ZeroOps: AI முகவர்கள், StackGen மற்றும் LangChain உடன் தன்னாட்சி உள்கட்டமைப்பை அடைதல்

ZeroOps: AI முகவர்கள், StackGen மற்றும் LangChain உடன் தன்னாட்சி உள்கட்டமைப்பை அடைதல்

அறிமுகம்

கிளவுட்-நேட்டிவ் சூழல்களின் எப்போதும் உருவாகி வரும் நிலப்பரப்பில், திறமையான மற்றும் அளவிடக்கூடிய உள்கட்டமைப்பு மேலாண்மைக்கான தேவை எப்போதும் அதிகமாக இருந்ததில்லை. பாரம்பரிய ஆட்டோமேஷன் கருவிகள் செயல்முறைகளை ஒழுங்குபடுத்துவதில் கருவியாக உள்ளன, ஆனால் அவை பெரும்பாலும் நவீன உள்கட்டமைப்பின் சிக்கல்கள் மற்றும் நுணுக்கங்களை நிவர்த்தி செய்வதில் குறைவாகவே உள்ளன. இங்குதான் ZeroOps வருகிறது - தன்னாட்சி உள்கட்டமைப்பு நிர்வாகத்தை அடைய ஏஜென்டிக் AI ஐ மேம்படுத்தும் ஒரு புரட்சிகர அணுகுமுறை. இந்த கட்டுரையில், ZeroOps இன் உலகத்தை ஆராய்வோம், அதன் முக்கிய கூறுகள், நன்மைகள் மற்றும் நடைமுறை பயன்பாடுகளை ஆராய்வோம்.

ZeroOps என்றால் என்ன?

ZeroOps என்பது வளர்ந்து வரும் முன்னுதாரணமாகும், இது செயற்கை நுண்ணறிவின் (AI) சக்தியை கிளவுட்-நேட்டிவ் சூழல்களின் நெகிழ்வுத்தன்மையுடன் இணைத்து சுய மேலாண்மை உள்கட்டமைப்பை உருவாக்குகிறது. AI முகவர்கள், StackGen மற்றும் LangChain ஆகியவற்றின் திறன்களைப் பயன்படுத்துவதன் மூலம், ZeroOps ஆனது உள்கட்டமைப்பு நிர்வாகத்தை தானியங்குபடுத்துவதற்கும், மனித பிழைகளைக் குறைப்பதற்கும் மற்றும் ஒட்டுமொத்த செயல்திறனை மேம்படுத்துவதற்கும் நிறுவனங்களுக்கு உதவுகிறது.

ஏஜென்டிக் AI: தி ஹார்ட் ஆஃப் ஜீரோஆப்ஸ்

ஏஜென்டிக் AI என்பது அறிவார்ந்த நடத்தை, முடிவெடுக்கும் திறன் மற்றும் தகவமைப்புத் திறனை வெளிப்படுத்தும் AI வகையைக் குறிக்கிறது. ZeroOps இன் சூழலில், உள்கட்டமைப்பு வடிவங்களில் இருந்து கற்றுக்கொள்ளவும், முரண்பாடுகளை அடையாளம் காணவும் மற்றும் சரிசெய்தல் நடவடிக்கைகளை எடுக்கவும் ஏஜென்டிக் AI முகவர்கள் வடிவமைக்கப்பட்டுள்ளது. உள்கட்டமைப்பின் நடத்தை பற்றிய ஆழமான புரிதலை உருவாக்க, பதிவுகள், அளவீடுகள் மற்றும் உள்ளமைவு கோப்புகள் உள்ளிட்ட பல்வேறு தரவு மூலங்களில் இந்த முகவர்கள் பயிற்சி பெறலாம்.

