Часто задаваемые вопросы об агентическом интерфейсе командной строки для AKS

В этой статье приведены ответы на некоторые из наиболее распространенных вопросов об агентическом интерфейсе командной строки для службы Azure Kubernetes (AKS).

Что такое агентический интерфейс командной строки для AKS?

Агентический интерфейс командной строки для AKS — это средство командной строки с поддержкой искусственного интеллекта, предназначенное для эффективного устранения неполадок кластера пользователей AKS. Он анализирует сигналы телеметрии (журналы, метрики, события), сопоставляет их между инфраструктурой и рабочими нагрузками и предоставляет полезные сведения. Агент принимает запросы естественного языка в качестве входных данных и возвращает диагностические сводки, анализ первопричин и предложения по исправлению. Агентический интерфейс командной строки не включает модели ИИ, поэтому необходимо предоставить ключи API большой языковой модели (LLM) для работы агента.

Что может сделать агентический интерфейс командной строки для AKS?

Агентический интерфейс командной строки для AKS выступает в качестве локального помощника, который интерпретирует запросы естественного языка, выполняет диагностические команды и возвращает полезные сведения. Она легко интегрируется с нативными средствами и источниками телеметрии AKS, такими как события Kubernetes, журналы, Inspektor Gadget, Azure и API AKS. Каждый из них включен как набор инструментов в az aks agent.

Агент учитывает управление доступом на основе ролей Azure (RBAC) и механизмы управления идентификацией, поскольку он наследует разрешения пользователей из Azure CLI. Он работает в режиме только для чтения по умолчанию. Вы можете настроить поставщик ИИ (например, OpenAI, Azure OpenAI и Anthropic) и модель. Вы также можете настроить агент для вывода выходных данных набора инструментов.

Выходные az aks agent данные включают:

• Сводный ответ на запрос пользователя с синтезом искусственного интеллекта.
• Анализ первопричин с вспомогательными доказательствами.
• Рекомендации по исправлению, адаптированные к рекомендациям AKS.
• Диагностические трассировки и выходные данные инструментов.

Каковы предполагаемые варианты использования агентного интерфейса командной строки для AKS?

Агентический интерфейс командной строки для AKS имеет следующее предполагаемое использование:

• Взаимодействие человека в цикле с кластерами AKS помогает эффективно обнаруживать, диагностировать и устранять проблемы.
• Взаимодействие только для чтения с API Kubernetes и AKS. Вы можете получить сведения о ресурсах, понять работоспособность ресурсов кластера AKS и следовать общим рекомендациям Kubernetes и AKS.

Агентический интерфейс командной строки для AKS не предназначен для использования в качестве универсального кода или агента ИИ за пределами области взаимодействия AKS. Он не может получить доступ к Интернету, чтобы ответить на универсальные вопросы.

Агентический интерфейс командной строки для AKS оптимизирован для сценариев, относящихся к AKS. Он интегрируется с такими инструментами, как kubectl, Azure CLI, Inspektor Gadget и Azure Monitor, но может ошибаться. Агент может иногда пропускать тонкие сигналы, неправильно интерпретировать шумные данные телеметрии или предлагать меры по смягчению, требующие подтверждения человеком. Например, он может неправильно присвоить системе доменных имен (DNS) сбой в сетевой политике, когда основная причина является неправильно настроенным вышестоящим DNS-сервером. Этот сценарий может возникать особенно в том случае, если данные телеметрии являются неполными или разрешения ограничены.

Чтобы избежать предвзятости автоматизации, следует рассматривать выходные данные агента как полезную отправную точку, а не окончательный вердикт. Он преуспевает в выявлении вероятных причин и проведении расследования, но человеческий контроль является необходимым. Проверка человеком необходима в сложных или высокорисковых средах.

Что касается моделей искусственного интеллекта, рекомендуется использовать развернутую модель Azure OpenAI, например GPT4o или GPTo3. Вы также можете использовать его непосредственно из платформы API OpenAI. Вы можете использовать любой поставщик модели LLM, поддерживаемый спецификациями Open API, например Anthropic и Gemini.

Как был оценен агентический интерфейс командной строки для AKS? Какие метрики используются для измерения производительности?

Агентический интерфейс командной строки для AKS оценивается с помощью сочетания внутренних тестов и программных вычислений, предназначенных для обеспечения точной, релевантной и понятности ее возможностей диагностики.

Для программных вычислений мы измеряли стандартные метрики ответственного ИИ, такие как заземление, UPIA и XPIA, вредное содержимое и качество беседы (например, согласованность и беглость).

