Kubernetes Menjadi Mudah Dengan GPT-3 – Menuju AI – Teknologi, Sains, dan Teknik Terbaik

Penulis: Shubham Saboo

Pemrosesan Bahasa Alami

Buat perintah Kubernetes secara otomatis dari bahasa Inggris biasa dengan memanfaatkan model bahasa paling canggih di dunia.

Tindakan tanpa Orkestrasi hanya kelelahan; Kubernetes adalah orkestrasi container yang efisien!

Prasyarat

Saya telah mengumpulkan titik-titik dalam bentuk artikel, silakan baca artikel di bawah ini dengan urutan yang sama untuk menghubungkan titik-titik dan memahami tumpukan teknologi utama di balik Bot Kube yang cerdas:

FastAPI – Cara Menakjubkan Melampaui Flask! Streamlit – Merevolusi Pembuatan Aplikasi Data Pengantar Singkat tentang GPT-3

Apa itu Kubernetes?

Kubernetes adalah platform orkestrasi container open-source yang memungkinkan konfigurasi deklaratif dan penerapan otomatis beban kerja dan layanan dalam container. Ini memiliki ekosistem yang besar dan berkembang pesat. Layanan, dukungan, dan alat Kubernetes tersedia secara luas. Ini awalnya dikembangkan oleh Google pada tahun 2014, yang membutuhkan cara baru untuk menjalankan miliaran penampung dalam skala besar dalam seminggu.

Kubernetes secara sederhana mengatur dan mengatur alur kerja kontainer seperti manik-manik yang diatur untuk membuat kalung yang sempurna.

Apa itu Kontainer?

Penampung mirip dengan VM, tetapi mereka memiliki properti isolasi santai untuk berbagi Sistem Operasi (OS) di antara aplikasi. Karena itu, wadah dianggap ringan. Mirip dengan VM, penampung memiliki sistem file sendiri, bagian dari CPU, memori, ruang proses, dan banyak lagi. Karena dipisahkan dari infrastruktur yang mendasarinya, mereka portabel di cloud dan distribusi OS.

Sebuah Container mengemas Software ke dalam Unit standar untuk pengembangan, pengiriman dan penyebaran.

Penampung adalah cara yang baik untuk memaketkan dan menjalankan aplikasi Anda. Dalam lingkungan produksi, Anda perlu mengelola container yang menjalankan aplikasi dan memastikan tidak ada waktu henti. Misalnya, jika sebuah wadah turun, wadah lain harus dimulai. Bukankah lebih mudah jika perilaku ini ditangani oleh sistem?

Kubernetes untuk Penyelamatan!

Kubernetes memberi Anda kerangka kerja untuk menjalankan sistem terdistribusi dengan sempurna. Ini menangani penskalaan dan penyeimbangan beban untuk aplikasi Anda dan memberi Anda kemampuan orkestrasi penyimpanan yang disematkan dengan mekanisme gagal-aman.

Apa yang membuat GPT-3 menjadi Kandidat yang baik?

Tanyakan kepada setiap insinyur DevOps bagaimana rasanya mengingat perintah Kubernetes untuk menerapkan dan memelihara cluster Kubernetes dan bagaimana rasanya menulis file penerapan yang tepat di mana ratusan hal lainnya bisa salah. Anda akan selalu mendapatkan jawaban yang sama bahwa Kubernetes seperti lautan dan tidak ada cara untuk melewati dan melewati!

GPT-3 dapat mempelajari dan melakukan berbagai hal dengan sedikit latihan yang bertentangan dengan cara konvensional melatih model NLP melalui korpus besar, yang sulit, memakan waktu, dan mahal. Itu mampu menghasilkan teks yang secara mengejutkan mirip manusia setelah hanya diberi beberapa contoh tugas yang Anda coba selesaikan. Memprioritaskan API GPT-3 agar dianggap sebagai engineer DevOps sebenarnya dapat memungkinkan model menghasilkan perintah Kubernetes dan file penerapan yang akurat.