ஸ்டாக்ஜென்: உள்கட்டமைப்பு-குறியீடு (IaC) இயந்திரம்

StackGen என்பது ஒரு திறந்த மூல IaC இன்ஜின் ஆகும், இது நிறுவனங்களுக்கு உள்கட்டமைப்பை குறியீடாக வரையறுக்கவும் நிர்வகிக்கவும் உதவுகிறது. StackGen ஐப் பயன்படுத்துவதன் மூலம், டெவலப்பர்கள் உள்கட்டமைப்பு வார்ப்புருக்களை உருவாக்கலாம், பயன்பாடுகளை வரிசைப்படுத்தலாம் மற்றும் வளங்களை நிலையான மற்றும் மறுஉருவாக்கம் செய்யக்கூடிய முறையில் நிர்வகிக்கலாம். Agentic AI முகவர்களுடன் StackGen இன் ஒருங்கிணைப்பு சுய-குணப்படுத்தும் உள்கட்டமைப்பை உருவாக்க அனுமதிக்கிறது, அங்கு முகவர்கள் நிகழ்நேரத்தில் சிக்கல்களைக் கண்டறிந்து சரிசெய்ய முடியும்.

LangChain: AI-இயக்கப்படும் உள்கட்டமைப்பு இசைக்குழு

LangChain என்பது பைதான் அடிப்படையிலான கட்டமைப்பாகும், இது டெவலப்பர்களை AI-இயங்கும் உள்கட்டமைப்பு ஆர்கெஸ்ட்ரேட்டர்களை உருவாக்கவும் பயன்படுத்தவும் உதவுகிறது. LangChain ஐ மேம்படுத்துவதன் மூலம், நிறுவனங்கள் தன்னாட்சி உள்கட்டமைப்பு நிர்வாகத்தை அடைய StackGen மற்றும் பிற உள்கட்டமைப்பு கருவிகளுடன் ஒருங்கிணைக்கும் தனிப்பயன் AI முகவர்களை உருவாக்க முடியும். லாங்செயின் மாடுலர் ஆர்கிடெக்சர் மற்றும் முன் கட்டமைக்கப்பட்ட கூறுகளின் விரிவான நூலகம், சிக்கலான AI-இயங்கும் உள்கட்டமைப்பு தீர்வுகளை உருவாக்குவதற்கான சிறந்த தேர்வாக அமைகிறது.

நடைமுறை பயன்பாடு: ஒரு எளிய உதாரணம்

கிளவுட்-சொந்த சூழலில் ZeroOps எவ்வாறு பயன்படுத்தப்படலாம் என்பதற்கான எளிய உதாரணத்தைக் கருத்தில் கொள்வோம். குபெர்னெட்ஸ் கிளஸ்டரில் எங்களிடம் ஒரு வலை பயன்பாடு உள்ளது என்று வைத்துக்கொள்வோம், மேலும் டிராஃபிக் தேவையின் அடிப்படையில் பயன்பாட்டை அளவிடும் செயல்முறையை தானியக்கமாக்க விரும்புகிறோம்.


லாங்செயின் இறக்குமதி
langchain. முகவர்கள் LLMchain ஐ இறக்குமதி செய்கிறார்கள்
langchain.llms இலிருந்து LangChainLLM ஐ இறக்குமதி செய்கிறது

# AI முகவரை வரையறுக்கவும்
முகவர் = LLMCchain(
    llm=LangChainLLM(
        model_name="code-davinci-002",
        வெப்பநிலை=0.7,
        max_tokens=2048,
        stop_sequences=["\n", "\n\n"]
    ),
    chain_name="scale_app"
)

# StackGen டெம்ப்ளேட்டை வரையறுக்கவும்
டெம்ப்ளேட் = {
    "வகை": "வரிசைப்படுத்தல்",
    "மெட்டாடேட்டா": {
        "பெயர்": "இணைய பயன்பாடு"
    },
    "ஸ்பெக்": {
        "பிரதிகள்": 1
    }
}

# அளவிடுதல் கொள்கையை வரையறுக்கவும்
கொள்கை = {
    "நிபந்தனை": "போக்குவரத்து > 1000",
    "செயல்": {
        "பிரதிகள்": 2
    }
}

