AI Generatif untuk DevOps: Perspektif realistik

AI Generatif membolehkan pasukan DevOps menghapuskan pertindihan yang membosankan, meningkatkan automasi dan memekatkan aliran kerja yang kompleks menjadi tindakan perbualan yang mudah.

Konsep AI generatif menerangkan algoritma pembelajaran mesin yang mencipta kandungan baharu daripada input manusia yang minimum. Bidang ini telah berkembang pesat sejak beberapa tahun lalu, dengan projek seperti alat pengarang teks ChatGPT dan pencipta imej fotorealistik DALL-E2 menarik perhatian arus perdana.

AI Generatif bukan sahaja untuk pencipta kandungan, walaupun. Ia juga bersedia untuk mengubah pekerjaan teknologi dalam kejuruteraan perisian dan DevOps. Sebagai contoh, Copilot GitHub Copilot "AI Pair Pair" yang kontroversial telah mendorong pemikiran semula tentang cara kod ditulis, tetapi potensi AI kolaboratif masih kurang diterokai dalam dunia DevOps.

Dalam artikel ini, kami melihat masa depan di mana AI generatif membolehkan pasukan DevOps menghapuskan pertindihan yang membosankan, meningkatkan automasi mereka dan memampatkan aliran kerja yang kompleks menjadi tindakan perbualan yang mudah. Tetapi sebelum itu, mari kita menyelami masalah DevOps yang boleh dipertingkatkan oleh AI generatif.

Apa yang salah dengan DevOps?

DevOps masih jauh dari penyelesaian. Walaupun penggunaan pemikiran DevOps berkembang pesat dari tahun ke tahun, proses itu masih bergantung pada banyak alat, kumpulan bakat terhad dan tugasan berulang yang hanya sebahagiannya diautomatikkan.

Jurutera DevOps mungkin menghabiskan terlalu banyak masa untuk tugas-tugas kecil yang tidak menyumbang nilai perniagaan yang ketara, seperti meluluskan penempatan, menyemak status persekitaran dan membina fail konfigurasi asas. Walaupun tidak dapat dielakkan, tugas-tugas ini adalah tugas dan tidak secara langsung menyumbang kepada produk akhir. Mereka juga merupakan calon yang hebat untuk menjana proses AI, dan kedua-dua ChatGPT dan Copilot (atau OpenAI Codex yang membina Copilot) mungkin mengurangkan sedikit tekanan:

• Mereka boleh mengisi fail konfigurasi dan templat biasa jadi jurutera tidak perlu buat.
• Mereka membantu ahli pasukan memperoleh kemahiran baharu dengan mencadangkan coretan yang berkaitan secara kontekstual. Ini mengurangkan keluk pembelajaran dalam peningkatan kemahiran dengan memberikan bantuan apabila diperlukan.
• Mereka membantu meningkatkan kebolehselenggaraan dengan mengurangkan masa yang diperlukan untuk membina aset baharu dan menjadikannya lebih konsisten.

Walau bagaimanapun, sistem sedia ada dihadkan oleh tumpuan sempit mereka pada penjanaan kandungan. Pembantu DevOps akan menjadi lebih berkuasa jika mereka turut menyediakan pengalaman berasaskan niat dan berdasarkan tindakan untuk mencetuskan langkah aliran kerja dan menggunakan perubahan keadaan. Sebagai contoh, bayangkan pengalaman menggabungkan kepengarangan kod Copilot dengan antara muka perbualan dua hala:

• Anda boleh meminta pembantu memulakan proses atas permintaan, dan kemudian menggesa anda untuk input apabila diperlukan.
• Pembangun mempunyai akses layan diri kepada tugas yang berpotensi sensitif, seperti meminta penempatan ke pengeluaran. AI akan melaksanakan operasi dengan selamat bagi pihak mereka, meminimumkan risiko ralat dan mewujudkan halangan keselamatan antara pembangun dan infrastruktur. Pembantu AI juga boleh meminta semakan daripada ahli pasukan yang berkaitan sebelum menyerahkan program untuk memastikan semua orang memahami perubahan pada platform.
• AI boleh memaklumkan anda dalam masa nyata apabila penunjuk pemantauan berubah. Contohnya, apabila pelaksanaan gagal, kelemahan keselamatan dikesan atau prestasi menyimpang daripada garis dasar, anda akan menerima mesej dan mempunyai pilihan untuk mengambil tindakan segera.

Yang penting, kebolehan ini tidak menggantikan manusia atau secara asasnya mengubah peranan mereka. Bentuk AI ini meningkatkan keupayaan kejuruteraan dengan mengendalikan mekanisme keselamatan yang biasa dan secara konsisten menguatkuasakan. Ia membebaskan pasukan DevOps untuk menyelesaikan kerja yang lebih bermakna dalam masa yang singkat.

