Agentic PAI adalah antarmuka operasi berbasis AI untuk PAI. Jelaskan kebutuhan Anda dalam bahasa alami, dan Agen akan memahami maksud Anda, mengonfigurasi parameter, lalu mengeksekusi tugas—tanpa perlu menghafal parameter API atau navigasi di Konsol.
Fitur utama
|
Fitur |
Manfaat |
|
Natural language interface |
Jelaskan tujuan Anda dengan bahasa sehari-hari—tidak perlu mengingat parameter API, spesifikasi instans, atau jalur di Konsol. Pengguna bisnis dapat langsung memulai. |
|
Cross-region unified management |
Satu titik masuk layanan untuk semua Wilayah. Tidak perlu berganti Konsol dari satu Wilayah ke Wilayah lainnya. |
|
Safe and controlled operations |
Operasi baca dan tulis dibedakan. Operasi tulis memerlukan konfirmasi eksplisit dan diatur oleh izin RAM. |
|
Native PAI integration |
Terkait erat dengan kemampuan PAI. Hasil operasi disinkronkan dengan Konsol secara Real-time. |
|
Personalized memory |
Mengingat Wilayah default Anda, ruang kerja yang sering digunakan, dan preferensi tipe instans. Pengaturan ini diterapkan secara otomatis pada percakapan berikutnya. |
|
Scheduled task automation |
Konfigurasikan tugas terjadwal untuk pekerjaan berulang seperti inspeksi, pemantauan, dan reklamasi sumber daya. Sistem mengeksekusinya secara otomatis. |
|
IM notifications |
Hasil tugas didorong ke grup DingTalk atau Lark melalui webhook. Informasi kritis tidak akan terlewat. |
|
Auditable history |
Catatan percakapan dan riwayat operasi disimpan secara persisten untuk ditinjau, troubleshooting, dan serah terima tim. |
Kemampuan inti
Penyerahan tugas berbasis percakapan
Jelaskan kebutuhan Anda dalam bahasa alami. Agen akan menangani pengenalan maksud, pelengkapan parameter, pembuatan API, dan eksekusi tugas.
Alur eksekusi: Pengenalan maksud → Pelengkapan parameter (meminta informasi yang kurang) → Konfirmasi (untuk operasi tulis) → Kirim dan eksekusi → Tampilkan hasil.
Contoh percakapan
User: Buat instans DSW dengan GPU A10 dan pasang set data nas-workspace.
Agent: Saya perlu beberapa detail—apa nama instans tersebut? Berapa lama harus berjalan?
User: demo-dev, 24 jam.
Agent: Instans DSW "demo-dev" (A10 × 1) telah dibuat. nas-workspace telah dipasang. Sedang startup—akan tersedia dalam sekitar 2 menit.
Tugas terjadwal dan notifikasi IM
Konfigurasikan tugas terjadwal melalui formulir untuk mengeksekusi operasi baca atau analisis secara otomatis pada interval tertentu. Lihat hasilnya di riwayat tugas, atau dorong ke grup DingTalk atau Lark melalui webhook.
Saat ini hanya operasi baca dan analisis yang didukung (menanyakan status, menghitung statistik penggunaan, peringatan inspeksi, dll.). Operasi tulis (buat, hapus, ubah) memerlukan konfirmasi dan belum dapat dieksekusi secara andal dalam jadwal, sehingga belum didukung.
Setelah dikonfigurasi, klik Run now untuk memverifikasi apakah output sesuai harapan sebelum mengaktifkan eksekusi terjadwal.
Konfigurasi tugas terjadwal
Buka halaman Scheduled Tasks.
Di pojok kanan atas, klik Create scheduled task.
Isi nama tugas, instruksi tugas, frekuensi pemicu (ekspresi cron atau pilihan UI), saluran notifikasi, URL webhook, dan deskripsi tugas (dalam bahasa alami).
Klik Run now untuk menguji dan memverifikasi.
Setelah diverifikasi, aktifkan eksekusi terjadwal.