AI Kube Bot yang didukung oleh GPT-3 menangani semua pekerjaan berat dan Anda hanya perlu memberikan deskripsi tugas dalam bahasa Inggris sederhana untuk menghasilkan file penerapan yang kompleks dan akurat dalam YAML.

Panduan aplikasi

Sekarang saya akan memandu Anda melalui aplikasi AI Kube Bot langkah demi langkah:

Saat membuat aplikasi GPT-3, hal pertama dan terpenting yang harus dipertimbangkan adalah desain dan konten prompt pelatihan. Desain yang cepat adalah proses paling signifikan dalam memprioritaskan model GPT-3 untuk memberikan respons yang menguntungkan dan kontekstual.

Sebagai aturan praktis saat mendesain prompt pelatihan, Anda harus bertujuan untuk mendapatkan respons nol dari model, jika itu tidak memungkinkan, lanjutkan dengan beberapa contoh daripada menyediakannya dengan seluruh korpus. Alur standar untuk desain prompt pelatihan harus terlihat seperti: Zero Shot → Few Shots → Corpus based Priming.

UI bertenaga Streamlit (Semua dengan Python)Keajaiban FastAPI → Dokumentasi API On-the-fly

Untuk mendesain prompt pelatihan untuk aplikasi AI Kube Bot, saya telah menggunakan struktur prompt pelatihan berikut:

Deskripsi: Deskripsi awal konteks tentang apa yang seharusnya dilakukan bot Kube dengan menambahkan satu atau dua baris tentang fungsinya. Natural Language (Inggris): Komponen ini menyertakan deskripsi satu baris minimal dari tugas yang akan dijalankan oleh asisten Kubernetes. Ini membantu GPT-3 untuk memahami konteks untuk menghasilkan perintah Kubernetes dan kode penerapan yang tepat. Keluaran: Komponen ini menyertakan perintah Kubernetes atau kode penerapan yang sesuai dengan deskripsi bahasa Inggris yang diberikan sebagai masukan untuk model GPT-3.

Mari kita lihat contoh dalam tindakan, untuk benar-benar memahami kekuatan GPT-3 dalam menghasilkan perintah Kubernetes dan kode penerapan dari bahasa Inggris murni. Dalam contoh di bawah ini, kami akan menghasilkan file YAML dengan memberikan instruksi minimal ke AI Kube Bot.

https://medium.com/media/3e72ff30ea6e5481c46341dd929a07e2/href

Kesimpulan

GPT-3 dari OpenAI telah menarik perhatian publik tidak seperti model AI lainnya di abad ke-21. Fleksibilitas semata-mata GPT-3 dalam melakukan serangkaian tugas umum dengan efisiensi dan akurasi yang mendekati manusia adalah yang membuatnya sangat menarik. Akhirnya, kita dapat melihat tren yang muncul dari aplikasi berbasis GPT-3 yang memungkinkan pengguna untuk membuat kode atau merancang produk digital hanya dengan menggunakan perintah bahasa alami, menunjuk ke masa depan yang menarik dari aplikasi tanpa kode.

Referensi

https://en.wikipedia.org/wiki/GPT-3 https://openai.com/blog/openai-api https://kubernetes.io/docs/home https://www.docker.com/resources

Jika Anda ingin mempelajari lebih lanjut atau ingin saya menulis lebih banyak tentang subjek ini, silakan hubungi kami.

Tautan sosial saya: LinkedIn | Twitter | Github

Jika Anda menyukai posting ini atau merasa terbantu, silakan luangkan waktu sebentar untuk menekan tombol tepuk, ini meningkatkan visibilitas posting untuk pengguna media lainnya.

Kubernetes Made Easy With GPT-3 awalnya diterbitkan di Towards AI on Medium, di mana orang-orang melanjutkan percakapan dengan menyoroti dan menanggapi cerita ini.

Diterbitkan melalui Towards AI