DevOps dan masa depan AI generatif

AI Generatif mempunyai potensi besar untuk mentakrifkan semula cara DevOps berfungsi. Berikut adalah tiga kawasan khusus di mana ia akan mendominasi.

1. Pengesanan kerosakan automatik dan langkah pembaikan yang disyorkan

Kegagalan adalah masalah biasa bagi pemaju dan kakitangan operasi dan penyelenggaraan. Ia adalah gangguan yang tidak dapat diramalkan yang memaksa penukaran konteks segera untuk mengutamakan pembaikan. Malangnya, ini memberi kesan kepada produktiviti, memperlahankan kemajuan keluaran dan menyebabkan kekecewaan apabila usaha pemulihan tidak berjalan seperti yang dirancang.

Ejen kecerdasan buatan boleh mengesan kegagalan dan menyiasat puncanya. Selain itu, mereka boleh menggabungkan analitis mereka dengan keupayaan generatif dan pengetahuan tentang kegagalan masa lalu untuk mengesyorkan tindakan segera dalam konteks makluman yang dipaparkan.

Pertimbangkan contoh mudah Kubernetes: seorang pembantu menyedari gangguan pengeluaran; Pasukan boleh menyelesaikan insiden dengan satu klik dan bukannya menghabiskan minit untuk menyelesaikan masalah secara manual.

2. Penjanaan dan penggunaan kod/konfigurasi atas permintaan

Keupayaan untuk menulis kod dengan AI generatif memberikan nilai yang luar biasa. Niat perbualan berlapis menjadikannya lebih mudah diakses dan mudah. Contohnya, anda boleh meminta ejen AI untuk menyediakan projek baharu, fail konfigurasi atau definisi keadaan Terraform dengan menulis mesej ringkas dalam antara muka sembang. Ejen boleh menggesa anda untuk memberikan nilai untuk mana-mana pemegang tempat templat dan kemudian memberitahu pihak berkepentingan yang sesuai bahawa kandungan sedia untuk disemak.

Setelah diluluskan, AI boleh memberitahu pembangun asal, melancarkan projek ke dalam persekitaran langsung dan menyediakan pautan untuk melihat penggunaan dan mula mengulanginya. Ini memekatkan beberapa jujukan berbeza menjadi satu operasi layan diri untuk pembangun. Pasukan operasi menghapuskan keperluan untuk menyediakan sumber projek secara manual terlebih dahulu, membolehkan mereka menumpukan pada tugas mereka.

3. Pengurusan aliran kerja atas permintaan yang dipacu segera

Ejen AI generasi akan datang melangkaui penciptaan teks dan foto yang mudah untuk menyokong aliran kerja terdorong segera automatik sepenuhnya. Sebagai contoh, AI dwiarah membolehkan anda menggunakan bahasa semula jadi untuk memulakan proses seperti "mulakan semula kelompok pengeluaran" untuk berinteraksi dengan sumber AWS ECS anda. Tidak perlu memberitahu AI platform yang anda gunakan atau langkah khusus yang harus dijalankan. Sebagai contoh, di Kubiya.ai kami telah memanfaatkan sepenuhnya perkara ini dan kini menawarkan pilihan kepada pelanggan kami untuk mencipta sebarang aliran kerja DevOps melalui gesaan bahasa semula jadi.

Model bahasa untuk ejen ini dilatih tentang perbendaharaan kata perkhidmatan awan anda. Apabila anda meminta permulaan semula kluster, ejen menggunakan pengetahuan domainnya untuk mentafsir perkataan anda. Sebagai contoh, ia mengetahui bahawa kluster "pengeluaran" anda berjalan pada AWS dan ia perlu mendapatkan semula butiran kluster dan kemudian membuat panggilan API yang betul untuk memulakannya semula, seperti ecs.UpdateService, dsb. Kata-kata anda diterjemahkan terus ke dalam aliran kerja yang berfungsi sepenuhnya

Selain itu, aspek dua hala bermakna ejen AI menjadi lebih berkuasa dari semasa ke semasa. Sebaik sahaja anda mula menjalankan aliran kerja anda, ejen juga dilatih mengenainya, membenarkannya mencadangkan proses yang serupa untuk senario masa hadapan dan menerangkan perkara yang sebenarnya dilakukan oleh setiap aliran kerja.

Pendekatan ini membolehkan pembangun melakukan lebih banyak perkara tanpa melibatkan pasukan operasi. Ejen AI menjadi pengantara antara manusia dan platform infrastruktur, membolehkan sesiapa sahaja melancarkan aliran kerja secara konsisten tanpa menjejaskan keselamatan. Sebagai sebahagian daripada aliran kerja, ejen boleh menggesa input pada titik yang berkaitan, seperti apabila anda memintanya untuk "Tambah VM baharu", meminta anda memilih akaun awan, wilayah pusat data, jenis mesin dan peringkat harga.

