ස්වයංක්‍රීය යටිතල පහසුකම් වාද්‍යකරණය සඳහා DevOps කාර්ය ප්‍රවාහයන් තුළ නියෝජිත AI ක්‍රියාත්මක කිරීම
හැඳින්වීම
කෘත්‍රිම බුද්ධිය (AI), DevOps සහ යටිතල පහසුකම් වාද්‍ය ඛණ්ඩයේ ඡේදනය යටිතල පහසුකම් කළමනාකරණයේ නව ආදර්ශයක් - ස්වයංක්‍රීය යටිතල පහසුකම් වාද්‍ය වෘන්දයක් ඇති කර තිබේ. මෙම ප්‍රවේශය AI සහ Machine Learning (ML) ඇල්ගොරිතම මගින් යටිතල පහසුකම් සැපයීම, පරිමාණය සහ කළමනාකරණය ස්වයංක්‍රීය කිරීමට සහ ප්‍රශස්ත කිරීමට, සංවර්ධකයින්ට ඉහළ මට්ටමේ කාර්යයන් කෙරෙහි අවධානය යොමු කිරීමට හැකි වේ. මෙම ලිපියෙන්, අපි LangChain, DSPy, සහ StackGen වැනි මෙවලම් කෙරෙහි අවධානය යොමු කරමින්, DevOps කාර්ය ප්‍රවාහයන් තුළ සංවර්ධක අත්දැකීම් වැඩිදියුණු කිරීම සහ පරිමාණය වැඩිදියුණු කිරීම සඳහා නියෝජිත AI හි කාර්යභාරය ගවේෂණය කරන්නෙමු.
Agentic AI යනු කුමක්ද?
නියෝජිත AI යනු පැහැදිලි මානව මැදිහත්වීමකින් තොරව ස්වාධීන හැසිරීම්, තීරණ ගැනීම සහ ක්‍රියා කිරීම ප්‍රදර්ශනය කරන AI වර්ගයකි. DevOps හි සන්දර්භය තුළ, යටිතල පහසුකම් සැපයීම, යෙදවීම සහ පරිමාණය කිරීම මෙන්ම අධීක්ෂණය සහ දෝශ නිරාකරණය වැනි කාර්යයන් ස්වයංක්‍රීය කිරීමට නියෝජිත AI භාවිතා කළ හැක. මෙම ප්‍රවේශය සංවර්ධකයින්ට කේත ලිවීම සහ යෙදුම් සැලසුම් කිරීම වැනි ඉහළ මට්ටමේ කාර්යයන් කෙරෙහි අවධානය යොමු කිරීමට හැකියාව ලබා දෙන අතර AI පද්ධතිය යටිතල පහසුකම් ගැන සැලකිලිමත් වේ.
LangChain: නියෝජිත AI පද්ධති ගොඩනැගීම සඳහා රාමුවක්
LangChain යනු පරිශීලකයන් සමඟ අන්තර් ක්‍රියා කළ හැකි, කාර්යයන් ඉටු කිරීමට සහ තීරණ ගැනීමට හැකි නියෝජිත AI පද්ධති ගොඩනැගීම සඳහා විවෘත මූලාශ්‍ර රාමුවකි. එය සංවාද අතුරුමුහුණත්, ස්වභාවික භාෂා සැකසුම් (NLP) සහ යන්ත්‍ර ඉගෙනුම් ආකෘති ගොඩනැගීම සඳහා API සහ මෙවලම් කට්ටලයක් සපයයි. චැට්බෝට් සහ අතථ්‍ය සහායකයන්ගේ සිට ස්වයංක්‍රීය යටිතල පහසුකම් වාද්‍ය වෘන්ද පද්ධති දක්වා පුළුල් පරාසයක යෙදුම් තැනීමට LangChain භාවිතා කළ හැක.
DSPy: නියෝජිත AI පද්ධති ගොඩනැගීම සඳහා පයිතන් පුස්තකාලයක්
DSPy යනු පරිශීලකයන් සමඟ අන්තර් ක්‍රියා කළ හැකි, කාර්යයන් ඉටු කිරීමට සහ තීරණ ගැනීමට හැකි නියෝජිත AI පද්ධති ගොඩනැගීම සඳහා වන Python පුස්තකාලයකි. එය සංවාද අතුරුමුහුණත්, NLP, සහ යන්ත්‍ර ඉගෙනුම් ආකෘති ගොඩනැගීම සඳහා API සහ මෙවලම් කට්ටලයක් සපයයි. චැට්බෝට් සහ අතථ්‍ය සහායකයන්ගේ සිට ස්වයංක්‍රීය යටිතල පහසුකම් වාද්‍ය වෘන්ද පද්ධති දක්වා පුළුල් පරාසයක යෙදුම් තැනීමට DSPy භාවිතා කළ හැක.