Эти тесты помогают нам выявлять пробелы в умозаключениях, интеграции инструментов и выполнении команд. Основная метрика успеха — это точность диагностики агента и релевантность ее рекомендаций. Правильно ли агент определил первопричину и предложил возможные действия, устранение рисков с учетом контекста?

Мы проводим внутренние сессии поиска ошибок и применяем группы 'красная команда', чтобы тщательно проверить поведение агента в различных ситуациях. Мы проверяем снижение работоспособности узлов, сбои DNS, сбои при обновлении и проблемы с планированием под.

Мы распознаем динамическую природу взаимодействия агента с искусственным интеллектом, и мы приветствуем ваши отзывы в рамках предварительной версии. Вы можете поделиться отзывом непосредственно с нами.aksagentcli@service.microsoft.com Вы также можете создать запрос на GitHub.

Каковы ограничения агентского CLI для AKS? Как свести к минимуму влияние этих ограничений при использовании системы?

Агентический интерфейс командной строки для AKS является мощным и предназначен для диагностики и устранения проблем в кластерах AKS. У него есть несколько важных ограничений, которые следует учитывать для обеспечения эффективного и ответственного использования:

• Возможность агента получать доступ к данным и анализировать их напрямую зависит от ваших разрешений и доступности данных телеметрии. Если у вас нет достаточных прав доступа или если такие источники телеметрии, как журналы, метрики или события отсутствуют или отсутствуют неполные, агент может не сможет создать точную или полную диагностику.
• Система подвержена ограничениям токенов во время обработки крупных наборов данных, таких как метрики временных рядов. Эти ограничения могут ограничивать глубину или широту анализа в сложных сценариях устранения неполадок.
• В текущем состоянии MVP агентический интерфейс командной строки предлагает ограниченную поддержку управляемых возможностей Azure. Некоторые рабочие процессы, такие как интеграция оповещений Azure Monitor, могут быть не полностью поддерживаются.

Чтобы свести к минимуму влияние этих ограничений, можно выполнить несколько упреждающих действий.

• Убедитесь, что необходимые средства диагностики, такие как Azure Monitor, правильно настроены, чтобы помочь агенту получить более широкий доступ к телеметрии и выполнить более полную диагностику.
• Расширьте возможности агентского интерфейса командной строки, используя его с протоколом контекста моделей Azure (MCP) или с серверами AKS MCP. Дополнительные сведения см. в разделе Интеграции сервера AKS MCP с агентическим интерфейсом командной строки для AKS.
• Используйте модели последних поколений или модели общего назначения, такие как GPT4o и GPTo3, чтобы обеспечить наилучшие возможные результаты. Агентский интерфейс командной строки для AKS не включает в себя модели ИИ.

Какие операционные факторы и параметры позволяют эффективно использовать агентический интерфейс командной строки для AKS?

Чтобы эффективно и ответственно использовать агентический интерфейс командной строки для AKS, несколько операционных параметров играют ключевую роль. Агент предназначен для работы в режиме только для чтения по умолчанию, что обеспечивает безопасную диагностику без внесения изменений в кластер. При необходимости выполнения операций записи, таких как развертывание отладочных pod-модулей или выполнение мер по исправлению, требуется явное одобрение пользователя, чтобы сохранить контроль пользователя и снизить риск непредвиденных последствий.

Агент выполняется локально на вашем компьютере и также поддерживает поставщиков ИИ по вашему выбору. По этой причине можно настроить собственные ключи API LLM. Эта настройка гарантирует, что вы можете использовать утвержденных провайдеров и конечные точки ИИ вашей организации. Все данные обрабатываются локально для сохранения конфиденциальности данных и соответствия корпоративным стандартам безопасности.

Агент также предлагает настраиваемые параметры детализации, которые можно использовать для переключения между краткими сводками и подробными диагностическими выходными данными в зависимости от потребностей. Эта гибкость поддерживает как сбор быстрых аналитических сведений, так и полную прозрачность в рассуждениях агента и использовании инструментов.

Интеграция с удостоверением Azure и RBAC гарантирует, что агент обращается только к ресурсам, которые вы авторизованы для просмотра. Это ограничение упрощает настройку и применяет безопасные границы доступа. Вместе эти параметры создают безопасную, ориентированную на конфиденциальность и контролируемую пользователем среду для диагностики и устранения неисправностей кластеров AKS с помощью ИИ.

