聯繫我們

課程簡介

理解 Mastra 架構與運作概念

  • 核心組件及其在生產環境中的角色
  • 適用於企業環境的整合模式
  • 安全性與治理考量

為代理部署準備環境

  • 設定容器執行時環境
  • 為 AI 代理工作負載準備 Kubernetes 叢集
  • 管理金鑰、憑證與設定儲存庫

部署 Mastra AI 代理

  • 打包代理以進行部署
  • 使用 GitOps 與 CI/CD 實現自動化交付
  • 透過結構化測試驗證部署

生產環境 AI 代理的擴展策略

  • 水平擴展模式
  • 使用 HPA、KEDA 及事件驅動觸發器進行自動擴展
  • 負載分佈與請求處理策略

AI 代理的可觀察性、監控與記錄

  • 遙測標記的最佳實務
  • 整合 Prometheus、Grafana 及記錄堆疊
  • 追蹤代理效能、漂移及運作異常

優化效能與資源效率

  • 剖析代理工作負載
  • 提升推理效能並降低延遲
  • 大規模代理部署的成本優化方法

可靠性、韌性與故障處理

  • 在高負載下設計韌性
  • 實作斷路器、重試機制與速率限制
  • 基於代理系統的自然災害恢復規劃

將 Mastra 整合至企業生態系統

  • 與 API、數據管線及事件匯流排介面整合
  • 使代理部署與企業 DevSecOps 對齊
  • 調整架構以適應現有平台環境

總結與下一步

最低要求

  • 理解容器化與編排技術
  • 具備 CI/CD 工作流經驗
  • 熟悉 AI 模型部署概念

目標受眾

  • DevOps 工程師
  • 後端開發人員
  • 負責 AI 工作負載的_platform 工程師
 21 小時

人數


每位參與者的報價

即將到來的課程

課程分類