تعارف

تازن سالن ۾، DevOps نظارن ۾ هڪ اهم تبديلي آئي آهي مصنوعي ذهانت (AI) ۽ مشين لرننگ (ML) ٽيڪنالاجيز جي انضمام سان. AI ايجنٽ هڪ طاقتور اوزار طور سامهون آيا آهن DevOps ورڪ فلوز کي وڌائڻ لاءِ، بي مثال ڪارڪردگيءَ سان پيچيده ڪمن کي خودڪار ڪرڻ ۽ ترتيب ڏيڻ. هن آرٽيڪل ۾، اسان DevOps ۾ AI ايجنٽن جي دنيا ۾ شامل ڪنداسين، انهن جي عملي عمل درآمد واري حڪمت عملي ۽ حقيقي دنيا جي ڪيسن جي مطالعي کي ڳوليندا.

DevOps ۾ AI ايجنٽ ڇا آهن؟

AI ايجنٽ سافٽ ويئر پروگرام آهن جيڪي مشين لرننگ الگورتھم استعمال ڪن ٿا ڪمن کي خودمختياري سان انجام ڏيڻ لاءِ، فيصلا ڪرڻ ڊيٽا ۽ موٽ جي بنياد تي. DevOps جي حوالي سان، AI ايجنٽ مختلف ڪمن کي خودڪار ۽ ترتيب ڏيڻ لاءِ استعمال ڪري سگھجن ٿا، جهڙوڪ:

• مسلسل انضمام ۽ مسلسل تعیناتي (CI/CD): AI ايجنٽ ڪوڊ تبديلين جي نگراني ڪري سگھن ٿا، ٺاهي سگھن ٿا، ۽ ايپليڪيشنن کي پيداوار جي ماحول ۾ ترتيب ڏيو.
• مانيٽرنگ ۽ لاگنگ: AI ايجنٽ لاگ ڊيٽا جو تجزيو ڪري سگھن ٿا، بي ضابطگين کي سڃاڻي سگھن ٿا، ۽ IT ٽيمن لاءِ الرٽ جاري ڪري سگھن ٿا.
• سيڪيورٽي: AI ايجنٽ ڪمزورين لاءِ ڪوڊ اسڪين ڪري سگھن ٿا، مالويئر کي ڳولي سگھن ٿا، ۽ ڊيٽا جي ڀڃڪڙي کي روڪي سگھن ٿا.
• ** ٽيسٽنگ **: AI ايجنٽ ٽيسٽ کي خودڪار ڪري سگھن ٿا، ڪيڙا ڳولي سگھن ٿا، ۽ ڊولپرز کي موٽ ڏيو.

آرڪيسٽريشن جا اوزار: DSPy ۽ LangChain

AI ايجنٽن کي DevOps پائپ لائنن ۾ ضم ڪرڻ لاءِ، اسان کي آرڪيسٽريشن جا اوزار گهرجن جيڪي انهن ايجنٽن کي منظم ۽ همٿائي سگهن. هن خلا ۾ ٻه مشهور اوزار DSPy ۽ LangChain آهن.

ڊي ايس پي

DSPy هڪ پائٿون تي ٻڌل آرڪيسٽريشن ٽول آهي جيڪو ڊولپرز کي اجازت ڏئي ٿو ته ٺاهي، انتظام ڪري، ۽ ڪم فلوز کي AI ايجنٽ استعمال ڪندي. DSPy ڪم فلوز ٺاهڻ لاءِ هڪ سادي ۽ وجداني API مهيا ڪري ٿي، ان کي DevOps ٽيمن لاءِ هڪ مثالي انتخاب بڻائي ٿي.

LangChain

LangChain هڪ زنگ تي ٻڌل آرڪيسٽريشن اوزار آهي جيڪو ڊولپرز کي AI-طاقتور ڪم فلوز ٺاهڻ ۽ منظم ڪرڻ جي قابل بڻائي ٿو. LangChain هڪ ماڊلر فن تعمير مهيا ڪري ٿو، ڊولپرز کي AI ايجنٽ استعمال ڪندي ڪسٽم ورڪ فلوز ٺاهڻ جي اجازت ڏئي ٿي.