Dapatkan webhook DingTalk: Pengaturan Grup → Robot → Tambah → Kustom (Webhook) → Salin URL-nya.
Tanya jawab cerdas dan diagnostik
Ajukan pertanyaan dalam bahasa alami. Agen menggunakan pengetahuan produk PAI dan konteks halaman saat ini untuk memberikan tanggapan instan guna mendiagnosis masalah, menjelaskan istilah, serta memberikan rekomendasi pemilihan.
Skenario yang didukung
|
Skenario |
Deskripsi |
|
Resource runtime diagnostics |
Kegagalan startup DSW, masalah koneksi SSH, antrian pekerjaan pelatihan yang panjang, kegagalan penerapan layanan EAS—secara otomatis mengidentifikasi akar penyebab dan menyediakan titik masuk perbaikan. |
|
Console error explanations |
Memberikan penjelasan dalam bahasa sederhana dan solusi untuk kesalahan yang muncul di popup Konsol. |
|
Product knowledge Q&A |
Penjelasan istilah secara Real-time, pertanyaan tentang batasan fitur, dan panduan jalur operasi. |
|
PPU specialized support |
Validasi lingkungan, rekomendasi image, dan rekomendasi model dari Model Gallery yang disesuaikan untuk PPU. |
|
Selection and solution recommendations |
Memberikan rekomendasi model, tipe instans, dan konfigurasi disagregasi PD berdasarkan skenario pelatihan atau inferensi. |
Kasus penggunaan
Administrator platform/sumber daya
Atur sumber daya kluster PAI, ruang kerja, dan infrastruktur secara global. Fokus pada pemanfaatan sumber daya, kesehatan kluster, izin, dan kuota.
|
Skenario |
Contoh percakapan atau operasi |
|
Resource inspection |
Periksa semua instans DSW di Wilayah Hangzhou. Tampilkan instans yang abnormal dan yang telah berjalan lebih dari 24 jam. |
|
Quota monitoring |
Tampilkan rasio penggunaan/teralokasi untuk semua kuota di Beijing. Sorot kuota dengan penggunaan di atas 80%. |
|
Node status inspection |
Periksa semua node Lingjun di Wilayah Ulanqab. Tampilkan node yang tidak dalam status Ready. |
|
Cluster capacity planning |
Hitung jumlah GPU tersedia dan rasio alokasi untuk setiap kelompok sumber daya di Wilayah Hangzhou. |
|
Member and permission management |
Tampilkan semua anggota di ruang kerja pai-prod dan distribusi perannya. |
|
Scheduled inspection alerts |
Konfigurasikan tugas terjadwal: periksa status instans dan kesehatan node di semua Wilayah setiap hari pukul 09.00. Kirim peringatan ke grup DingTalk. |
Insinyur algoritma/pelatih model
Menggunakan PAI setiap hari untuk pengembangan, pelatihan, dan penerapan model. Fokus pada efisiensi pengembangan dan stabilitas pelatihan.
|
Skenario |
Contoh percakapan atau operasi |
|
Quick development environment setup |
Buat mesin pengembangan single-GPU A10 dengan PyTorch yang telah terinstal. |
|
Batch training submission |
Klon dan kirim 3 pekerjaan pelatihan menggunakan dlcxxxxxx, dengan tingkat pembelajaran lr=0,01/0,001/0,0001 masing-masing. |
|
Training status query |
Di mana pekerjaan DLC saya dlc-abc123 di Hangzhou? Berapa loss saat ini? |
|
Dataset management |
Tampilkan set data yang dapat saya akses. Pasang nas-shared ke mesin pengembangan saya. |
|
Training log viewing |
Tampilkan 100 baris terakhir log dari worker-0 pada dlc-abc123. |
|
Training monitoring alerts |
Konfigurasikan tugas terjadwal: dorong kurva loss pekerjaan pelatihan ke grup Lark setiap 30 menit. |
Insinyur penerapan/inferensi model
Fokus pada penerapan layanan model EAS, operasi, dan optimalisasi performa.