StackGen: යටිතල පහසුකම් ගොඩනැගීම සහ කළමනාකරණය සඳහා මෙවලමක්
StackGen යනු කේතයක් ලෙස යටිතල පහසුකම් ගොඩනැගීම සහ කළමනාකරණය කිරීම සඳහා වූ මෙවලමකි. එය යටිතල පහසුකම් වින්‍යාසයන් නිර්වචනය කිරීම, සම්පත් සැපයීම සහ යෙදවීම් කළමනාකරණය කිරීම සඳහා API සහ මෙවලම් කට්ටලයක් සපයයි. අතථ්‍ය යන්ත්‍ර සහ බහාලුම්වල සිට සේවාදායක රහිත ක්‍රියාකාරකම් සහ වලාකුළු-ස්වදේශීය යෙදුම් දක්වා පුළුල් පරාසයක යටිතල පහසුකම් ගොඩනැගීමට සහ කළමනාකරණය කිරීමට StackGen භාවිතා කළ හැක.
DevOps කාර්ය ප්‍රවාහවල නියෝජිත AI ක්‍රියාත්මක කිරීම
DevOps කාර්ය ප්‍රවාහයන් තුළ නියෝජිත AI ක්‍රියාත්මක කිරීමට, අපට LangChain, DSPy, සහ StackGen සංයෝගයක් භාවිතා කළ හැක. ස්වයංක්‍රීය යටිතල පහසුකම් වාදක පද්ධතියක් ගොඩනැගීමට අපට මෙම මෙවලම් භාවිතා කළ හැකි ආකාරය පිළිබඳ උදාහරණයක් මෙන්න:
langchain ආනයනය කරන්න
ආනයනය dspy
stackgen ආනයනය කරන්න
infrastructure_config = {
"සම්පත්": [
{"name": "web-server", "type": "EC2", "region": "us-west-2"},
{"name": "database", "type": "RDS", "region": "us-west-2"}
]
}
# යෙදවුම් වින්‍යාසය නිර්වචනය කරන්න
deployment_config = {
"සේවා": [
{"name": "web-server", "image": "nginx:latest", "port": 80},
{"name": "database", "image": "mysql:latest", "port": 3306}
]
}
# LangChain නියෝජිතයෙකු සාදන්න
නියෝජිතයා = langchain.Agent(
name="infrastructure-orchestrator",
විස්තරය="ස්වයංක්‍රීය යටිතල පහසුකම් වාද්‍ය වෘන්ද පද්ධතියක්"
)
# DSPy ආකෘතියක් සාදන්න
ආකෘතිය = dspy.Model(
name="infrastructure-orchestrator",
විස්තරය="යටිතල පහසුකම් අවශ්‍යතා පුරෝකථනය කිරීමේ ආකෘතියක්"
)
# StackGen තොගයක් සාදන්න
stack = stackgen.Stack(
name="infrastructure-orchestrator",
විස්තරය="යටිතල පහසුකම් කළමනාකරණය සඳහා තොගයක්"
)
# නියෝජිත AI කාර්ය ප්‍රවාහය නිර්වචනය කරන්න
වැඩ ප්‍රවාහය = [
{"step": "predict_infrastructure_requirements", "model": model},
{"පියවර": "provision_infrastructure", "stack": stack},
{"step": "deploy_services", "deployment_config": deployment_config}
]
# නියෝජිත AI කාර්ය ප්‍රවාහය ක්‍රියාත්මක කරන්න
agent.run (වැඩ ප්‍රවාහය)
මෙම කේතය යටිතල පහසුකම් අවශ්‍යතා, ප්‍රතිපාදන සම්පත් සහ සේවා යෙදවීම පුරෝකථනය කිරීමට LangChain, DSPy, සහ StackGen භාවිතා කරන ස්වයංක්‍රීය යටිතල පහසුකම් වාද්‍ය වෘන්ද පද්ධතියක් නිර්වචනය කරයි.
