검색

3.4. 사용자 정의 모델 구성

download PDF

조직 관리자는 조직의 기존 Ansible 콘텐츠를 교육한 세분화된 사용자 지정 모델을 생성하고 사용할 수 있습니다. 이 기능을 사용하면 조직의 자동화 패턴에 대한 모델을 조정하고 코드 권장 환경을 개선할 수 있습니다.

사용자 지정 모델을 생성한 후 다음 액세스 유형 중 하나를 지정할 수 있습니다.

  • 조직의 모든 사용자에 대한 액세스 활성화

    사용자 지정 모델을 조직의 기본 모델로 구성할 수 있습니다. 조직의 모든 사용자가 사용자 지정 모델을 사용할 수 있습니다.

  • 조직에서 선택한 Ansible 사용자에 대한 액세스 활성화

    Ansible VS Code 확장의 model-override 설정을 사용하여 Ansible 사용자가 기본 모델 대신 사용자 지정 모델을 사용하도록 Ansible Lightspeed 서비스를 조정할 수 있습니다.

3.4.1. 사용자 지정 모델 구성 프로세스

사용자 지정 모델을 구성하려면 다음 작업을 수행합니다.

3.4.2. 콘텐츠 구문 분석 툴을 사용하여 교육 데이터 세트 생성

CLI(명령줄 인터페이스) 툴인 콘텐츠 구문 분석 도구를 사용하여 기존 Ansible 파일을 스캔하고 사용자 지정 모델 교육 데이터 세트를 생성합니다. 교육 데이터 세트에는 Ansible 파일 목록과 프로젝트 루트와 관련된 해당 경로가 포함됩니다. 그런 다음 이 데이터 세트를 IBM watsonx Code Assistant에 업로드하고 이를 사용하여 조직의 기존 Ansible 콘텐츠에서 학습한 사용자 지정 모델을 만들 수 있습니다.

3.4.2.1. 학습 데이터 세트를 생성하는 방법

다음 방법 중 하나를 사용하여 학습 데이터 세트를 생성할 수 있습니다.

  • ansible-lint 사전 처리 사용

    기본적으로 콘텐츠 구문 분석 툴에서는 ansible-lint 사전 처리를 사용하여 학습 데이터 세트를 생성합니다. 콘텐츠 구문 분석 툴에서는 ansible-lint 규칙을 사용하여 Ansible 파일을 스캔하고 콘텐츠가 Ansible 모범 사례를 준수하는지 확인합니다. 규칙 위반이 발견되면 콘텐츠 구문 분석 툴에서 생성된 출력에서 이러한 파일을 제외합니다. 이러한 시나리오에서는 규칙 위반을 해결하고 생성된 출력에 모든 Ansible 파일이 포함되도록 콘텐츠 구문 분석 툴을 다시 실행해야 합니다.

  • ansible-lint 사전 처리 없음

    ansible-lint 사전 처리 없이 학습 데이터 세트를 생성할 수 있습니다. 이 방법에서는 콘텐츠 구문 분석기 툴에서 ansible-lint 규칙 위반에 대해 Ansible 파일을 검사하지 않으므로 교육 데이터 세트에는 모든 파일이 포함됩니다. 교육 데이터 세트에는 모든 파일이 포함되어 있지만 Ansible 모범 사례를 준수하지 않을 수 있으며 코드 권장 환경의 품질에 영향을 미칠 수 있습니다.

3.4.2.2. 지원되는 데이터 소스

콘텐츠 구문 분석기 툴에서는 다음 디렉터리 및 파일 형식을 검사합니다.

  • 로컬 디렉터리
  • 아카이브된 파일(예: .zip,.tar,.tar.gz,.tar.bz2, .tar.xz 파일)
  • Git 리포지토리 URL(개인 리포지토리 및 공용 리포지토리 모두 포함)

3.4.2.3. 학습 데이터 세트 생성 프로세스

사용자 지정 모델 교육 데이터 세트를 생성하려면 다음 작업을 수행합니다.

  1. 컴퓨터에 콘텐츠 구문 분석 툴 설치
  2. 사용자 정의 모델 교육 데이터 세트 생성
  3. 생성된 교육 데이터 세트 보기
  4. (선택 사항: ansible-lint 사전 처리 및 감지된 ansible-lint 규칙 위반을 사용하여 교육 데이터 세트를 생성한 경우) ansible-lint 규칙 위반 해결
  5. (선택 사항: 여러 학습 데이터 세트를 생성한 경우 ) 여러 학습 데이터 세트를 단일 JSONL 파일로생성

3.4.2.4. 콘텐츠 구문 분석 도구 설치

컴퓨터에 CLI(명령줄 인터페이스) 툴인 콘텐츠 구문 분석 도구를 설치합니다.

사전 요구 사항

컴퓨터에 다음 지원되는 OS 중 하나가 있는지 확인합니다.

  • Python 버전 3.10 이상
  • Linux 또는 Mac OS와 같은 UNIX OS.

    참고

    Microsoft Windows OS에 콘텐츠 구문 분석 도구 설치는 지원되지 않습니다.

    프로세스

    1. 작업 디렉터리를 생성하고 venv Python 가상 환경을 설정합니다.