# AI-இயங்கும் உள்கட்டமைப்பு ஆர்கெஸ்ட்ரேட்டரை உருவாக்கவும்
ஆர்கெஸ்ட்ரேட்டர் = LangChainLLM(
    model_name="code-davinci-002",
    வெப்பநிலை=0.7,
    max_tokens=2048,
    stop_sequences=["\n", "\n\n"]
)

# StackGen வரிசைப்படுத்தலை வரையறுக்கவும்
வரிசைப்படுத்தல் = StackGen(
    வார்ப்புரு = வார்ப்புரு,
    கொள்கை=கொள்கை
)

# பயன்பாட்டை வரிசைப்படுத்தவும்
deployment.deploy()

# போக்குவரத்து தேவையின் அடிப்படையில் பயன்பாட்டை அளவிடவும்
orchestrator.scale_app(முகவர், வரிசைப்படுத்தல்)

இந்த எடுத்துக்காட்டில், ட்ராஃபிக் தேவையின் அடிப்படையில் இணைய பயன்பாட்டை அளவிடும் செயல்முறையை தானியக்கமாக்குவதற்கு StackGen உடன் ஒருங்கிணைக்கும் LangChain ஐப் பயன்படுத்தி AI முகவரை நாங்கள் வரையறுத்துள்ளோம். ட்ராஃபிக் தரவை பகுப்பாய்வு செய்வதற்கும் பயன்பாட்டை அளவிடுவது பற்றிய முடிவுகளை எடுப்பதற்கும் முகவர் முன் பயிற்சி பெற்ற மொழி மாதிரியைப் பயன்படுத்துகிறார்.

முதல் 5-10 அதிகம் பயன்படுத்தப்பட்ட கட்டளைகள்/துணுக்குகள்

ZeroOps க்கான பொதுவாகப் பயன்படுத்தப்படும் சில கட்டளைகள் மற்றும் துணுக்குகள் இங்கே:

langchain init: ஒரு புதிய LangChain திட்டத்தை துவக்குகிறது.

langchain init my_project

llm சங்கிலி: ஒரு புதிய LLM சங்கிலியை உருவாக்குகிறது.

langchain. முகவர்கள் LLMchain ஐ இறக்குமதி செய்கிறார்கள்
langchain.llms இலிருந்து LangChainLLM ஐ இறக்குமதி செய்கிறது

முகவர் = LLMCchain(
    llm=LangChainLLM(
        model_name="code-davinci-002",
        வெப்பநிலை=0.7,
        max_tokens=2048,
        stop_sequences=["\n", "\n\n"]
    ),
    சங்கிலி_பெயர் = "மை_செயின்"
)

stackgen deploy: ஒரு StackGen டெம்ப்ளேட்டை கிளவுட் வழங்குநருக்கு வரிசைப்படுத்துகிறது.

stackgen deploy my_template.yaml

ஆர்கெஸ்ட்ரேட்டர் ஸ்கேல்_ஆப்: டிராஃபிக் தேவையின் அடிப்படையில் ஒரு பயன்பாட்டை அளவிடுகிறது.

langchain. முகவர்கள் LLMchain ஐ இறக்குமதி செய்கிறார்கள்
langchain.llms இலிருந்து LangChainLLM ஐ இறக்குமதி செய்கிறது

ஆர்கெஸ்ட்ரேட்டர் = LangChainLLM(
    model_name="code-davinci-002",
    வெப்பநிலை=0.7,
    max_tokens=2048,
    stop_sequences=["\n", "\n\n"]
)

orchestrator.scale_app(முகவர், வரிசைப்படுத்தல்)

** முகவர் ரயில்**: தரவுத்தொகுப்பில் AI முகவருக்குப் பயிற்சி அளிக்கிறது.

முகவர் பயிற்சி my_dataset.csv

stackgen கொள்கை: ஒரு பயன்பாட்டிற்கான அளவிடுதல் கொள்கையை வரையறுக்கிறது.

