** AI-බලවත් නියෝජිතයන් සහ වාද්‍ය වෘන්දය සමඟ ZeroOps DevOps පරිවර්තනය**

හැඳින්වීම

DevOps විප්ලවය මෘදුකාංග සංවර්ධනය, යෙදවීම සහ නඩත්තු කරන ආකාරය පරිවර්තනය කර ඇත. කෙසේ වෙතත්, සාම්ප්‍රදායික DevOps ප්‍රවේශයට තවමත් සැලකිය යුතු අතින් උත්සාහයක්, ප්‍රවීණත්වයක් සහ කාලය අවශ්‍ය වේ. AI බලයෙන් ක්‍රියාත්මක වන නියෝජිතයින් සහ වාද්‍ය වෘන්දය මෙවලම් මතුවීම, ZeroOps සංකල්පයට තුඩු දෙන DevOps ක්‍රියාවලි ස්වයංක්‍රීය කිරීමට හැකි වී ඇත. මෙම ලිපියෙන්, අපි DevOps භාවිතයන් ZeroOps බවට පරිවර්තනය කිරීම කෙරෙහි අවධානය යොමු කරමින්, Kiro නියෝජිතයින් සහ LangChain වැනි වාද්‍ය වෘන්ද මෙවලම් භාවිතයෙන් AI-බලවත් DevOps ස්වයංක්‍රීයකරණය ක්‍රියාත්මක කිරීම ගවේෂණය කරන්නෙමු.

ZeroOps යනු කුමක්ද?

ZeroOps යනු DevOps හි නැගී එන සංකල්පයක් වන අතර එය සංවර්ධන සහ යෙදවීමේ ක්‍රියාවලියට අතින් මැදිහත් වීමේ අවශ්‍යතාවය ඉවත් කිරීම අරමුණු කරයි. AI සහ යන්ත්‍ර ඉගෙනීම උත්තේජනය කිරීමෙන්, ZeroOps ස්වයංක්‍රීයව යෙදවීම, පරිමාණය කිරීම සහ යෙදුම් නිරීක්ෂණය කිරීම, මානව දෝෂ ඇතිවීමේ අවදානම අඩු කිරීම සහ කාර්යක්ෂමතාව වැඩි කිරීම සක්‍රීය කරයි. ZeroOps හි අවසාන ඉලක්කය වන්නේ අවම මිනිස් මැදිහත්වීමක් අවශ්‍ය වන ස්වයං-සුව කිරීමේ, ස්වයං-ප්‍රශස්ත සහ ස්වයං-පරිමාණ පද්ධතියක් නිර්මාණය කිරීමයි.

AI-බලවත් නියෝජිතයන්: ZeroOps සඳහා යතුර

AI-බලවත් නියෝජිතයන් යනු කාර්යයන් ස්වයංක්‍රීය කිරීමට සහ තීරණ ගැනීමට යන්ත්‍ර ඉගෙනීමේ ඇල්ගොරිතම භාවිතා කරන මෘදුකාංග වැඩසටහන් වේ. DevOps හි සන්දර්භය තුළ, යෙදුම් ක්‍රියාකාරිත්වය නිරීක්ෂණය කිරීමට, විෂමතා හඳුනා ගැනීමට සහ නිවැරදි කිරීමේ ක්‍රියාමාර්ග ගැනීමට AI-බලවත් නියෝජිතයන් භාවිතා කළ හැක. Kiro නියෝජිතයන් යනු DevOps ස්වයංක්‍රීයකරණය සඳහා භාවිතා කළ හැකි AI බලයෙන් ක්‍රියාත්මක වන නියෝජිත වර්ගයකි.

Kiro නියෝජිතයන්

Kiro නියෝජිතයන් යනු DevOps ස්වයංක්‍රීයකරණය සඳහා භාවිතා කළ හැකි AI බලයෙන් ක්‍රියාත්මක වන නියෝජිත වර්ගයකි. ඒවා යෙදවීම, පරිමාණය කිරීම සහ යෙදුම් අධීක්ෂණය කිරීම ස්වයංක්‍රීය කිරීමට LangChain වැනි වාද්‍ය වෘන්ද මෙවලම් සමඟ වැඩ කිරීමට සැලසුම් කර ඇත. Kiro නියෝජිතයින්ට රටා සහ විෂමතා ඉගෙන ගැනීමට ඓතිහාසික දත්ත පිළිබඳව පුහුණු කළ හැකි අතර, ඔවුන්ට දැනුවත් තීරණ ගැනීමට සහ නිවැරදි ක්‍රියාමාර්ග ගැනීමට හැකි වේ.