Как предоставить отзыв или получить справку по агентическому интерфейсу командной строки для AKS?

Вы можете предоставить отзыв или получить справку по агентическому интерфейсу командной строки для AKS через несколько каналов:

• Проблемы с GitHub и запросы на вытягивание в репозитории агента CLI.
• Внутренние каналы на этапе предварительной версии.
• Запросы в службу поддержки Azure или прямое взаимодействие с группой продуктов AKS.

Что такое плагины и как командная строка AKS использует их?

В контексте агента командной строки для AKS подключаемые модули — это расширения, которые модульно повышают возможности диагностики агента посредством интеграции внешних инструментов, источников данных и логики, специфичной для домена, в рабочие процессы устранения неполадок. ** Эти плагины позволяют агенту превзойти статическое выполнение команд и включить динамическое мышление с учетом сценариев. Агент поддерживает такие типы плагинов:

• Интеграция набора инструментов. Вы можете расширить возможности агента с наборами инструментов, которые подключаются к платформам наблюдения, таким как Prometheus, Datadog и Azure Monitor. Эти наборы инструментов предоставляют метрики, журналы и оповещения, которые агент может запрашивать и анализировать в режиме реального времени. Например, набор инструментов Prometheus может позволить агенту получить динамику использования ЦПУ и памяти для контейнера pod, находящегося в состоянии сбоя. Интеграция Azure Monitor может отображать последние оповещения или журналы действий, относящиеся к проблеме со работоспособностью узла.
• Серверы MCP (Model Context Protocol) служат посредниками, предоставляющими средства диагностики и шаблоны подсказок агентам ИИ. В агенте CLI для AKS серверы MCP предоставляют структурированный доступ к Ресурсам Kubernetes и Azure. Затем агент может выполнять такие команды, как kubectl describe и az aks show, а также развертывать отладочные pods. Эти серверы также помогают стандартизировать вызов средств и способ возврата данных, что упрощает масштабирование возможностей агента в разных средах.

Какие данные могут предоставить подключаемым модулям агентический интерфейс командной строки для AKS? Какие разрешения имеют подключаемые модули?

Все подключаемые модули могут только извлекать данные. Средства позволяют агентическому интерфейсу командной строки для AKS извлекать данные из различных источников или использовать пользовательские модули Runbook, которые он внедряет в рамках запроса LLM для улучшения возможностей диагностики. Единственным внешним потоком данных является поток данных к моделям искусственного интеллекта, которые вы подключаете к CLI (интерфейсу командной строки) агентской системы для AKS.

Какие проблемы могут возникнуть при использовании агентского CLI для AKS с поддержкой подключаемых модулей?

При использовании агентического интерфейса командной строки для AKS с подключаемыми модулями может возникнуть несколько типов проблем, которые могут повлиять на надежность или точность устранения неполадок.

Одна из распространенных проблем заключается в неправильном вызове инструментов из-за неправильно настроенных запросов. Подключаемые модули часто полагаются на шаблоны запросов для управления рассуждением ИИ и процесса выбора инструментов. Даже небольшие ошибки в логике запроса или структуре могут привести к срабатыванию неправильных инструментов или правильных инструментов, используемых в неправильном контексте. Результатом может быть вводящая в заблуждение диагностика или неполные исследования.

Другой риск заключается в создании сфабрикованных или неправильных выходных данных, особенно если подключаемые модули возвращают неполные, устаревшие или неоднозначные данные. В таких случаях ИИ может попытаться "заполнить пробелы" правдоподобными, но неверными объяснениями. Ошибки могут возникать также при отсутствии телеметрии или при использовании подключаемого модуля в конфигурации кластера, который он не поддерживает. Например, частный кластер может не получить доступ к определенным API-интерфейсам или средствам.

Чтобы устранить эти риски, агентический интерфейс командной строки для AKS включает несколько гарантий. Подробное логирование и отчеты об ошибках помогают точно отслеживать, какие инструменты были вызваны, какие данные были возвращены, а также как ИИ это интерпретировал. Отчеты упрощают устранение и исправление проблем. Вы также можете вручную переопределить или отключить определенные подключаемые модули, если вы подозреваете, что они вызывают проблемы или возвращают ненадежные данные.

Наконец, четкая документация и поддержка сообщества важны для разработки и обслуживания подключаемых модулей. Хорошо документированные подключаемые модули с примерами, заметками о совместимости версий и известными ограничениями помогают понять, как использовать их ответственно и вносить улучшения при необходимости. Использование последних моделей LLM/reasoning от ведущих поставщиков ИИ также снижает риск неправильной информации.

