Build Production-Ready AI Agents for DevOps with Strands & Temporal 🔥

TrainWithShubham

4 chapters6 takeaways17 key terms5 questions

Overview

यह वीडियो डेवोप्स के लिए प्रोडक्शन-रेडी AI एजेंट्स बनाने के बारे में है, जिसमें Strands और Temporal जैसे फ्रेमवर्क का उपयोग किया गया है। यह AI एजेंट्स की लोकप्रियता, आर्टिफिशियल इंटेलिजेंस (AI) और मशीन लर्निंग (ML) की मूल बातें, और डीप लर्निंग की व्याख्या करता है। वीडियो बताता है कि कैसे पारंपरिक जनरेटिव AI की सीमाएँ हैं और क्यों AI एजेंट्स, जो टूल्स का उपयोग कर सकते हैं, अधिक शक्तिशाली हैं। यह Python में एक साधारण AI एजेंट बनाने का तरीका भी दिखाता है, जिसमें लोकल LLM (Ollama) या क्लाउड सेवाओं (AWS Bedrock) का उपयोग किया जाता है, और यह भी बताता है कि कैसे Temporal का उपयोग करके AI एजेंट्स को ड्यूरेबल और प्रोडक्शन-रेडी बनाया जा सकता है, यह सुनिश्चित करते हुए कि वे कभी फेल न हों।

How was this?

Save this permanently with flashcards, quizzes, and AI chat

Chapters

AI एजेंट्स सॉफ्टवेयर एप्लीकेशन्स हैं जिन्हें विभिन्न प्रोग्रामिंग भाषाओं जैसे Python में बनाया जा सकता है।
AI (Artificial Intelligence) 1956 में आया, लेकिन 2022 के बाद डेटा और कंप्यूटिंग पावर की उपलब्धता के कारण लोकप्रिय हुआ।
AI का लक्ष्य ह्यूमन इंटेलिजेंस की नकल करना है, और मशीन लर्निंग (ML) AI का एक सब-डोमेन है जो पास्ट डेटा पर ट्रेनिंग पर केंद्रित है।
डीप लर्निंग, न्यूरल नेटवर्क का उपयोग करके, AI को जटिल कार्यों को करने में सक्षम बनाता है, जैसे कि जनरेटिव AI।

यह समझना महत्वपूर्ण है कि AI एजेंट्स क्या हैं और AI की मूल बातें क्या हैं, ताकि आप उनकी क्षमता और डेवोप्स में उनके अनुप्रयोगों को समझ सकें।

जैसे इंसान ए बी सी डी सीखकर वाक्य बनाते हैं, वैसे ही मशीनें पास्ट डेटा से सीखकर इंटेलिजेंट बनती हैं।

जनरेटिव AI पास्ट डेटा पर प्रशिक्षित होता है, इसलिए यह रियल-टाइम या करंट जानकारी प्रदान नहीं कर सकता है।
AI एजेंट्स के पास टूल्स होते हैं जो उन्हें LLMs (Large Language Models) के साथ इंटरैक्ट करने और सिस्टम से रियल-टाइम डेटा प्राप्त करने या एक्शन परफॉर्म करने की अनुमति देते हैं।
AI एजेंट्स डेवोप्स और SRE (Site Reliability Engineering) में प्रोडक्टिविटी बढ़ा सकते हैं, जैसे कि डॉकर कमांड चलाना या पाइपलाइन की समस्याओं का विश्लेषण करना।

यह समझना कि जनरेटिव AI की सीमाएँ क्यों हैं, यह जानने में मदद करता है कि AI एजेंट्स क्यों आवश्यक हैं, खासकर डेवोप्स जैसे डायनामिक वातावरण में।

LLM वर्तमान समय या मौसम नहीं बता सकता क्योंकि यह पास्ट डेटा पर प्रशिक्षित है, लेकिन एक AI एजेंट एक टूल का उपयोग करके यह जानकारी प्राप्त कर सकता है।

Strands एजेंट्स एक ओपन-सोर्स फ्रेमवर्क है जिसका उपयोग AI एजेंट्स बनाने के लिए किया जा सकता है।
एजेंट बनाने के लिए Python में कुछ ही लाइनों के कोड की आवश्यकता होती है, जिसमें `strands` लाइब्रेरी से `Agent` क्लास को इम्पोर्ट करना शामिल है।
एजेंट्स को लोकल LLMs (जैसे Ollama) या क्लाउड-आधारित सेवाओं (जैसे AWS Bedrock) के साथ कॉन्फ़िगर किया जा सकता है।
एजेंट्स को सिस्टम प्रॉम्प्ट्स के माध्यम से निर्देशित किया जा सकता है ताकि वे अधिक रिस्पेक्टफुल या विशिष्ट तरीके से प्रतिक्रिया दें, और HTTP रिक्वेस्ट जैसे टूल्स का उपयोग कर सकें।

