การตั้งค่าการตรวจสอบ AI Relic AI ใหม่สำหรับแอปพลิเคชัน Deepseek นั้นเกี่ยวข้องกับขั้นตอนสำคัญหลายประการที่ช่วยให้คุณได้รับการมองเห็นที่ครอบคลุมในประสิทธิภาพคุณภาพและค่าใช้จ่ายของแอปพลิเคชัน AI ของคุณ นี่คือคำแนะนำโดยละเอียดเกี่ยวกับวิธีการตั้งค่า:
ขั้นตอนที่ 1: เครื่องมือแอปพลิเคชัน Deepseek ของคุณ
ในการเริ่มตรวจสอบแอปพลิเคชัน Deepseek ของคุณด้วย Relic ใหม่คุณต้องใช้เครื่องมือแอปพลิเคชันของคุณก่อน สิ่งนี้เกี่ยวข้องกับการรวมตัวแทนการตรวจสอบประสิทธิภาพการทำงานของแอปพลิเคชันใหม่ (APM) เข้ากับแอปพลิเคชันของคุณ เนื่องจาก Deepseek ใช้ API ที่เข้ากันได้กับ OpenAI คุณสามารถใช้ OpenAI SDK ในแอปพลิเคชันของคุณเพื่อการรวมที่ง่ายขึ้นกับ Relic ใหม่ [2]1. ลงชื่อสมัครใช้หรือเข้าสู่ระบบ: เริ่มต้นด้วยการสมัครใช้งานบัญชี Relic ใหม่หรือเข้าสู่ระบบหากคุณมีอยู่แล้ว
2. การรวมการเข้าถึงและตัวแทน: นำทางไปยังส่วนการรวมและตัวแทนในแดชบอร์ด Relic ใหม่ของคุณ
3. เลือก OpenAI Integration: ในแถบค้นหาพิมพ์ OpenAI และเลือก นี่เป็นเพราะโมเดล Deepseek เข้ากันได้กับ OpenAI API
4. เลือกภาษาการเขียนโปรแกรมของคุณ: เลือกภาษาการเขียนโปรแกรมที่ใช้โดยแอปพลิเคชันของคุณ (เช่น Python, node.js)
5. ทำตามคำแนะนำ onboarding: ทำตามกระบวนการ onboarding ที่มีการชี้นำโดยใหม่ที่เกี่ยวข้องกับเครื่องมือแอปพลิเคชันของคุณ กระบวนการนี้จะนำคุณผ่านการตั้งค่าการกำหนดค่าที่จำเป็นสำหรับการตรวจสอบ AI [2]
ขั้นตอนที่ 2: เข้าถึงการตรวจสอบ AI
เมื่อแอปพลิเคชันของคุณมีเครื่องมือคุณสามารถเริ่มใช้การตรวจสอบ AI Relic AI ใหม่:1. นำทางไปยังการตรวจสอบ AI: ไปที่ความสามารถทั้งหมดในแดชบอร์ด Relic ใหม่ของคุณและคลิกที่การตรวจสอบ AI
2. เลือกแอปพลิเคชันของคุณ: ในส่วนการตรวจสอบ AI ภายใต้เอนทิตีทั้งหมดให้เลือกแอปพลิเคชัน Deepseek ของคุณ (เช่น "Deepseek-Local") เพื่อดูข้อมูลประสิทธิภาพ [2]
ขั้นตอนที่ 3: ประเมินประสิทธิภาพคุณภาพและค่าใช้จ่าย
ด้วยการตั้งค่าแอปพลิเคชันของคุณตอนนี้คุณสามารถประเมินตัวชี้วัดที่สำคัญ:1. APM 360 สรุป: ดูสรุป APM 360 สำหรับข้อมูลเชิงลึกเกี่ยวกับตัวชี้วัดเช่นคำขอเวลาตอบสนองการใช้โทเค็นและอัตราความผิดพลาด สิ่งนี้จะช่วยระบุปัญหาได้อย่างรวดเร็ว [2]
2. มุมมองการติดตามลึก: คลิกที่การตอบสนอง AI ในบทสรุป APM 360 เพื่อดูการติดตามรายละเอียดจากการป้อนข้อมูลผู้ใช้ไปจนถึงการตอบกลับขั้นสุดท้ายรวมถึงข้อมูลเมตาเช่นการนับโทเค็นและข้อมูลรุ่น [2]