|
Skenario |
Contoh percakapan atau operasi |
|
Service deployment |
Terapkan model xxx dari Model Gallery sebagai layanan EAS. |
|
Auto scaling configuration |
Sesuaikan kebijakan penskalaan untuk service-rec-001: scale out saat pemanfaatan GPU melebihi 70%, dengan maksimal 5 instans. |
|
Multi-version management |
Tampilkan versi layanan service-rec-001 saat ini. Arahkan 80% trafik ke v2. |
|
Service monitoring |
Periksa QPS dan latensi P99 untuk service-rec-001 dalam satu jam terakhir. |
|
Service health check |
Tampilkan semua layanan EAS dan sorot layanan dengan status abnormal. |
|
Service decommissioning |
Hentikan v1 dari service-rec-001. Pertahankan v2 dan v3. |
Manajer tim/pemilik biaya
Fokus pada biaya sumber daya, tren pemanfaatan, dan alokasi sumber daya tim dari perspektif manajemen. Tidak melakukan operasi langsung—penekanan pada wawasan data.
|
Skenario |
Contoh percakapan atau operasi |
|
GPU utilization weekly report |
Hitung rata-rata pemanfaatan GPU untuk semua kelompok sumber daya di Wilayah Hangzhou minggu ini. Urutkan berdasarkan kelompok sumber daya. |
|
Team resource consumption |
Urutkan durasi runtime instans DSW untuk semua anggota di ruang kerja pai-prod. |
|
Resource allocation comparison |
Bandingkan kuota sumber daya dan penggunaan aktual antara ruang kerja pai-dev dan pai-prod. |
|
Scheduled cost reports |
Konfigurasikan tugas terjadwal: dorong laporan pemanfaatan sumber daya dan biaya minggu lalu ke grup DingTalk setiap Senin pukul 09.00. |
FAQ
-
Modul PAI mana saja yang didukung?
Saat ini mendukung DSW, DLC, EAS, ruang kerja, dan manajemen sumber daya. Modul tambahan sedang dalam proses penambahan.
-
Wilayah mana saja yang didukung?
Layanan terpusat, terintegrasi dengan semua Wilayah dalam akun Anda. Tidak perlu berganti Wilayah satu per satu.
-
Operasi apa saja yang didukung oleh tugas terjadwal?
Hanya operasi baca dan analisis (kueri, statistik, inspeksi, dll.). Operasi tulis memerlukan konfirmasi dan belum didukung dalam skenario terjadwal.
-
Frekuensi apa saja yang didukung oleh tugas terjadwal?
Mendukung ekspresi cron. Konfigurasikan jadwal harian, mingguan, bulanan, atau lainnya. Frekuensi tertinggi adalah per jam.
-
Platform IM apa saja yang didukung oleh webhook?
Saat ini mendukung robot DingTalk dan Lark.
-
Apakah catatan percakapan disimpan?
Ya. Seluruh riwayat percakapan dapat diambil kembali untuk tinjauan operasi dan serah terima tim.
-
Apa perbedaannya dengan AI umum seperti ChatGPT?
Agentic PAI benar-benar dapat mengoperasikan sumber daya PAI (membuat instans, mengirim pekerjaan pelatihan, menerapkan layanan)—bukan hanya menyediakan dokumentasi atau potongan kode.
-
Bagaimana keamanannya dijamin?
Operasi tulis memerlukan konfirmasi eksplisit. Semua operasi diatur oleh izin pelaksana di Alibaba Cloud. Agen hanya dapat melakukan apa yang diizinkan oleh akun Anda.
Harga dan dukungan
Saat ini dalam pratinjau publik. Tim PAI menanggung biaya token usage—Anda tidak perlu membayar.
Setelah dikomersialkan, layanan ini akan dimasukkan ke dalam sistem penagihan PAI. Harga diperkirakan berdasarkan token usage atau langganan bulanan. Harga final akan diumumkan secara resmi.