聯繫我們
 課程時長 21 時間:

課程簡介

理解Mastra架構與運營概念

  • 核心組件及其生產角色
  • 企業環境支持的集成模式
  • 安全與治理考量

為代理部署準備環境

  • 配置容器運行時環境
  • 為AI代理工作負載準備Kubernetes集群
  • 管理密鑰、憑證及配置存儲

部署Mastra AI代理

  • 打包代理以供部署
  • 使用GitOps和CI/CD實現自動交付
  • 通過結構化測試驗證部署

生產AI代理的擴展策略

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

AI代理的可觀察性、監控與日誌

  • 遙測儀表化最佳實踐
  • 集成Prometheus、Grafana及日誌堆棧
  • 追蹤代理性能、漂移及運營異常

優化性能與資源效率

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

可靠性、彈性與故障處理

  • 在負載下設計彈性
  • 實施電路斷路、重試及速率限制
  • 基於代理系統災難恢復規劃

將Mastra集成至企業生態系統

  • 與API、數據管道及事件匯流排介面
  • 使代理部署符合企業DevSecOps
  • 適配現有平台環境的架構

總結與後續步驟

最低要求

  • 了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工作負載的平台工程師

人數


每位參與者的報價

即將到來的課程

課程分類