基于云效 AppStack,5分钟搞定一个 AI 应用的开发和部署

简介: 实验介绍了如何使用云效应用交付平台AppStack快速初始化和部署AI聊天应用.

实验介绍:


区别于传统的流水线工具,本实验将带你体验云效应用交付平台AppStack,从应用视角,完成一个AI聊天应用的高效交付。


你将体验到:

  • 基于应用模板快速初始化应用,包含应用的代码库、部署编排架构、变量组、环境、研发流程等;
  • 应用多环境管理、多种部署策略、部署可观测能力;
  • 通过模板,批量升级、更新应用权限、研发流程规范等。

1.png


实验准备


1、领取免费ECS资源。

前往云起实验室,地址:https://developer.aliyun.com/adc/scenario/exp/83c02382001a457eae5667cff9477f1e

2.png

如果您不是ECS用户,可选择【公共资源体验(5小时)】,ECS资源不会保留到个人账号下,需要按照指引关联资源。


如果您是ECS新用户,推荐选择【领取免费试用额度】,这样ECS资源将直接保留到你的账号下;


这里我们以第一种举例,点击【确认开始实验】,系统将为你创建免费资源,创建资源预计需要2-4分钟时间。我们无需等待,可以继续进行下面的操作。


2、领取大模型服务

前往灵积控制台:https://dashscope.console.aliyun.com/apiKey

点击【创建新的API-KEY】即可申请相应的KEY

3.png

申请成功的KEY我们可以复制保存下来,供我们后续步骤使用。


入门——一键部署SpringAI聊天应用


进入云效应用交付AppStack:https://devops.aliyun.com/appstack?channel=yy_yc_202306


点击【新建应用】

4.png

为应用取个名;应用模板选择【SpringAI应用体验模板】,点击【预览】

5.png

点击预览后,我们可以看到通过应用模板完成应用初始化后的内容。

6.png

具体包含:

  • 应用关联的代码仓库
  • 应用的编排部署配置
  • 研发流程(包含测试、预发、生产3个阶段)
  • 应用的环境
  • 环境对应的变量组信息。


这些信息我们都是提前定义在模板里面的。企业在实际场景中,也可以自定义企业模板,从而实现对应用的批量管理以及研发流程的规范化。


预览完后,关闭预览窗口,直接点击【创建并部署应用】

7.png

可以看到研发流程已经被触发运行,预计等待2分钟左右。


注:为了活动操作的简便性,我们只在模板里配置了测试阶段的流水线,预发、生产阶段大家想要体验可以自行配置。

8.png

我们会看到部署阶段提示我们创建部署单。点击【创建部署单】

10.png

按照提示,我们点击【前往关联】资源

9.png

点击【导入主机集群】

11.png

如果您在最开始实验准备阶段,选择的公共体验资源,这里可以选择【免费体验主机】


如果您在最开始实验准备阶段,选择的ECS免费试用,这里选择【阿里云ECS】

12.png

选择免费体验主机后,界面如下所示。我们将前面申请的免费主机信息填入进来,点击【确定】

13.png

14.png

在这一步,将前面申请的灵积的APIKEY复制进来,然后点击确定

15.png

继续点击【确定】

16.png

17.png

可以看到,部署正在运行。部署过程中,我们点击【前往环境】,可以进行环境的观测。


注:因为本场景使用的是ECS部署,在K8s部署下,环境的可观测内容会多。大家可以自行体验。

18.png

过1-2分钟后,部署已经进行完毕了

19.png

我们在浏览器地址栏,输入前面申请的ECS的公网地址,后面加上8080端口,验证一下部署的结果。可以看到,AI聊天应用被成功部署起来了。

20.png

我们随便输入一个问题:云效是什么,可以看到,聊天应用给出了解答。

21.png

返回研发流程,我们发现,整个流水线已经运行完毕,活动校验成功。

22.png

返回活动页面(https://developer.aliyun.com/topic/yunxiao/appstack),提交你的运行的截图+你对云效AppStack的反馈,作品通过审核后,每获得1个点赞,即可获得1次抽奖机会,同一个用户最多3次抽奖机会。


进阶——修改模板,批量升级应用(可选)


随着企业应用架构升级、或研发规范的调整,应用里面的配置也需要不断的升级。


当业务应用太多的时候,一个应用配置的修改就得修改几十上百遍,还有可能错改、漏改;再比如,应用的流水线太多了,流水线怎么批量授权给一线开发测试同学?


