感謝您提交詢問！我們的一位團隊成員將在短時間內與您聯繫。
感謝您提交預訂！我們的一位團隊成員將在短時間內與您聯繫。
課程時長 21 時間：
課程簡介
理解 Mastra 架構與運維概念
- 核心組件及其在生產環境中的角色
- 適用於企業環境的支援整合模式
- 安全性與治理考量
準備智能體部署環境
- 配置容器運行時環境
- 為 AI 智能體工作負載準備 Kubernetes 叢集
- 管理祕密資訊、憑證及配置存儲
部署 Mastra AI 智能體
- 打包智能體以進行部署
- 使用 GitOps 與 CI/CD 實現自動化交付
- 透過結構化測試驗證部署結果
生產環境中 AI 智能體的擴展策略
- 水平擴展模式
- 結合 HPA、KEDA 及事件驅動觸發器實現自動擴展
- 負載分發與請求處理策略
AI 智能體的可觀測性、監控與日誌記錄
- 遙測（Telemetry）儀表化的最佳實踐
- 整合 Prometheus、Grafana 及日誌堆棧
- 追蹤智能體效能、模型漂移（Drift）及操作異常
最佳化效能與資源效率
- 分析智能體工作負載
- 提升推理效能並降低延遲
- 大型智能體部署的成本最佳化方案
可靠性、彈性與故障處理
- 在負載下設計彈性架構
- 實施斷路器（Circuit-breaking）、重試及速率限制機制
- 基於智能體系統的災難恢復規劃
將 Mastra 整合至企業生態系統
- 與 API、數據管道及事件總線進行對接
- 使智能體部署與企業 DevSecOps 流程保持一致
- 根據現有平台環境適配架構
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 模型部署相關概念
適用對象
- DevOps 工程師
- 後端開發人員
- 負責 AI 工作負載的平台工程師