Связанный контент

• Общие сведения об агентическом интерфейсе командной строки для AKS см. в разделе "Сведения об агентическом интерфейсе командной строки для AKS".
• Чтобы устранить распространенные проблемы при использовании агентического интерфейса командной строки для AKS, ознакомьтесь с руководством по устранению неполадок с агентическим интерфейсом командной строки для AKS.

В этой статье приведены ответы на некоторые из наиболее распространенных вопросов об агентическом интерфейсе командной строки для службы Azure Kubernetes (AKS).

Агентический интерфейс командной строки для AKS — это средство командной строки с поддержкой искусственного интеллекта, предназначенное для эффективного устранения неполадок кластера пользователей AKS. Он анализирует сигналы телеметрии (журналы, метрики, события), сопоставляет их между инфраструктурой и рабочими нагрузками и предоставляет полезные сведения. Агент принимает запросы естественного языка в качестве входных данных и возвращает диагностические сводки, анализ первопричин и предложения по исправлению. Агентический интерфейс командной строки не включает модели ИИ, поэтому необходимо предоставить ключи API большой языковой модели (LLM) для работы агента.

Агентический интерфейс командной строки для AKS выступает в качестве локального помощника, который интерпретирует запросы естественного языка, выполняет диагностические команды и возвращает полезные сведения. Она легко интегрируется с нативными средствами и источниками телеметрии AKS, такими как события Kubernetes, журналы, Inspektor Gadget, Azure и API AKS. Каждый из них включен как набор инструментов в az aks agent.

Агент учитывает управление доступом на основе ролей Azure (RBAC) и механизмы управления идентификацией, поскольку он наследует разрешения пользователей из Azure CLI. Он работает в режиме только для чтения по умолчанию. Вы можете настроить поставщик ИИ (например, OpenAI, Azure OpenAI и Anthropic) и модель. Вы также можете настроить агент для вывода выходных данных набора инструментов.

Выходные az aks agent данные включают:

• Сводный ответ на запрос пользователя с синтезом искусственного интеллекта.
• Анализ первопричин с вспомогательными доказательствами.
• Рекомендации по исправлению, адаптированные к рекомендациям AKS.
• Диагностические трассировки и выходные данные инструментов.

Агентический интерфейс командной строки для AKS имеет следующее предполагаемое использование:

• Взаимодействие человека в цикле с кластерами AKS помогает эффективно обнаруживать, диагностировать и устранять проблемы.
• Взаимодействие только для чтения с API Kubernetes и AKS. Вы можете получить сведения о ресурсах, понять работоспособность ресурсов кластера AKS и следовать общим рекомендациям Kubernetes и AKS.

Агентический интерфейс командной строки для AKS не предназначен для использования в качестве универсального кода или агента ИИ за пределами области взаимодействия AKS. Он не может получить доступ к Интернету, чтобы ответить на универсальные вопросы.

Агентический интерфейс командной строки для AKS оптимизирован для сценариев, относящихся к AKS. Он интегрируется с такими инструментами, как kubectl, Azure CLI, Inspektor Gadget и Azure Monitor, но может ошибаться. Агент может иногда пропускать тонкие сигналы, неправильно интерпретировать шумные данные телеметрии или предлагать меры по смягчению, требующие подтверждения человеком. Например, он может неправильно присвоить системе доменных имен (DNS) сбой в сетевой политике, когда основная причина является неправильно настроенным вышестоящим DNS-сервером. Этот сценарий может возникать особенно в том случае, если данные телеметрии являются неполными или разрешения ограничены.

Чтобы избежать предвзятости автоматизации, следует рассматривать выходные данные агента как полезную отправную точку, а не окончательный вердикт. Он преуспевает в выявлении вероятных причин и проведении расследования, но человеческий контроль является необходимым. Проверка человеком необходима в сложных или высокорисковых средах.

Что касается моделей искусственного интеллекта, рекомендуется использовать развернутую модель Azure OpenAI, например GPT4o или GPTo3. Вы также можете использовать его непосредственно из платформы API OpenAI. Вы можете использовать любой поставщик модели LLM, поддерживаемый спецификациями Open API, например Anthropic и Gemini.

Агентический интерфейс командной строки для AKS оценивается с помощью сочетания внутренних тестов и программных вычислений, предназначенных для обеспечения точной, релевантной и понятности ее возможностей диагностики.

