ਨਾਲ ਏਕੀਕ੍ਰਿਤ ਕਰੋ।
3. ਡੇਟਾ ਸਰੋਤਾਂ ਨੂੰ ਏਕੀਕ੍ਰਿਤ ਕਰੋ: LangChain ਅਤੇ StackGen ਦੇ ਨਾਲ ਡਾਟਾਬੇਸ, API, ਅਤੇ ਫਾਈਲਾਂ ਸਮੇਤ ਵੱਖ-ਵੱਖ ਡਾਟਾ ਸਰੋਤਾਂ ਨੂੰ ਏਕੀਕ੍ਰਿਤ ਕਰੋ।
4. ਏਕੀਕ੍ਰਿਤ DevOps ਟੂਲਸ: LangChain ਅਤੇ StackGen ਦੇ ਨਾਲ AWS DevOps ਏਜੰਟ ਸਮੇਤ ਪ੍ਰਸਿੱਧ DevOps ਟੂਲਾਂ ਨੂੰ ਏਕੀਕ੍ਰਿਤ ਕਰੋ।
5. ਤੈਨਾਤ ਕਰੋ ਅਤੇ ਪ੍ਰਬੰਧਿਤ ਕਰੋ: LangChain ਅਤੇ StackGen ਦੇ ਸੰਬੰਧਿਤ ਇੰਟਰਫੇਸਾਂ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਵਰਕਫਲੋ ਨੂੰ ਤੈਨਾਤ ਅਤੇ ਪ੍ਰਬੰਧਿਤ ਕਰੋ।

ਕੋਡ ਉਦਾਹਰਨ: ਲੈਂਗਚੈਨ ਨਾਲ GPT-5.5 ਨੂੰ ਏਕੀਕ੍ਰਿਤ ਕਰਨਾ

ਇੱਥੇ ਇੱਕ ਸਧਾਰਨ ਕੋਡ ਉਦਾਹਰਨ ਹੈ ਜੋ ਇਹ ਦਰਸਾਉਂਦੀ ਹੈ ਕਿ GPT-5.5 ਨੂੰ ਲੈਂਗਚੈਨ ਨਾਲ ਕਿਵੇਂ ਏਕੀਕ੍ਰਿਤ ਕਰਨਾ ਹੈ: ``ਅਜਗਰ langchain ਆਯਾਤ langchain.chains ਤੋਂ gpt5_5 ਆਯਾਤ ਕਰੋ

workflow = langchain.Workflow( name="incident_investigation", chain=gpt5_5.ਚੇਨ( input_variables=["ਘਟਨਾ_ਡਾਟਾ"], ਆਉਟਪੁੱਟ_ਵੇਰੀਏਬਲ = ["ਜਾਂਚ_ਨਤੀਜੇ"] ) )

LangChain ਨਾਲ GPT-5.5 ਨੂੰ ਏਕੀਕ੍ਰਿਤ ਕਰੋ

gpt5_5_model = gpt5_5.Model() workflow.chain.model = gpt5_5_model

ਵਰਕਫਲੋ ਚਲਾਓ

ਘਟਨਾ_ਡਾਟਾ = {"ਘਟਨਾ_ਆਈਡੀ": 123, "ਘਟਨਾ_ਕਿਸਮ": "ਨੈੱਟਵਰਕ_ਆਊਟੇਜ"} ਪੜਤਾਲ_ਨਤੀਜੇ = workflow.run(ਘਟਨਾ_ਡਾਟਾ) ਛਾਪੋ(ਜਾਂਚ_ਨਤੀਜੇ) `` ਟੌਪ 5-10 ਸਭ ਤੋਂ ਵੱਧ ਵਰਤੀਆਂ ਜਾਣ ਵਾਲੀਆਂ ਕਮਾਂਡਾਂ/ਸਨਿਪੇਟਸ

ਇੱਥੇ LangChain ਅਤੇ StackGen ਲਈ ਚੋਟੀ ਦੇ 5-10 ਸਭ ਤੋਂ ਵੱਧ ਵਰਤੀਆਂ ਜਾਂਦੀਆਂ ਕਮਾਂਡਾਂ/ਸਨਿਪਟ ਹਨ:

1. langchain.Workflow(): ਇੱਕ ਨਵਾਂ LangChain ਵਰਕਫਲੋ ਬਣਾਉਂਦਾ ਹੈ।
2. gpt5_5.Chain(): LangChain ਲਈ ਇੱਕ ਨਵੀਂ GPT-5.5 ਚੇਨ ਬਣਾਉਂਦਾ ਹੈ।
3. workflow.chain.model = gpt5_5_model: GPT-5.5 ਨੂੰ LangChain ਨਾਲ ਏਕੀਕ੍ਰਿਤ ਕਰਦਾ ਹੈ।
4. workflow.run(incident_data): LangChain ਵਰਕਫਲੋ ਚਲਾਉਂਦਾ ਹੈ।
5. stackgen.Workflow(): ਇੱਕ ਨਵਾਂ StackGen ਵਰਕਫਲੋ ਬਣਾਉਂਦਾ ਹੈ।
6. stackgen.Module(): ਇੱਕ ਨਵਾਂ StackGen ਮੋਡੀਊਲ ਬਣਾਉਂਦਾ ਹੈ।
7. stackgen.Component(): ਇੱਕ ਨਵਾਂ StackGen ਕੰਪੋਨੈਂਟ ਬਣਾਉਂਦਾ ਹੈ।
8. stackgen.Deploy(): StackGen ਵਰਕਫਲੋ ਨੂੰ ਤੈਨਾਤ ਕਰਦਾ ਹੈ।
9. langchain.DataSource(): ਇੱਕ ਨਵਾਂ LangChain ਡਾਟਾ ਸਰੋਤ ਬਣਾਉਂਦਾ ਹੈ।
10. langchain.AiModel(): ਇੱਕ ਨਵਾਂ LangChain AI ਮਾਡਲ ਬਣਾਉਂਦਾ ਹੈ।