上面这些情况,我们只需在云效AppStack内,修改应用的模板,然后点击同步功能,即可批量升级应用,节省管理成本。


详情可参考这篇文章中的第2部分内容:

https://help.aliyun.com/document_detail/2697184.html

相关实践学习
2分钟自动化部署人生模拟器
本场景将带你借助云效流水线Flow实现人生模拟器小游戏的自动化部署
SVN版本控制系统
SVN是现在软件开发之中的主流软件版本控制工具,在工作之中利用SVN可以有效的解决多人开发的代码管理问题,本课程将为读者讲解SVN服务器的配置以及基于MyEclipse的SVN客户端插件的配置与使用,并且在讲解之中着重讲解了冲突的产生于解决。
目录
相关文章
|
9天前
|
机器学习/深度学习 人工智能 算法
AI技术在医疗诊断中的应用及前景展望
本文旨在探讨人工智能(AI)技术在医疗诊断领域的应用现状、挑战与未来发展趋势。通过分析AI技术如何助力提高诊断准确率、缩短诊断时间以及降低医疗成本,揭示了其在现代医疗体系中的重要价值。同时,文章也指出了当前AI医疗面临的数据隐私、算法透明度等挑战,并对未来的发展方向进行了展望。
|
16天前
|
机器学习/深度学习 人工智能 自然语言处理
当前AI大模型在软件开发中的创新应用与挑战
2024年,AI大模型在软件开发领域的应用正重塑传统流程,从自动化编码、智能协作到代码审查和测试,显著提升了开发效率和代码质量。然而,技术挑战、伦理安全及模型可解释性等问题仍需解决。未来,AI将继续推动软件开发向更高效、智能化方向发展。
|
12天前
|
机器学习/深度学习 人工智能 算法
AI在医疗诊断中的应用
【10月更文挑战第42天】本文将探讨人工智能(AI)在医疗诊断中的应用,包括其优势、挑战和未来发展方向。我们将通过实例来说明AI如何改变医疗行业,提高诊断的准确性和效率。
|
13天前
|
存储 人工智能 搜索推荐
Memoripy:支持 AI 应用上下文感知的记忆管理 Python 库
Memoripy 是一个 Python 库,用于管理 AI 应用中的上下文感知记忆,支持短期和长期存储,兼容 OpenAI 和 Ollama API。
57 6
Memoripy:支持 AI 应用上下文感知的记忆管理 Python 库
|
1天前
|
数据采集 机器学习/深度学习 人工智能
AI在医疗诊断中的应用与挑战
随着人工智能(AI)技术的飞速发展,其在医疗领域的应用也日益广泛。从辅助医生进行疾病诊断到提供个性化治疗方案,AI技术正在改变着传统医疗模式。然而,AI在医疗诊断中的应用并非一帆风顺,面临着数据质量、模型可解释性、法规政策等一系列挑战。本文将从AI在医疗诊断中的具体应用场景出发,探讨其面临的主要挑战及未来发展趋势。
|
1天前
|
机器学习/深度学习 人工智能 搜索推荐
AI技术在医疗领域的应用与前景####
本文深入探讨了人工智能(AI)技术在医疗健康领域中的多维度应用,从疾病诊断、个性化治疗到健康管理,展现了AI如何革新传统医疗模式。通过分析当前实践案例与最新研究成果,文章揭示了AI技术提升医疗服务效率、精准度及患者体验的巨大潜力,并展望了其在未来医疗体系中不可或缺的地位。 ####
|
9天前
|
机器学习/深度学习 人工智能 算法
强化学习在游戏AI中的应用,从基本原理、优势、应用场景到具体实现方法,以及Python在其中的作用
本文探讨了强化学习在游戏AI中的应用,从基本原理、优势、应用场景到具体实现方法,以及Python在其中的作用,通过案例分析展示了其潜力,并讨论了面临的挑战及未来发展趋势。强化学习正为游戏AI带来新的可能性。
36 4
|
18天前
|
机器学习/深度学习 人工智能 算法
AI在医疗领域的应用与挑战
本文探讨了人工智能(AI)在医疗领域的应用,包括其在疾病诊断、治疗方案制定、患者管理等方面的优势和潜力。同时,也分析了AI在医疗领域面临的挑战,如数据隐私、伦理问题以及技术局限性等。通过对这些内容的深入分析,旨在为读者提供一个全面了解AI在医疗领域现状和未来发展的视角。
55 10
|
11天前
|
机器学习/深度学习 人工智能 监控
探索AI在医疗诊断中的应用与挑战
本文旨在揭示人工智能(AI)技术如何革新医疗诊断领域,提高疾病预测的准确性和效率。通过分析AI在图像识别、数据分析等方面的应用实例,本文将探讨AI技术带来的便利及其面临的伦理和法律问题。文章还将提供代码示例,展示如何使用AI进行疾病诊断的基本过程。
|
19天前
|
机器学习/深度学习 人工智能 监控
探索AI在医疗领域的应用与挑战
本文深入探讨了人工智能(AI)在医疗领域中的应用现状和面临的挑战。通过分析AI技术如何助力疾病诊断、治疗方案优化、患者管理等方面的创新实践,揭示了AI技术为医疗行业带来的变革潜力。同时,文章也指出了数据隐私、算法透明度、跨学科合作等关键问题,并对未来的发展趋势进行了展望。