Pengambilan Utama: Generatif AI mempercepatkan kerja anda dengan selamat

DevOps menggunakan kes untuk AI generatif mempercepatkan tugas utama sambil meningkatkan kebolehaksesan, keselamatan dan kebolehpercayaan. Selain itu, ia membolehkan pembangun menumpukan pada memajukan ciri baharu dan bukannya menjalankan proses biasa dan menunggu hasil yang berulang kali.

Ejen yang cukup bijak untuk mengekalkan perbualan adalah seperti ahli pasukan anda yang lain. Mereka memberikan sokongan kepada pembangun yang mungkin tidak biasa dengan alatan tertentu, sambil memastikan pematuhan penuh terhadap dasar keselamatan dan pematuhan organisasi. Langkah keselamatan ini melindungi asas kod dan memberi keyakinan kepada pembangun bahawa mereka boleh melancarkan sebarang aliran kerja. Selain itu, mengurangkan bilangan interaksi dengan pasukan DevOps boleh meningkatkan kecekapan dan mengetatkan gelung maklum balas.

AI Generatif juga bukan pengalaman statik. Ia menjadi lebih baik dari semasa ke semasa kerana ia menganalisis interaksi untuk menentukan niat pengguna dengan lebih tepat. Sebagai contoh, jika cadangan itu tidak sesuai pada kali pertama anda menaip pertanyaan anda, anda boleh mengharapkan cadangan itu bertambah baik apabila anda dan orang lain mengulangi permintaan dan mengambil tindakan yang berbeza.

Ejen AI juga menyokong pengetahuan manusia yang hilang. Mereka membenarkan pembangun memulakan proses walaupun mereka tidak biasa dengan beberapa langkah, alatan atau istilah yang terlibat. AI boleh mengisi kekosongan untuk soalan seperti "Ketika mana yang gagal?" Ketahui bahawa anda merujuk kepada Kubernetes Pods dalam kelompok pengeluaran anda. Keupayaan ini membolehkan AI melengkapkan keupayaan manusia dengan berkesan, menjadikannya sumber isyarat sokongan untuk pasukan.

ROI adalah kritikal dalam menjana AI

Organisasi yang kerap menggunakan AI berkemungkinan mencapai hasil terbaik kerana ejen mereka akan lebih baik dalam menjangka keperluan mereka. Walau bagaimanapun, ia juga penting untuk tidak keterlaluan apabila menambahkan AI pada aliran kerja anda. Penerimaan yang paling berjaya akan menumpukan pada menyelesaikan keperluan perniagaan sebenar. Mula-mula, nilai proses anda untuk mengenal pasti kesesakan antara pasukan pembangunan dan operasi, kemudian gunakan AI untuk menyasarkan kes penggunaan berulang tersebut.

Penyelesaian yang anda pilih seharusnya membantu anda mencapai KPI anda, seperti menutup lebih banyak isu atau menyelesaikan insiden dengan lebih cepat. Jika tidak, ejen AI akan kurang digunakan dan menghalang prosedur operasi semula jadi anda.

Ringkasan

AI Generatif ialah salah satu teknologi matang terpantas hari ini. Hasilnya, ChatGPT memperoleh tahap penyebaran tertentu apabila lebih ramai penyelidik, pengguna dan organisasi mula meneroka keupayaannya. DALL-E2 telah mencapai keputusan yang sama mengagumkan, dengan lebih daripada 1.2 juta pembangun menggunakan GitHub Copilot dalam 12 bulan pertamanya.

Ketiga-tiga teknologi menunjukkan potensi revolusioner yang jelas, tetapi aliran kerja hibrid dan sangat kompleks DevOps yang mungkin mendapat manfaat paling banyak dalam jangka masa panjang. Contohnya, DevOps menggabungkan penciptaan aset baharu seperti kod dan konfigurasi dengan proses berjujukan seperti kelulusan penempatan dan permintaan semakan.

Bertentangan dengan ramalan sesetengah pihak luar, AI generatif untuk DevOps akan melangkaui templat ringkas coretan fail biasa untuk menyediakan automasi aliran kerja yang lengkap. Menggunakan frasa perbualan mudah, anda boleh mengarahkan ejen anda untuk mengambil tindakan khusus bagi pihak anda, daripada memperuntukkan sumber awan baharu kepada menyemak prestasi pengeluaran. Hasilnya, ejen akan menyediakan gelung maklum balas dua hala masa nyata untuk meningkatkan kerjasama, meningkatkan produktiviti dan mengurangkan tekanan harian yang dihadapi oleh pembangun.

Atas ialah kandungan terperinci AI Generatif untuk DevOps: Perspektif realistik. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!