ඉහළම 5-10 වැඩිපුරම භාවිතා කරන ලද විධාන/Snippets
LangChain, DSPy, සහ StackGen සඳහා වැඩිපුරම භාවිතා වන විධාන/snippets 5-10 මෙන්න:
| මෙවලම | විධානය/Snippet | විස්තරය |
|---|---|---|
| LangChain | langchain.Agent.create() |
නව LangChain නියෝජිතයෙක් නිර්මාණය කරයි |
| LangChain | langchain.Agent.describe() |
LangChain නියෝජිතයා පිළිබඳ විස්තරයක් ලබා දෙයි |
| DSPy | dspy.Model.create() |
නව DSPy ආකෘතියක් නිර්මාණය කරයි |
| DSPy | dspy.Model.describe() |
DSPy ආකෘතියේ විස්තරයක් ලබා දෙයි |
| StackGen | stackgen.Stack.create() |
නව StackGen තොගයක් සාදයි |
| StackGen | stackgen.Stack.describe() |
StackGen තොගයේ විස්තරයක් ලබා දෙයි |
| LangChain | langchain.Agent.run() |
LangChain නියෝජිතයා ධාවනය කරයි |
| DSPy | dspy.Model.predict() |
DSPy ආකෘතිය භාවිතයෙන් යටිතල පහසුකම් අවශ්‍යතා පුරෝකථනය කරයි |
| StackGen | stackgen.Stack.provision() |
StackGen stack භාවිතා කරන යටිතල පහසුකම් |
| StackGen | stackgen.Stack.deploy() |
StackGen stack භාවිතා කරමින් සේවා යොදවයි |
දෘෂ්‍යකරණය
මෙන්න Chart.js භාවිතයෙන් නියෝජිත AI කාර්ය ප්‍රවාහයේ දෘශ්‍යකරණයකි: ''''ජේසන් { "වර්ගය": "බාර්", "දත්ත": { "ලේබල්": ["යටිතල පහසුකම් අවශ්‍යතා පුරෝකථනය කරන්න", "ප්‍රතිපාදන යටිතල පහසුකම්", "සේවා යෙදවීම"], "දත්ත කට්ටල": [ { "label": "Agentic AI කාර්ය ප්‍රවාහය", "දත්ත": [10, 20, 30], "backgroundColor": "rgba(255, 99, 132, 0.2)", "borderColor": "rgba(255, 99, 132, 1)", "දේශසීමා පළල": 1 } ] }, "විකල්ප": { "මාතෘකාව": { "දර්ශණය": ඇත්ත, "පෙළ": "නියෝජිත AI කාර්ය ප්‍රවාහය" }, "පරිමාණ": { "yAxes": [ { "කිනිතුල්ලන්": { "beginAtZero": ඇත්ත } } ] } } }
යටිතල පහසුකම් අවශ්‍යතා පුරෝකථනය කිරීම, යටිතල පහසුකම් සැපයීම සහ සේවා යෙදවීම යන පියවර තුන සමඟින් මෙම දෘශ්‍යකරණය මඟින් නියෝජිත AI කාර්ය ප්‍රවාහය තීරු සටහනක් ලෙස පෙන්වයි.
** නිගමනය **
මෙම ලිපියෙන්, අපි DevOps කාර්ය ප්‍රවාහයන් තුළ සංවර්ධක අත්දැකීම් වැඩිදියුණු කිරීම සහ පරිමාණය වැඩිදියුණු කිරීම සඳහා නියෝජිත AI හි කාර්යභාරය ගවේෂණය කළෙමු. අපි නියෝජිත AI පද්ධති ගොඩනැගීම සඳහා මෙවලම් ලෙස LangChain, DSPy, සහ StackGen හඳුන්වා දුන් අතර, ස්වයංක්‍රීය යටිතල පහසුකම් වාද්‍ය වෘන්ද පද්ධතියක් ගොඩනැගීමට මෙම මෙවලම් භාවිතා කරන ආකාරය නිරූපණය කළෙමු. අපි Chart.js භාවිතයෙන් නියෝජිත AI කාර්ය ප්‍රවාහයේ දෘශ්‍යකරණයක් ද ලබා දුන්නෙමු. නියෝජිත AI භාවිතා කිරීමෙන්, සංවර්ධකයින්ට කේත ලිවීම සහ යෙදුම් සැලසුම් කිරීම වැනි ඉහළ මට්ටමේ කාර්යයන් කෙරෙහි අවධානය යොමු කළ හැකි අතර, AI පද්ධතිය යටින් පවතින යටිතල පහසුකම් ගැන සැලකිලිමත් වේ.