LangChain: වාද්‍ය වෘන්දය මෙවලම

LangChain යනු Kiro වැනි AI බලයෙන් ක්‍රියා කරන නියෝජිතයන් භාවිතයෙන් DevOps ක්‍රියාවලි ස්වයංක්‍රීය කිරීම සබල කරන වාද්‍ය වෘන්ද මෙවලමකි. එය යෙදවීම, පරිමාණය කිරීම සහ අධීක්ෂණය වැනි කාර්යයන් ස්වයංක්‍රීය කළ හැකි AI-බලවත් නියෝජිතයන් තැනීම සහ යෙදවීම සඳහා රාමුවක් සපයයි. LangChain Python, Rust, සහ Go ඇතුළු ක්‍රමලේඛන භාෂා රාශියකට සහය දක්වයි.

Kiro සහ LangChain සමඟ AI-බලවත් DevOps ස්වයංක්‍රීයකරණය ක්‍රියාත්මක කිරීම

Kiro සහ LangChain භාවිතයෙන් AI-බලගන්වන DevOps ස්වයංක්‍රීයකරණය ක්‍රියාත්මක කිරීමට, අපි මෙම පියවර අනුගමනය කළ යුතුය:

1. Kiro සහ LangChain ස්ථාපනය කරන්න: Pip හෝ ඔබ කැමති පැකේජ කළමනාකරු භාවිතයෙන් Kiro සහ LangChain ස්ථාපනය කරන්න.
2. Kiro නියෝජිතයෙකු සාදන්න: DevOps ස්වයංක්‍රීයකරණය සඳහා භාවිතා කළ හැකි Kiro නියෝජිතයෙකු සාදන්න. යෙදුම් ක්‍රියාකාරිත්වය නිරීක්ෂණය කිරීම සහ විෂමතා හඳුනා ගැනීම වැනි නියෝජිතයාගේ හැසිරීම නිර්වචනය කිරීම මෙයට ඇතුළත් වේ.
3. Kiro නියෝජිතයා පුහුණු කරන්න: රටා සහ විෂමතා ඉගෙන ගැනීමට ඓතිහාසික දත්ත මත Kiro නියෝජිතයා පුහුණු කරන්න. මෙමගින් නියෝජිතයාට දැනුවත් තීරණ ගැනීමට සහ නිවැරදි ක්‍රියාමාර්ග ගැනීමට හැකියාව ලැබේ.
4. LangChain සමඟ ඒකාබද්ධ කරන්න: DevOps ක්‍රියාවලි ස්වයංක්‍රීය කිරීම සඳහා Kiro නියෝජිතයා LangChain සමඟ ඒකාබද්ධ කරන්න. මෙයට වාද්‍ය වෘන්දයේ කාර්ය ප්‍රවාහය නිර්වචනය කිරීම සහ කාර්යයන් ක්‍රියාත්මක කිරීමට නියෝජිතයා වින්‍යාස කිරීම ඇතුළත් වේ.

උදාහරණ කේතය: කිරෝ නියෝජිතයෙකු නිර්මාණය කිරීම

කිරෝ නියෝජිතයෙකු නිර්මාණය කරන පයිතන් හි උදාහරණ කේත බ්ලොක් එකක් මෙන්න:

කිරෝ ආනයනය කරන්න
langchain ආනයනය LLMS වෙතින්


නියෝජිතයා = kiro.Agent(
    name="my_agent",
    හැසිරීම ={
        "monitor_performance": {
            "function": "monitor_performance",
            "args": ["app_name", "threshold"],
        },
        "detect_anomaly": {
            "ක්‍රියාකාරීත්වය": "අනාවරණය_විෂමතාව",
            "args": ["app_name", "threshold"],
        },
    },
)

# ඓතිහාසික දත්ත පිළිබඳ නියෝජිතයා පුහුණු කරන්න
agent.train(
    දත්ත =[
        {"app_name": "my_app", "performance": 90},
        {"app_name": "my_app", "performance": 80},
        {"app_name": "my_app", "performance": 70},
    ],
    එළිපත්ත=85,
)

# LangChain සමඟ ඒකාබද්ධ කරන්න
llms = LLMS(
    නියෝජිත = නියෝජිත,
    වැඩ ප්‍රවාහය={
        "monitor_performance": {
            "function": "monitor_performance",
            "args": ["my_app", 85],
        },
        "detect_anomaly": {
            "ක්‍රියාකාරීත්වය": "අනාවරණය_විෂමතාව",
            "args": ["my_app", 85],
        },
    },
)

# කාර්ය ප්‍රවාහය ක්‍රියාත්මක කරන්න
llms.execute()

මෙම කේතය යෙදුම් ක්‍රියාකාරිත්වය නිරීක්ෂණය කරන සහ විෂමතා හඳුනා ගන්නා Kiro නියෝජිතයෙකු නිර්මාණය කරයි. එය පසුව ඓතිහාසික දත්ත පිළිබඳ නියෝජිතයා පුහුණු කරන අතර DevOps ක්‍රියාවලි ස්වයංක්‍රීය කිරීමට LangChain සමඟ එය ඒකාබද්ධ කරයි.

