Heim > Artikel > Technologie-Peripheriegeräte > Generative KI für DevOps: Eine realistische Perspektive
Generative KI ermöglicht es DevOps-Teams, mühsame Duplizierungen zu vermeiden, die Automatisierung zu verbessern und komplexe Arbeitsabläufe in einfache Konversationsaktionen zu komprimieren.
Das Konzept der generativen KI beschreibt maschinelle Lernalgorithmen, die mit minimalem menschlichen Aufwand Neues erschaffen können Inhalt in der Eingabe. Das Feld ist in den letzten Jahren rasant gewachsen, wobei Projekte wie das Textautoren-Tool ChatGPT und der fotorealistische Bilderersteller DALL-E2 allgemeine Aufmerksamkeit erregt haben.
Generative KI ist jedoch nicht nur etwas für Content-Ersteller. Es ist auch bereit, Technologieberufe in der Softwareentwicklung und DevOps zu verändern. Beispielsweise regt der umstrittene „AI Pair Programmer“ GitHub Copilot bereits dazu an, die Art und Weise, wie Code geschrieben wird, zu überdenken, doch das Potenzial kollaborativer KI bleibt in der DevOps-Welt noch unzureichend erforscht.
In diesem Artikel blicken wir in eine Zukunft, in der generative KI es DevOps-Teams ermöglicht, mühsame Duplikate zu eliminieren, ihre Automatisierung zu verbessern und komplexe Arbeitsabläufe in einfache Konversationsoperationen zu komprimieren. Aber lassen Sie uns vorher auf die DevOps-Probleme eingehen, die durch generative KI verbessert werden können.
DevOps ist noch lange nicht gelöst. Obwohl die Akzeptanz von DevOps-Denken von Jahr zu Jahr rasant zunimmt, ist der Prozess immer noch auf viele Tools, einen begrenzten Talentpool und sich wiederholende Aufgaben angewiesen, die nur teilweise automatisiert werden.
DevOps-Ingenieure verbringen möglicherweise zu viel Zeit mit untergeordneten Aufgaben, die keinen nennenswerten geschäftlichen Nutzen bringen, wie z. B. der Genehmigung von Bereitstellungen, der Überprüfung des Umgebungsstatus und der Erstellung grundlegender Konfigurationsdateien. Obwohl unvermeidbar, sind diese Aufgaben lästige Aufgaben und tragen nicht direkt zum Endprodukt bei. Sie sind auch großartige Kandidaten für die Generierung von KI-Verarbeitung, und sowohl ChatGPT als auch Copilot (oder der OpenAI-Codex, der Copilot erstellt) könnten den Druck etwas verringern:
Bestehende Systeme sind jedoch durch ihren engen Fokus auf die Inhaltsgenerierung eingeschränkt. DevOps-Assistenten wären noch leistungsfähiger, wenn sie auch absichts- und aktionsbasierte Erfahrungen bereitstellen würden, um Workflow-Schritte auszulösen und Zustandsänderungen anzuwenden. Stellen Sie sich zum Beispiel die Erfahrung vor, die Code-Autorschaft von Copilot mit einer bidirektionalen Konversationsschnittstelle zu verbinden: Sie können den Assistenten bitten, bei Bedarf einen Prozess zu starten, und Sie dann bei Bedarf zur Eingabe auffordern.
Die Fähigkeit der generativen KI, Code zu schreiben, bietet einen unglaublichen Mehrwert. Die mehrschichtige Konversationsabsicht macht es zugänglicher und bequemer. Sie können beispielsweise einen KI-Agenten bitten, ein neues Projekt, eine neue Konfigurationsdatei oder eine neue Terraform-Statusdefinition einzurichten, indem Sie eine kurze Nachricht in die Chat-Oberfläche schreiben. Der Agent kann Sie auffordern, einen Wert für einen beliebigen Vorlagenplatzhalter anzugeben und dann die entsprechenden Beteiligten darüber zu informieren, dass der Inhalt zur Überprüfung bereit ist.