Для программных вычислений мы измеряли стандартные метрики ответственного ИИ, такие как заземление, UPIA и XPIA, вредное содержимое и качество беседы (например, согласованность и беглость).

Эти тесты помогают нам выявлять пробелы в умозаключениях, интеграции инструментов и выполнении команд. Основная метрика успеха — это точность диагностики агента и релевантность ее рекомендаций. Правильно ли агент определил первопричину и предложил возможные действия, устранение рисков с учетом контекста?

Мы проводим внутренние сессии поиска ошибок и применяем группы 'красная команда', чтобы тщательно проверить поведение агента в различных ситуациях. Мы проверяем снижение работоспособности узлов, сбои DNS, сбои при обновлении и проблемы с планированием под.

Мы распознаем динамическую природу взаимодействия агента с искусственным интеллектом, и мы приветствуем ваши отзывы в рамках предварительной версии. Вы можете поделиться отзывом непосредственно с нами.aksagentcli@service.microsoft.com Вы также можете создать запрос на GitHub.

Агентический интерфейс командной строки для AKS является мощным и предназначен для диагностики и устранения проблем в кластерах AKS. У него есть несколько важных ограничений, которые следует учитывать для обеспечения эффективного и ответственного использования:

• Возможность агента получать доступ к данным и анализировать их напрямую зависит от ваших разрешений и доступности данных телеметрии. Если у вас нет достаточных прав доступа или если такие источники телеметрии, как журналы, метрики или события отсутствуют или отсутствуют неполные, агент может не сможет создать точную или полную диагностику.
• Система подвержена ограничениям токенов во время обработки крупных наборов данных, таких как метрики временных рядов. Эти ограничения могут ограничивать глубину или широту анализа в сложных сценариях устранения неполадок.
• В текущем состоянии MVP агентический интерфейс командной строки предлагает ограниченную поддержку управляемых возможностей Azure. Некоторые рабочие процессы, такие как интеграция оповещений Azure Monitor, могут быть не полностью поддерживаются.

Чтобы свести к минимуму влияние этих ограничений, можно выполнить несколько упреждающих действий.

• Убедитесь, что необходимые средства диагностики, такие как Azure Monitor, правильно настроены, чтобы помочь агенту получить более широкий доступ к телеметрии и выполнить более полную диагностику.
• Расширьте возможности агентского интерфейса командной строки, используя его с протоколом контекста моделей Azure (MCP) или с серверами AKS MCP. Дополнительные сведения см. в разделе Интеграции сервера AKS MCP с агентическим интерфейсом командной строки для AKS.
• Используйте модели последних поколений или модели общего назначения, такие как GPT4o и GPTo3, чтобы обеспечить наилучшие возможные результаты. Агентский интерфейс командной строки для AKS не включает в себя модели ИИ.

Чтобы эффективно и ответственно использовать агентический интерфейс командной строки для AKS, несколько операционных параметров играют ключевую роль. Агент предназначен для работы в режиме только для чтения по умолчанию, что обеспечивает безопасную диагностику без внесения изменений в кластер. При необходимости выполнения операций записи, таких как развертывание отладочных pod-модулей или выполнение мер по исправлению, требуется явное одобрение пользователя, чтобы сохранить контроль пользователя и снизить риск непредвиденных последствий.

Агент выполняется локально на вашем компьютере и также поддерживает поставщиков ИИ по вашему выбору. По этой причине можно настроить собственные ключи API LLM. Эта настройка гарантирует, что вы можете использовать утвержденных провайдеров и конечные точки ИИ вашей организации. Все данные обрабатываются локально для сохранения конфиденциальности данных и соответствия корпоративным стандартам безопасности.

Агент также предлагает настраиваемые параметры детализации, которые можно использовать для переключения между краткими сводками и подробными диагностическими выходными данными в зависимости от потребностей. Эта гибкость поддерживает как сбор быстрых аналитических сведений, так и полную прозрачность в рассуждениях агента и использовании инструментов.

Интеграция с удостоверением Azure и RBAC гарантирует, что агент обращается только к ресурсам, которые вы авторизованы для просмотра. Это ограничение упрощает настройку и применяет безопасные границы доступа. Вместе эти параметры создают безопасную, ориентированную на конфиденциальность и контролируемую пользователем среду для диагностики и устранения неисправностей кластеров AKS с помощью ИИ.