यह सेक्शन आपको AI एजेंट्स बनाने की प्रैक्टिकल प्रक्रिया सिखाता है, जिससे आप अपनी आवश्यकताओं के अनुसार कस्टम एजेंट्स विकसित कर सकते हैं।

Python कोड का उपयोग करके एक एजेंट बनाना जो 'हेलो, आप कैसे हैं?' का जवाब देता है, और फिर उसे पुणे में वर्तमान समय और मौसम पूछना, यह दिखाने के लिए कि एजेंट टूल्स का उपयोग कैसे कर सकता है।

Temporal एक ऐसा टूल है जो AI एजेंट्स के लिए ड्यूरेबल एग्जीक्यूशन सुनिश्चित करता है, जिसका अर्थ है कि कोड फेल नहीं होता है।
Temporal के साथ, एजेंट वर्कफ़्लोज़ को मॉनिटर किया जा सकता है, और यदि कोड क्रैश या सस्पेंड हो जाता है, तो Temporal उसे फिर से शुरू कर सकता है।
डेमो में, एक Docker मॉनिटरिंग एजेंट बनाया गया जो Docker कंटेनर की स्थिति बता सकता है और कंटेनर को रीस्टार्ट कर सकता है, और यह सब Temporal द्वारा सुनिश्चित किया गया कि यह फेल न हो।
यह डेवोप्स में AI एजेंट्स के लिए एक महत्वपूर्ण एडवांसमेंट है, जो प्रोडक्शन-रेडी और रिलायबल सॉल्यूशंस प्रदान करता है।

Temporal का उपयोग करके, आप ऐसे AI एजेंट्स बना सकते हैं जो प्रोडक्शन वातावरण में विश्वसनीय रूप से काम करते हैं, जो डेवोप्स ऑटोमेशन के लिए महत्वपूर्ण है।

एक AI एजेंट जो Docker कंटेनर की संख्या बता सकता है या किसी कंटेनर (जैसे Redis) को रीस्टार्ट कर सकता है, और Temporal यह सुनिश्चित करता है कि यह प्रक्रिया कभी फेल न हो, भले ही बीच में कोई समस्या आए।

Key takeaways

1AI एजेंट्स LLMs की क्षमताओं को टूल्स और रियल-टाइम डेटा एक्सेस के साथ जोड़कर डेवोप्स में क्रांति ला सकते हैं।
2जनरेटिव AI की सीमाएँ हैं क्योंकि यह पास्ट डेटा पर निर्भर करता है, जबकि AI एजेंट्स टूल्स का उपयोग करके करंट जानकारी प्राप्त कर सकते हैं।
3Strands एजेंट्स जैसे फ्रेमवर्क AI एजेंट्स को जल्दी और आसानी से बनाने की अनुमति देते हैं।
4लोकल LLMs (Ollama) या क्लाउड सेवाओं (AWS Bedrock) का उपयोग करके AI एजेंट्स को कॉन्फ़िगर किया जा सकता है।
5Temporal AI एजेंट्स के लिए फॉल्ट टॉलरेंस और ड्यूरेबिलिटी प्रदान करता है, यह सुनिश्चित करता है कि वे प्रोडक्शन में विश्वसनीय हों।
6AI एजेंट्स डेवोप्स कार्यों को ऑटोमेट कर सकते हैं, जैसे कि डॉकर मॉनिटरिंग, सीआईसीडी पाइपलाइन प्रबंधन, और ऑब्जर्वेबिलिटी।

Key terms

AI AgentsArtificial Intelligence (AI)Machine Learning (ML)Deep LearningLarge Language Models (LLMs)Generative AIStrands AgentsTemporalOllamaAWS BedrockToolsSystem PromptDevOpsSREDockerWorkflowWorker

Test your understanding

1AI एजेंट्स जनरेटिव AI से कैसे भिन्न हैं और डेवोप्स में उनकी क्या भूमिका है?
2Strands एजेंट्स का उपयोग करके एक बेसिक AI एजेंट बनाने के लिए कौन से मुख्य चरण आवश्यक हैं?
3Temporal AI एजेंट्स के लिए कौन सी महत्वपूर्ण सुविधा प्रदान करता है और यह डेवोप्स में क्यों महत्वपूर्ण है?
4लोकल LLM (जैसे Ollama) और क्लाउड-आधारित LLM (जैसे AWS Bedrock) का उपयोग करके AI एजेंट बनाने में क्या अंतर है?
5AI एजेंट्स को अधिक प्रभावी बनाने के लिए टूल्स और सिस्टम प्रॉम्प्ट्स का उपयोग कैसे किया जा सकता है?