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。
課程簡介
理解 Mastra 架構與營運概念
- 核心元件及其生產角色
- 企業環境支援的整合模式
- 安全與治理考量
準備 agent 部署環境
- 配置容器運行時環境
- 為 AI agent 工作負載準備 Kubernetes 叢集
- 管理密碼、憑證與配置儲存區
部署 Mastra AI Agent
- 打包 agent 以供部署
- 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 AI Agent 擴展策略
- 橫向擴展模式
- 使用 HPA、KEDA 及事件驅動觸發器的自動擴展
- 負載分擔與請求處理策略
AI Agent 的可觀測性、監控與日誌記錄
- 遙测儀表的最佳實踐
- 整合 Prometheus、Grafana 及日誌堆疊
- 追蹤 agent 效能、漂移與營運異常
最佳化效能與資源效率
- 分析 agent 工作負載
- 提升推論效能並降低延遲
- 大規模 agent 部署的成本最佳化方法
可靠性、韌性與故障處理
- 設計能承受負載的韌性架構
- 實施熔断機制、重試策略及速率限制
- 基於 agent 系統的災難復原規劃
將 Mastra 整合至企業生態系統
- 與 API、資料管線及事件匯流排介面互動
- 使 agent 部署符合企業 DevSecOps
- 適應現有平台環境的架構調整
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 工作流程經驗
- 熟悉 AI 模型部署概念
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
21 小時