Nach der Genehmigung kann AI die ursprünglichen Entwickler benachrichtigen, das Projekt in einer Live-Umgebung starten und einen Link bereitstellen, um die Bereitstellung anzuzeigen und mit der Iteration zu beginnen. Dadurch werden mehrere unterschiedliche Abläufe in einem Self-Service-Vorgang für den Entwickler zusammengefasst. Betriebsteams müssen Projektressourcen nicht mehr manuell im Voraus bereitstellen, sodass sie sich auf ihre Aufgaben konzentrieren können.
Der KI-Agent der nächsten Generation geht über die einfache Text- und Fotoerstellung hinaus und unterstützt vollständig automatisierte, prompt-gesteuerte Workflows. Mit bidirektionaler KI können Sie beispielsweise mithilfe natürlicher Sprache Prozesse wie „Produktionscluster neu starten“ initiieren, um mit Ihren AWS ECS-Ressourcen zu interagieren. Sie müssen der KI nicht mitteilen, welche Plattform Sie verwenden oder welche spezifischen Schritte sie ausführen soll. Bei Kubiya.ai haben wir uns dies beispielsweise zunutze gemacht und bieten unseren Kunden nun die Möglichkeit, beliebige DevOps-Workflows durch Eingabeaufforderungen in natürlicher Sprache zu erstellen.
Die Sprachmodelle dieser Agenten sind auf das Vokabular Ihres Cloud-Dienstes trainiert. Wenn Sie um einen Neustart des Clusters bitten, nutzt der Agent sein Domänenwissen, um Ihre Worte zu interpretieren. Es weiß beispielsweise, dass Ihr „Produktions“-Cluster auf AWS läuft, und muss die Details des Clusters abrufen und dann die richtigen API-Aufrufe durchführen, um ihn neu zu starten, z. B. ecs.UpdateService usw. Ihre Worte werden direkt in einen voll funktionsfähigen Workflow umgesetzt.
Außerdem bedeutet der Zwei-Wege-Aspekt, dass der KI-Agent mit der Zeit leistungsfähiger wird. Sobald Sie mit der Ausführung Ihrer Workflows beginnen, wird der Agent auch darin geschult, sodass er ähnliche Prozesse für zukünftige Szenarien vorschlagen und beschreiben kann, was jeder Workflow tatsächlich tut.
Dieser Ansatz ermöglicht es Entwicklern, mehr zu tun, ohne das Betriebsteam einzubeziehen. KI-Agenten vermitteln zwischen Menschen und Infrastrukturplattformen und ermöglichen es jedem, Workflows konsistent zu starten, ohne die Sicherheit zu beeinträchtigen. Als Teil des Workflows kann der Agent an relevanten Stellen Eingaben anfordern, beispielsweise wenn Sie ihn zum „Hinzufügen einer neuen VM“ auffordern und Sie auffordern, ein Cloud-Konto, eine Rechenzentrumsregion, einen Maschinentyp und eine Preisstufe auszuwählen.
DevOps-Anwendungsfälle für generative KI beschleunigen wichtige Aufgaben und verbessern gleichzeitig die Zugänglichkeit, Sicherheit und Zuverlässigkeit. Darüber hinaus ermöglichen sie Entwicklern, sich auf die Weiterentwicklung neuer Funktionen zu konzentrieren, anstatt wiederholt vertraute Prozesse auszuführen und auf Ergebnisse zu warten.
Ein Agent, der klug genug ist, ein Gespräch aufrechtzuerhalten, ist wie ein weiteres Mitglied Ihres Teams. Sie unterstützen Entwickler, die mit bestimmten Tools möglicherweise nicht vertraut sind, und stellen gleichzeitig die vollständige Einhaltung der Sicherheits- und Compliance-Richtlinien des Unternehmens sicher. Diese Sicherheitsmaßnahmen schützen die Codebasis und geben Entwicklern die Gewissheit, dass sie jeden Workflow starten können. Darüber hinaus kann die Reduzierung der Anzahl der Interaktionen mit DevOps-Teams die Effizienz steigern und Feedbackschleifen straffen.