ඉහළම 5-10 වැඩිපුරම භාවිතා කරන ලද විධාන/Snippets

මෙන්න Kiro සහ LangChain සඳහා වැඩිපුරම භාවිතා කරන ලද විධාන/snippets 5-10:

1. කිරෝ නියෝජිතයෙකු නිර්මාණය කිරීම: kiro.Agent(name="my_agent", හැසිරීම ={"monitor_performance": {"function": "monitor_performance", "args": ["app_name", "threshold"]}})
2. කිරෝ නියෝජිතයා පුහුණු කිරීම: agent.train(data=[{"app_name": "my_app", "performance": 90}], threshold=85)
3. LangChain සමඟ ඒකාබද්ධ වීම: llms = LLMS(agent=agent, workflow={"monitor_performance": {"function": "monitor_performance", "args": ["my_app", 85]}})
4. වැඩ ප්‍රවාහය ක්‍රියාත්මක කිරීම: llms.execute()
5. Orchestration කාර්ය ප්‍රවාහය නිර්වචනය කිරීම: workflow = {"monitor_performance": {"function": "monitor_performance", "args": ["my_app", 85]}}
6. කාර්යයන් ක්‍රියාත්මක කිරීමට නියෝජිතයා වින්‍යාස කිරීම: agent.configure({"function": "execute_task", "args": ["task_name"]})
7. අධීක්ෂණ යෙදුම් කාර්ය සාධනය: agent.monitor_performance(app_name="my_app", threshold=85)
8. විෂමතා හඳුනාගැනීම: agent.detect_anomaly(app_name="my_app", threshold=85)
9. ** නියෝජිතයාගේ තත්ත්වය ලබා ගැනීම**: agent.status()
10. ** නියෝජිතයාගේ ලොග් ලබා ගැනීම**: agent.logs()

දෘෂ්‍යකරණය

Chart.js භාවිතයෙන් DevOps නල මාර්ගයේ දෘශ්‍යකරණයක් මෙන්න: '''' ජේසන් { "වර්ගය": "බාර්", "දත්ත": { "ලේබල්": ["අධීක්‍ෂණ කාර්ය සාධනය", "විෂමතා හඳුනා ගන්න", "කාර්යය ක්‍රියාත්මක කරන්න"], "දත්ත කට්ටල": [ { "ලේබලය": "නියෝජිතයා", "දත්ත": [90, 80, 70], "backgroundColor": "rgba(255, 99, 132, 0.2)", "borderColor": "rgba(255, 99, 132, 1)", "දේශසීමා පළල": 1 } ] }, "විකල්ප": { "මාතෘකාව": { "දර්ශණය": ඇත්ත, "පෙළ": "DevOps නල මාර්ගය" }, "පරිමාණ": { "yAxes": [ { "කිනිතුල්ලන්": { "beginAtZero": ඇත්ත } } ] } } }

මෙම දෘශ්‍යකරණය DevOps නල මාර්ගය අදියර තුනකින් පෙන්වයි: කාර්ය සාධනය නිරීක්ෂණය කිරීම, විෂමතාව හඳුනා ගැනීම සහ කාර්යය ක්‍රියාත්මක කිරීම. නියෝජිතයාගේ කාර්ය සාධනය තීරු සටහනක් ලෙස පෙන්වයි.

** නිගමනය **


මෙම ලිපියෙන්, අපි Kiro නියෝජිතයන් සහ LangChain වැනි වාද්‍ය වෘන්ද මෙවලම් භාවිතයෙන් AI-බලවත් DevOps ස්වයංක්‍රීයකරණය ක්‍රියාත්මක කිරීම ගවේෂණය කළෙමු. අපි යෙදුම් ක්‍රියාකාරිත්වය නිරීක්ෂණය කරන සහ විෂමතා හඳුනා ගන්නා Kiro නියෝජිතයෙකු නිර්මාණය කළ අතර, DevOps ක්‍රියාවලි ස්වයංක්‍රීය කිරීමට LangChain සමඟ එය ඒකාබද්ධ කළෙමු. අපි Chart.js භාවිතයෙන් DevOps නල මාර්ගයේ දෘශ්‍යකරණයක් ද ලබා දුන්නෙමු. ZeroOps හි අවසාන ඉලක්කය වන්නේ අවම මිනිස් මැදිහත්වීමක් අවශ්‍ය වන ස්වයං-සුව කිරීමේ, ස්වයං-ප්‍රශස්ත සහ ස්වයං-පරිමාණ පද්ධතියක් නිර්මාණය කිරීමයි. AI සහ යන්ත්‍ර ඉගෙනීම උත්තේජනය කිරීමෙන්, අපට මෙම ඉලක්කය සපුරා ගත හැකි අතර DevOps භාවිතයන් ZeroOps බවට පරිවර්තනය කළ හැකිය.