3. การประเมินคุณภาพแบบจำลอง: วิเคราะห์การตอบสนองแบบจำลองภาษาขนาดใหญ่ (LLM) เพื่อระบุปัญหาต่าง ๆ เช่นความเป็นพิษหรือการปฏิเสธแม้ว่าคุณลักษณะนี้จะอยู่ในตัวอย่างที่ จำกัด [2]
ขั้นตอนที่ 4: เปรียบเทียบโมเดล
ใหม่ของที่ระลึกช่วยให้คุณสามารถเปรียบเทียบโมเดล AI ที่แตกต่างกันเพื่อเพิ่มประสิทธิภาพและค่าใช้จ่าย:1. การเปรียบเทียบแบบจำลอง: ใช้ความสามารถในการเปรียบเทียบโมเดลของ RELIC ใหม่เพื่อประเมินว่าการสลับระหว่างโมเดลมีผลต่อประสิทธิภาพและค่าใช้จ่ายของแอปพลิเคชันของคุณอย่างไร สิ่งนี้ช่วยในการเลือกรุ่นที่เหมาะสมที่สุดสำหรับความต้องการของคุณ [3] [10]
ขั้นตอนที่ 5: ตรวจสอบความเป็นส่วนตัวและความปลอดภัยของข้อมูล
เพื่อปกป้องข้อมูลที่ละเอียดอ่อนคุณสามารถกำหนดค่าตัวกรอง Drop:1. สร้างตัวกรองดร็อป: นำทางไปยังตัวกรองดร็อปและสร้างตัวกรองเพื่อยกเว้นข้อมูลที่ละเอียดอ่อน (เช่นข้อมูลส่วนบุคคลที่สามารถระบุตัวตนได้) จากคำขอ AI และการตอบกลับของคุณ [2]
โดยทำตามขั้นตอนเหล่านี้คุณสามารถตั้งค่าการตรวจสอบ AI ที่เกี่ยวข้องใหม่ได้อย่างมีประสิทธิภาพสำหรับแอปพลิเคชัน Deepseek ของคุณได้รับข้อมูลเชิงลึกที่มีค่าเข้าสู่ประสิทธิภาพในขณะที่สร้างความมั่นใจในความเป็นส่วนตัวและความปลอดภัยของข้อมูล
การอ้างอิง:
[1] https://docs.newrelic.com/install/ai-monitoring/
[2] https://newrelic.com/blog/how-to-relic/deploy-deepseek-models-locally-and-monitor-with-new-relic-ai-monitoring
[3] https://cxotoday.com/press-release/new-relic-announces-the-ustrys-only-observability-integration-with-deepseek-to-accelerate-ai-adoption-and-roi/
[4] https://newrelic.com/blog/how-to-relic/ai-monitoring-for-nvidia-nim
[5] https://www.dqchannels.com/news/new-relic-introduces-observability-solution-for-deepseek-ai-monitoring-8689063
[6] https://newrelic.com/blog/how-to-relic/monitor-and-optimize-complex-web-apps-with-new-relic
[7] https://newrelic.com/blog/how-to-relic/ai-monitoring
[8] https://ecommercenews.com.au/story/new-relic-unveils-ai-monitoring-for-deepseek-applications
[9] https://docs.newrelic.com/docs/ai-monitoring/intro-to-ai-monitoring/
[10] https://newrelic.com/press-release/20250203