Вы можете предоставить отзыв или получить справку по агентическому интерфейсу командной строки для AKS через несколько каналов:

• Проблемы с GitHub и запросы на вытягивание в репозитории агента CLI.
• Внутренние каналы на этапе предварительной версии.
• Запросы в службу поддержки Azure или прямое взаимодействие с группой продуктов AKS.

В контексте агента командной строки для AKS подключаемые модули — это расширения, которые модульно повышают возможности диагностики агента посредством интеграции внешних инструментов, источников данных и логики, специфичной для домена, в рабочие процессы устранения неполадок. ** Эти плагины позволяют агенту превзойти статическое выполнение команд и включить динамическое мышление с учетом сценариев. Агент поддерживает такие типы плагинов:

• Интеграция набора инструментов. Вы можете расширить возможности агента с наборами инструментов, которые подключаются к платформам наблюдения, таким как Prometheus, Datadog и Azure Monitor. Эти наборы инструментов предоставляют метрики, журналы и оповещения, которые агент может запрашивать и анализировать в режиме реального времени. Например, набор инструментов Prometheus может позволить агенту получить динамику использования ЦПУ и памяти для контейнера pod, находящегося в состоянии сбоя. Интеграция Azure Monitor может отображать последние оповещения или журналы действий, относящиеся к проблеме со работоспособностью узла.
• Серверы MCP (Model Context Protocol) служат посредниками, предоставляющими средства диагностики и шаблоны подсказок агентам ИИ. В агенте CLI для AKS серверы MCP предоставляют структурированный доступ к Ресурсам Kubernetes и Azure. Затем агент может выполнять такие команды, как kubectl describe и az aks show, а также развертывать отладочные pods. Эти серверы также помогают стандартизировать вызов средств и способ возврата данных, что упрощает масштабирование возможностей агента в разных средах.

Все подключаемые модули могут только извлекать данные. Средства позволяют агентическому интерфейсу командной строки для AKS извлекать данные из различных источников или использовать пользовательские модули Runbook, которые он внедряет в рамках запроса LLM для улучшения возможностей диагностики. Единственным внешним потоком данных является поток данных к моделям искусственного интеллекта, которые вы подключаете к CLI (интерфейсу командной строки) агентской системы для AKS.

При использовании агентического интерфейса командной строки для AKS с подключаемыми модулями может возникнуть несколько типов проблем, которые могут повлиять на надежность или точность устранения неполадок.

Одна из распространенных проблем заключается в неправильном вызове инструментов из-за неправильно настроенных запросов. Подключаемые модули часто полагаются на шаблоны запросов для управления рассуждением ИИ и процесса выбора инструментов. Даже небольшие ошибки в логике запроса или структуре могут привести к срабатыванию неправильных инструментов или правильных инструментов, используемых в неправильном контексте. Результатом может быть вводящая в заблуждение диагностика или неполные исследования.

Другой риск заключается в создании сфабрикованных или неправильных выходных данных, особенно если подключаемые модули возвращают неполные, устаревшие или неоднозначные данные. В таких случаях ИИ может попытаться "заполнить пробелы" правдоподобными, но неверными объяснениями. Ошибки могут возникать также при отсутствии телеметрии или при использовании подключаемого модуля в конфигурации кластера, который он не поддерживает. Например, частный кластер может не получить доступ к определенным API-интерфейсам или средствам.

Чтобы устранить эти риски, агентический интерфейс командной строки для AKS включает несколько гарантий. Подробное логирование и отчеты об ошибках помогают точно отслеживать, какие инструменты были вызваны, какие данные были возвращены, а также как ИИ это интерпретировал. Отчеты упрощают устранение и исправление проблем. Вы также можете вручную переопределить или отключить определенные подключаемые модули, если вы подозреваете, что они вызывают проблемы или возвращают ненадежные данные.

Наконец, четкая документация и поддержка сообщества важны для разработки и обслуживания подключаемых модулей. Хорошо документированные подключаемые модули с примерами, заметками о совместимости версий и известными ограничениями помогают понять, как использовать их ответственно и вносить улучшения при необходимости. Использование последних моделей LLM/reasoning от ведущих поставщиков ИИ также снижает риск неправильной информации.

Связанный контент

• Общие сведения об агентическом интерфейсе командной строки для AKS см. в разделе "Сведения об агентическом интерфейсе командной строки для AKS".
• Чтобы устранить распространенные проблемы при использовании агентического интерфейса командной строки для AKS, ознакомьтесь с руководством по устранению неполадок с агентическим интерфейсом командной строки для AKS.