 O GitLab é a plataforma mais abrangente de inteligência artificial PowerDevSecOps. Estamos ansiosos para mostrar como o poder da nossa plataforma. Ajudará você a construir, proteger e implantar softwares mais rápido. Vamos analisar o site de um de nossos clientes, que consolida perguntas frequentes sobre um prestador de serviços financeiros. Esta lista de perguntas frequentes ficou bastante extensa e as informações que ela contém. Abordam outros tipos de perguntas, que não sejam frequentes, mas que seriam fáceis de responder e a experiência do cliente está sendo impactada por isso. A gerência dessa empresa de serviços financeiros optou por fazer sua equipe usar o GitLab. Para melhorar e automatizar a experiência das perguntas frequentes, vamos analisar. Primeiro, começamos usando os recursos de planejamento do GitLab. Aqui, vemos como a equipe responsável por essas melhorias tem colaborado para desenvolver e chegar a uma solução a mais rápida possível para entregar ao usuário final. A equipe decide usar inteligência artificial para substituir as perguntas frequentes por um chatbot, que poderá responder usando uma linguagem natural. Eles criarão a solução usando a plataforma inteligência artificial PowerDoGitLab. Assim que a gerência de produtos concordou com a solução, eles passaram a trabalhar com a equipe de DevOps para iniciar. Aqui vemos que quando um desenvolvedor se envolve na discussão, ele não precisa ler toda a discussão, pois o GitLab usa os recursos de inteligência artificial para automaticamente resumir todas essas informações e mostrar o que ele precisa para entender o contexto e começar a trabalhar na solução rapidamente. Agora que o desenvolvedor sabe o que precisa ser implementado, ele usa o GitLab ID e para começar a codificar a solução, graças a essas sugestões, ele não precisa gastar tempo escrevendo códigos clichês, há sugestões de código. Do GitLab permitem adicionar alterações rapidamente para ser mais produtivo. Se quiser adicionar a função do arquivo de configuração do chatbot, ele seleciona um modelo, escreve o que precisa fazer, usando uma linguagem natural e recebe a sugestão de um código para fazer isso. Ele solicita que a equipe adicione o código gerado pela inteligência artificial e aplica essas mudanças. Vemos que as alterações adicionadas desencadearam um pipeline de integração contínua que verifica a qualidade e segurança da contribuição de código, garantindo que não sejam introduzidas vulnerabilidades ou afete a qualidade da base do código, ou seja, da solução. É sempre bom manter um olho humano no processo para eventuais otimizações do código. O desenvolvedor precisará que este código seja revisado por outro membro da equipe. No entanto, pode ser desafiador encontrar a pessoa certa. Felizmente para este desenvolvedor, o GitLab recomendou um conjunto de revisores com machine learning e os revisores sugeridos são pessoas com o conhecimento e experiências adequados para revisar o código. Isso ajuda ao desenvolvedor a economizar tempo para encontrar a pessoa certa. O revisor sugerido adiciona a revisão em seus comentários. Nesse caso, ele aponta que não tem nenhum teste associado à função adicionada ao código. Os revisores que não foram testados não podem fazer parte da solução. O revisor sugere que o desenvolvedor use testes gerados por inteligência artificial. Após a revisão, Delaney, a revisora indicada, usa inteligência artificial no GitLab para reagrupar comentários e feedback. O revisor sugere que o desenvolvedor use testes gerados por inteligência artificial e, após a revisão, a Delaney, como revisora indicada, usa inteligência artificial no GitLab para reagrupar comentários e feedback e dados para o desenvolvedor. Assim, o código muda, isso permitirá que ele entenda rapidamente o que precisa ser melhorado. Ele pode entender rapidamente o que precisa ser melhorado ao ler o resumo da inteligência artificial. Mas há algo de que ele não tem certeza. Com o usar o teste gerado pela inteligência artificial mencionado na revisão do código, ele não precisará sair do GitLab para fazer isso. Basta usar o chatbot do GitLab, que permite fazer perguntas em linguagem natural. Nesse caso, ele pergunta como alavancar recursos automatizados de teste de código com a ajuda da inteligência artificial. Vemos que ele acerta a resposta na experiência do GitLab. Isso economiza tempo ao não forçar a mudança de contexto, tendo que deixar a ferramenta para buscar a resposta em outro lugar, além de permitir manter o foco. Agora ele sabe como usar a inteligência artificial para gerar o teste ausente e pode colocar as instruções dadas pelo GitLab inteligência artificial passo a passo. Vamos lá! Podemos ver que o código de teste foi gerado. Parece bom. Agora o desenvolvedor tem tudo o que precisa para seguir o feedback e fazer mudanças no código para encontrar a solução e substituir a longa perguntas frequentes no site. Como os scanners do GitLab notificaram a presença de vulnerabilidades no código, ele usará o GitLab IDEI para adicionar o teste gerado pela inteligência artificial e remover a vulnerabilidade do código. Vemos que essa contribuição melhorada executa o pipeline de integração contínua. Quando isso foi feito, foi fácil remover a vulnerabilidade e adicionar os testes gerados pela inteligência artificial. Não só ajudou o desenvolvedor a economizar tempo, mas também garantiu que a solução compilada permanecesse segura. Lembre-se de que os problemas de segurança fazem manchetes, mas graças à abordagem de segurança e privacidade do GitLab, isso pode ser evitado, já que não temos mais erros. Vamos mesclar essa contribuição na base do código principal e usá-lo para gerar e entregar a solução das perguntas frequentes à produção. Você ia aí e o CD do GitLab cuida de todas as etapas para construir o app, testá-lo, verificar se vulnerabilidades de segurança estão sendo introduzidas e, finalmente, implantar o aplicativo para os usuários finais poderem se beneficiar disso imediatamente. Ao abrir o trabalho de implantação, um URL é criado com o aplicativo de ajuda de tarefas do GitLab para compilar, testar e implantar. Vamos clicar nele. E aqui está. Esta é uma solução de chatbot criada com a ajuda do GitLab. A solução usa um grande modelo de linguagem capaz de entender a linguagem natural e responder às consultas dos clientes. Vamos adicionar uma pergunta para testar. Parece uma resposta sólida. Agora vamos testar com uma das perguntas frequentes. Aqui vemos passo a passo como conseguir isso. Aquelas listas imensas de perguntas frequentes ficaram para trás. Nossa solução foi desenvolvida de forma segura graças ao GitLab. Por fim, não podemos melhorar o que não podemos medir. Como o GitLab é um aplicativo único, ele consegue medir o ciclo de vida de DevOps de software de ponta a ponta e ajuda a identificar áreas de melhoria. A análise de fluxo de valor. Médio tempo que leva para ir do planejamento ao monitoramento. De cada projeto do nosso portfólio. Ajudamos as equipes a entregar software melhor e mais rápido aos clientes ao oferecer uma visão unificada entre fluxos de valor e métricas de entrega do software. Graças a plataforma de inteligência artificial Power do GitLab, este cliente lançou o chatbot do seu site para o mercado de forma rápida e segura, permitindo a eles ficarem à frente da concorrência.