عملي لاڳو ڪرڻ واريون حڪمت عمليون

DSPy ۽ LangChain استعمال ڪندي AI ايجنٽن کي DevOps پائپ لائنن ۾ ضم ڪرڻ لاءِ، انهن عملي حڪمت عملين تي عمل ڪريو:

1. پنھنجي ڪم جي فلو جي وضاحت ڪريو

انهن ڪمن جي سڃاڻپ ڪريو جيڪي پاڻمرادو ۽ ترتيب ڏيڻ گهرجن. انهن ڪمن کي انجام ڏيڻ لاءِ گهربل AI ايجنٽن جو تعين ڪيو ۽ انهن ايجنٽن کي تربيت ۽ ترتيب ڏيڻ لاءِ گهربل ڊيٽا ذريعن.

2. پنھنجو آرڪيسٽريشن ٽول چونڊيو

يا ته چونڊيو DSPy يا LangChain توهان جي ٽيم جي مهارت ۽ پروجيڪٽ جي گهرج جي بنياد تي.

3. پنهنجو ڪم فلو ٺاهيو

ڪم فلو ٺاهڻ لاءِ چونڊيل آرڪيسٽريشن ٽول استعمال ڪريو جيڪو AI ايجنٽن ۽ ڊيٽا ذريعن کي ضم ڪري ٿو. استعمال ڪريو APIs ۽ SDKs AI ايجنٽن ۽ ڊيٽا ذريعن سان رابطو ڪرڻ لاءِ.

4. پنھنجي ڪم جي فلو کي ترتيب ڏيو

ڪم فلو کي ڪلائوڊ يا آن پريميسس ماحول ۾ ترتيب ڏيو، اسڪيبلبلٽي ۽ ڀروسي کي يقيني بڻائي.

5. مانيٽر ۽ برقرار رکڻ

ڪم فلو جي ڪارڪردگي جي نگراني ڪريو، ۽ ضرورت مطابق AI ايجنٽ ۽ ڊيٽا ذريعن کي برقرار رکڻ ۽ تازه ڪاري ڪريو.

حقيقي دنيا جا ڪيس مطالعو

هتي ڪجھ حقيقي دنيا جا ڪيس آهن جيڪي ڏيکارين ٿا AI ايجنٽ جي اثرائتي کي DevOps پائپ لائنن ۾:

ڪيس اسٽڊي 1: LangChain سان خودڪار جاچ

هڪ سافٽ ويئر ڊولپمينٽ ڪمپني LangChain استعمال ڪيو انهن جي موبائل ايپ لاءِ ٽيسٽنگ کي خودڪار ڪرڻ لاءِ. LangChain جي AI ايجنٽن صارف جي رويي جو تجزيو ڪيو، ڪي ڪيڙا ڳوليا، ۽ ڊولپرز کي موٽ ڏني. ڪمپني ٽيسٽنگ جو وقت 50 سيڪڙو گهٽايو ۽ ايپ جي معيار کي 30 سيڪڙو بهتر ڪيو.

ڪيس اسٽڊي 2: DSPy سان مسلسل انضمام

هڪ DevOps ٽيم DSPy استعمال ڪيو CI/CD کي خودڪار ڪرڻ لاءِ انهن جي ويب ايپليڪيشن لاءِ. DSPy جي AI ايجنٽن ڪوڊ جي تبديلين جي نگراني ڪئي، ٺاھڻ جي شروعات ڪئي، ۽ ايپليڪيشن کي پيداوار جي ماحول ۾ ترتيب ڏنو. ٽيم 75 سيڪڙو تائين تعیناتي جو وقت گھٽائي ڇڏيو ۽ ڪوڊ جي معيار کي 25 سيڪڙو تائين وڌايو.

مٿيون 5-10 سڀ کان وڌيڪ استعمال ٿيل ڪمانڊ/ٽڪرا

هتي آهن مٿيان 5-10 سڀ کان وڌيڪ استعمال ٿيل ڪمانڊ / ٽڪڙا DSPy ۽ LangChain لاءِ:

ڊي ايس پي

1. dsp.create_workflow(): نئون ورڪ فلو ٺاهي ٿو.
2. dsp.add_agent(): ڪم فلو ۾ AI ايجنٽ شامل ڪري ٿو.
3. dsp.add_data_source(): ڪم فلو ۾ ڊيٽا جو ذريعو شامل ڪري ٿو.
4. dsp.trigger_workflow(): ڪم فلو کي متحرڪ ڪري ٿو.
5. dsp.get_workflow_status(): ڪم فلو اسٽيٽس ٻيهر حاصل ڪري ٿو.