ਵਿਜ਼ੂਅਲਾਈਜ਼ੇਸ਼ਨ

ਇੱਥੇ Chart.js ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹੋਏ LangChain ਅਤੇ StackGen ਵਰਕਫਲੋ ਦਾ ਇੱਕ ਸਧਾਰਨ ਦ੍ਰਿਸ਼ਟੀਕੋਣ ਹੈ: ਜੇਸਨ { "type": "ਪੱਟੀ", "ਡਾਟਾ": { "labels": ["LangChain", "StackGen"], "datasets": [ { "label": "ਵਰਕਫਲੋ ਜਟਿਲਤਾ", "ਡਾਟਾ": [10, 20], "backgroundColor": ["#4CAF50", "#FF9800"] } ] }, "ਵਿਕਲਪ": { "ਸਿਰਲੇਖ": { "ਡਿਸਪਲੇ": ਸਹੀ, "text": "ਵਰਕਫਲੋ ਜਟਿਲਤਾ ਤੁਲਨਾ" }, "ਲੀਜੈਂਡ": { "ਡਿਸਪਲੇ": ਸਹੀ } } } ਇਹ ਦ੍ਰਿਸ਼ਟੀਕੋਣ LangChain ਅਤੇ StackGen ਦੀ ਵਰਕਫਲੋ ਗੁੰਝਲਤਾ ਦੀ ਤੁਲਨਾ ਕਰਦਾ ਹੈ, ਵਧੇਰੇ ਗੁੰਝਲਦਾਰ ਵਰਕਫਲੋ ਲਈ StackGen ਦੀ ਵਰਤੋਂ ਕਰਨ ਦੇ ਲਾਭਾਂ ਨੂੰ ਉਜਾਗਰ ਕਰਦਾ ਹੈ।

ਸਿੱਟਾ

ਇਸ ਲੇਖ ਵਿੱਚ, ਅਸੀਂ ਇੱਕ AI-ਸੰਚਾਲਿਤ DevOps ਪਾਈਪਲਾਈਨ ਬਣਾਉਣ ਲਈ GPT-5.5 ਵਰਗੇ AI ਮਾਡਲਾਂ ਵਿੱਚ ਹਾਲੀਆ ਤਰੱਕੀ ਦੇ ਨਾਲ, ਦੋ ਸ਼ਕਤੀਸ਼ਾਲੀ ਆਰਕੈਸਟੇਸ਼ਨ ਟੂਲ, LangChain ਅਤੇ StackGen ਦੀ ਵਰਤੋਂ ਦੀ ਖੋਜ ਕੀਤੀ ਹੈ ਜੋ ਘਟਨਾ ਦੀ ਜਾਂਚ ਅਤੇ ਰੈਜ਼ੋਲੂਸ਼ਨ ਨੂੰ ਸਵੈਚਲਿਤ ਕਰਦੀ ਹੈ। ਅਸੀਂ ਦਿਖਾਇਆ ਹੈ ਕਿ GPT-5.5 ਨੂੰ LangChain ਅਤੇ StackGen ਨਾਲ ਕਿਵੇਂ ਏਕੀਕ੍ਰਿਤ ਕਰਨਾ ਹੈ, ਅਤੇ ਇਹਨਾਂ ਸਾਧਨਾਂ ਦੀ ਵਰਤੋਂ ਕਰਨ ਦੇ ਲਾਭਾਂ ਨੂੰ ਦਰਸਾਉਣ ਲਈ ਇੱਕ ਸਧਾਰਨ ਕੋਡ ਉਦਾਹਰਨ ਅਤੇ ਵਿਜ਼ੂਅਲਾਈਜ਼ੇਸ਼ਨ ਪ੍ਰਦਾਨ ਕੀਤੀ ਹੈ। LangChain ਅਤੇ StackGen ਦੀਆਂ ਸ਼ਕਤੀਆਂ ਦਾ ਲਾਭ ਉਠਾ ਕੇ, ਡਿਵੈਲਪਰ ਗੁੰਝਲਦਾਰ ਵਰਕਫਲੋਜ਼ ਬਣਾ ਸਕਦੇ ਹਨ ਜੋ ਮਲਟੀਪਲ AI ਮਾਡਲਾਂ, ਡੇਟਾ ਸਰੋਤਾਂ, ਅਤੇ DevOps ਟੂਲਸ ਨੂੰ ਏਕੀਕ੍ਰਿਤ ਕਰਦੇ ਹਨ, ਜਿਸ ਨਾਲ ਘਟਨਾ ਦੀ ਤੇਜ਼ ਅਤੇ ਵਧੇਰੇ ਸਟੀਕ ਜਾਂਚ ਅਤੇ ਰੈਜ਼ੋਲੂਸ਼ਨ ਨੂੰ ਸਮਰੱਥ ਬਣਾਇਆ ਜਾਂਦਾ ਹੈ।