கொள்கை = {
    "நிபந்தனை": "போக்குவரத்து > 1000",
    "செயல்": {
        "பிரதிகள்": 2
    }
}

லாங்செயின் காட்சிப்படுத்தல்: AI ஏஜென்ட்டின் முடிவெடுக்கும் செயல்முறையை காட்சிப்படுத்துகிறது.

langchain my_agent.json ஐ காட்சிப்படுத்துகிறது

ஆர்கெஸ்ட்ரேட்டர் நிலை: பயன்பாட்டின் நிலையைக் காட்டுகிறது.

ஆர்கெஸ்ட்ரேட்டர் நிலை my_app

stackgen பதிவுகள்: StackGen வரிசைப்படுத்தலின் பதிவுகளைக் காட்டுகிறது.

stackgen பதிவுகள் my_deployment

முகவர் மதிப்பீடு: AI முகவரின் செயல்திறனை மதிப்பிடுகிறது.

முகவர் my_agent.json ஐ மதிப்பிடுகிறார்

காட்சிப்படுத்தல்

Chart.js ஐப் பயன்படுத்தி ZeroOps கட்டமைப்பின் காட்சிப்படுத்தல் இங்கே:

{
  "வகை": "பார்",
  "தரவு": {
    "லேபிள்கள்": ["Agentic AI", "StackGen", "LangChain"],
    "தரவுத்தொகுப்புகள்": [
      {
        "லேபிள்": "கூறுகள்",
        "தரவு": [10, 8, 12],
        "பின்னணி நிறம்": [
          "rgba(255, 99, 132, 0.2)",
          "rgba(54, 162, 235, 0.2)",
          "rgba(255, 206, 86, 0.2)"
        ],
        "எல்லை வண்ணம்": [
          "rgba(255, 99, 132, 1)",
          "rgba(54, 162, 235, 1)",
          "rgba(255, 206, 86, 1)"
        ],
        "எல்லை அகலம்": 1
      }
    ]
  },
  "விருப்பங்கள்": {
    "செதில்கள்": {
      "yAxes": [
        {
          "உண்ணி": {
            "beginAtZero": உண்மை
          }
        }
      ]
    }
  }
}

இந்த காட்சிப்படுத்தல் ZeroOps இன் மூன்று முக்கிய கூறுகளைக் காட்டுகிறது: Agentic AI, StackGen மற்றும் LangChain. ZeroOps கட்டமைப்பில் உள்ள ஒவ்வொரு கூறுகளின் ஒப்பீட்டு முக்கியத்துவத்தை பார் விளக்கப்படம் விளக்குகிறது.

முடிவு

ZeroOps என்பது உள்கட்டமைப்பு நிர்வாகத்திற்கான ஒரு புரட்சிகரமான அணுகுமுறையாகும், இது தன்னாட்சி உள்கட்டமைப்பு நிர்வாகத்தை அடைய ஏஜென்டிக் AI, StackGen மற்றும் LangChain ஐ மேம்படுத்துகிறது. AI மற்றும் IaC இன் ஆற்றலைப் பயன்படுத்துவதன் மூலம், ZeroOps ஆனது உள்கட்டமைப்பு நிர்வாகத்தை தானியங்குபடுத்தவும், மனித பிழைகளைக் குறைக்கவும் மற்றும் ஒட்டுமொத்த செயல்திறனை மேம்படுத்தவும் நிறுவனங்களுக்கு உதவுகிறது. அதன் நடைமுறை பயன்பாடுகள், சிறந்த கட்டளைகள் மற்றும் காட்சிப்படுத்தல் மூலம், ஜீரோஆப்ஸ் கிளவுட்-நேட்டிவ் சூழல்களில் உள்கட்டமைப்பை நிர்வகிக்கும் முறையை மாற்றுவதற்கு தயாராக உள்ளது.

ZeroOps: AI முகவர்கள், StackGen மற்றும் LangChain உடன் தன்னாட்சி உள்கட்டமைப்பை அடைதல்

Have Questions?