Generative KI ist auch keine statische Erfahrung. Mit der Zeit wird es besser, da es Interaktionen analysiert, um die Benutzerabsicht genauer zu bestimmen. Wenn die Vorschläge beispielsweise beim ersten Eingeben Ihrer Anfrage nicht angemessen sind, können Sie damit rechnen, dass sie sich verbessern, wenn Sie und andere die Anfrage wiederholen und unterschiedliche Vorgehensweisen ergreifen.
KI-Agenten unterstützen auch fehlendes menschliches Wissen. Sie ermöglichen es Entwicklern, den Prozess zu starten, auch wenn sie mit einigen der Schritte, Tools oder Terminologie nicht vertraut sind. KI kann Lücken bei Fragen wie „Welche Instanzen sind fehlgeschlagen?“ schließen. Stellen Sie fest, dass Sie sich auf die Kubernetes-Pods in Ihrem Produktionscluster beziehen. Diese Fähigkeiten ermöglichen es der KI, menschliche Fähigkeiten effektiv zu ergänzen und so zu einer Quelle unterstützender Hinweise für Teams zu werden.
Organisationen, die KI regelmäßig einsetzen, werden wahrscheinlich die besten Ergebnisse erzielen, weil ihre Agenten ihre Bedürfnisse besser vorhersehen können. Allerdings ist es auch wichtig, es nicht zu übertreiben, wenn Sie KI in Ihren Workflow integrieren. Die erfolgreichsten Einführungen konzentrieren sich auf die Lösung echter Geschäftsanforderungen. Bewerten Sie zunächst Ihre Prozesse, um Engpässe zwischen Entwicklungs- und Betriebsteams zu identifizieren, und nutzen Sie dann KI, um auf diese sich wiederholenden Anwendungsfälle abzuzielen.
Die von Ihnen gewählte Lösung sollte Ihnen dabei helfen, Ihre KPIs zu erreichen, z. B. mehr Probleme zu schließen oder Vorfälle schneller zu lösen. Andernfalls wird der KI-Agent nicht ausreichend genutzt und behindert Ihre natürlichen Betriebsabläufe.
Generative KI ist heute eine der am schnellsten ausgereiften Technologien. Infolgedessen erlangte ChatGPT eine gewisse Verbreitung, da immer mehr Forscher, Verbraucher und Organisationen begannen, seine Fähigkeiten zu erkunden. DALL-E2 hat ähnlich beeindruckende Ergebnisse erzielt: Mehr als 1,2 Millionen Entwickler nutzten GitHub Copilot in den ersten 12 Monaten.
Alle drei Technologien zeigen klares revolutionäres Potenzial, aber es sind die hybriden und hochkomplexen Arbeitsabläufe von DevOps, die auf lange Sicht am meisten profitieren könnten. DevOps kombiniert beispielsweise die Erstellung neuer Assets wie Code und Konfigurationen mit sequentiellen Prozessen wie Bereitstellungsgenehmigungen und Überprüfungsanfragen.
Entgegen den Vorhersagen einiger Außenstehender wird generative KI für DevOps über einfache Vorlagen gewöhnlicher Dateiausschnitte hinausgehen und eine vollständige Workflow-Automatisierung ermöglichen. Mithilfe einfacher Konversationsphrasen können Sie Ihren Agenten anweisen, in Ihrem Namen bestimmte Maßnahmen zu ergreifen, von der Bereitstellung neuer Cloud-Ressourcen bis zur Überprüfung der Produktionsleistung. Dadurch stellen Agenten eine bidirektionale Feedbackschleife in Echtzeit bereit, um die Zusammenarbeit zu verbessern, die Produktivität zu steigern und den täglichen Stress für Entwickler zu reduzieren.
Das obige ist der detaillierte Inhalt vonGenerative KI für DevOps: Eine realistische Perspektive. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!