LangChain

1. langchain.create_workflow(): هڪ نئون ڪم فلو ٺاهي ٿو.
2. langchain.add_module(): ڪم فلو ۾ ماڊل شامل ڪري ٿو.
3. langchain.add_ai_agent(): ڪم فلو ۾ AI ايجنٽ شامل ڪري ٿو.
4. langchain.add_data_source(): ڪم فلو ۾ ڊيٽا جو ذريعو شامل ڪري ٿو.
5. langchain.trigger_workflow(): ڪم فلو کي متحرڪ ڪري ٿو.
6. langchain.get_workflow_status(): ڪم فلو اسٽيٽس ٻيهر حاصل ڪري ٿو.

بصري

هتي Chart.js استعمال ڪندي ڪم فلو جو هڪ تصور آهي: جيسن { "type": "pieChart", "ڊيٽا": { "labels": ["DSPy"، "LangChain"], "ڊيٽا سيٽس": [ { "label": "آرڪيسٽريشن جا اوزار", "ڊيٽا": [50, 50], "backgroundColor": ["#4CAF50", "#FF9800"], "سرحد جي ويڪر": 1 } ] }، "اختيارن": { "عنوان": { "display": سچ، "text": "آرڪيسٽريشن جا اوزار" }، "ليجنڊ": { "display": سچو } } } `` هي تصور ڏيکاري ٿو ورهائڻ جي آرڪٽسٽريشن اوزار DevOps پائپ لائنز ۾ استعمال ٿيل.

نتيجو

DSPy ۽ LangChain استعمال ڪندي AI ايجنٽن کي DevOps پائيپ لائينن ۾ ضم ڪرڻ آٽوميشن ۽ آرڪيسٽريشن کي خاص طور تي وڌائي سگھي ٿو. عملي تي عمل ڪرڻ واري حڪمت عملين ۽ حقيقي دنيا جي ڪيسن جي مطالعي تي عمل ڪندي، ڊولپرز DevOps ۾ AI ايجنٽن جي مڪمل صلاحيت کي انلاڪ ڪري سگھن ٿا. صحيح آرڪيسٽريشن ٽول چونڊڻ لاءِ ياد رکو، پنھنجي ڪم جي فلو کي واضع ڪريو، پنھنجي ڪم جي فلو کي ٺاھيو ۽ ترتيب ڏيو، ۽ بھترين نتيجن لاءِ پنھنجي ڪم جي فلو کي مانيٽر ۽ برقرار رکو.

ڪوڊ بلاڪ: سادي DSPy ورڪ فلو

هتي هڪ سادي DSPy ورڪ فلو آهي جيڪو AI ايجنٽ ۽ ڊيٽا جو ذريعو ضم ڪري ٿو: ``پٿون ڊي ايس پي درآمد ڪريو

نئون ڪم فلو ٺاهيو

workflow = dsp.create_workflow()

ڪم فلو ۾ AI ايجنٽ شامل ڪريو

ai_agent = dsp.add_agent (ڪم فلو، "ai_agent") ai_agent.set_model("model.json")

ڪم فلو ۾ ڊيٽا جو ذريعو شامل ڪريو

data_source = dsp.add_data_source(workflow, "data_source") data_source.set_url("https://example.com/data")

ڪم جي فلو کي ڇڪايو

dsp.trigger_workflow (ڪم فلو)

ڪم فلو جي حيثيت حاصل ڪريو

اسٽيٽس = dsp.get_workflow_status(workflow) پرنٽ (اسٽيٽس) `` هي ڪوڊ بلاڪ هڪ سادي DSPy ورڪ فلو کي ظاهر ڪري ٿو جيڪو هڪ AI ايجنٽ ۽ ڊيٽا ماخذ کي ضم ڪري ٿو.