      $ python -m venv ./venv

      $ source ./venv/bin/activate

    2. pip 리포지토리에서 최신 버전의 콘텐츠 구문 분석 툴을 설치합니다.

      $ pip install --upgrade pip

      $ pip install --upgrade ansible-content-parser

    3. 다음 작업 중 하나를 수행합니다.

      • ansible-lint 사전 처리 없이 교육 데이터 세트를 생성하려면 사용자 지정 모델 교육 데이터 세트 생성 섹션으로 이동하십시오.
      • ansible-lint 사전 처리를 사용하여 교육 데이터 세트를 생성하려면 최신 버전의 ansible-lint가 컴퓨터에 설치되어 있어야 합니다.

        1. 컴퓨터에 설치된 ansible-lint 버전을 확인합니다.

          $ Ansible-content-parser --version

          $ Ansible-lint --version

          애플리케이션 버전 및 해당 종속 항목 목록이 표시됩니다.

        2. 출력에서 콘텐츠 구문 분석 툴을 사용하여 설치된 ansible-lint 버전이 이전에 설치한 ansible-lint의 버전과 같은지 확인합니다. 설치된 ansible-lint 버전에 일치하지 않으면 콘텐츠 구문 분석 도구 및 ansible-lint와 일치하지 않는 결과가 발생합니다.

          예를 들어 다음 출력에서 콘텐츠 구문 분석 도구 설치에는 이전에 설치한 ansible-lint 버전 6.13.1과 일치하지 않는 ansible-lint 버전 6.20.0이 포함됩니다.

          $ ansible-content-parser --version
          ansible-content-parser 0.0.1 using ansible-lint:6.20.0 ansible-core:2.15.4
          $ ansible-lint --version
          ansible-lint 6.13.1 using ansible 2.15.4
          A new release of ansible-lint is available: 6.13.1  6.20.0
        3. ansible-lint 버전에 일치하지 않는 경우 venv Python 가상 환경을 비활성화하고 다시 활성화합니다.

          $ 비활성화

          $ source ./venv/bin/activate

        4. 콘텐츠 구문 분석 툴을 사용하여 설치된 ansible-lint 버전이 이전에 설치한 ansible-lint 버전과 같은지 확인합니다.

          $ Ansible-content-parser --version

          $ Ansible-lint --version

          예를 들어 다음 출력은 컴퓨터에 있는 두 ansible-lint 설치가 버전 6.20.0임을 보여줍니다.

          $ ansible-content-parser --version
          ansible-content-parser 0.0.1 using ansible-lint:6.20.0 ansible-core:2.15.4
          $ ansible-lint --version
          ansible-lint 6.20.0 using ansible-core:2.15.4
          ansible-compat:4.1.10 ruamel-yaml:0.17.32 ruamel-yaml-clib:0.2.7

3.4.2.5. 사용자 정의 모델 교육 데이터 세트 생성

콘텐츠 구문 분석 도구를 설치한 후 이를 실행하여 사용자 지정 Ansible 파일을 스캔하고 사용자 지정 모델 교육 데이터 세트를 생성합니다. 그런 다음 교육 데이터 세트를 IBM watsonx Code Assistant에 업로드하고 조직에 대한 사용자 지정 모델을 만들 수 있습니다. ansible-lint 사전 처리 및 규칙 위반이 발생한 경우 IBM watsonx Code Assistant에 설정된 교육 데이터를 업로드하기 전에 규칙 위반을 확인해야 합니다.

3.4.2.5.1. 학습 데이터 세트를 생성하는 방법

다음 방법 중 하나를 사용하여 학습 데이터 세트를 생성할 수 있습니다.

  • ansible-lint 사전 처리 사용

    기본적으로 콘텐츠 구문 분석 툴에서는 ansible-lint 사전 처리를 사용하여 학습 데이터 세트를 생성합니다. 콘텐츠 구문 분석 툴에서는 ansible-lint 규칙을 사용하여 Ansible 파일을 스캔하고 콘텐츠가 Ansible 모범 사례를 준수하는지 확인합니다. 규칙 위반이 발견되면 콘텐츠 구문 분석 툴에서 생성된 출력에서 이러한 파일을 제외합니다. 이러한 시나리오에서는 규칙 위반을 해결하고 생성된 출력에 모든 Ansible 파일이 포함되도록 콘텐츠 구문 분석 툴을 다시 실행해야 합니다.

  • ansible-lint 사전 처리 없음

    ansible-lint 사전 처리 없이 학습 데이터 세트를 생성할 수 있습니다. 이 방법에서는 콘텐츠 구문 분석기 툴에서 ansible-lint 규칙 위반에 대해 Ansible 파일을 검사하지 않으므로 교육 데이터 세트에는 모든 파일이 포함됩니다. 교육 데이터 세트에는 모든 파일이 포함되어 있지만 Ansible 모범 사례를 준수하지 않을 수 있으며 코드 권장 환경의 품질에 영향을 미칠 수 있습니다.

사전 요구 사항

  • 컴퓨터에 콘텐츠 구문 분석 도구를 설치해야 합니다.
  • 콘텐츠 구문 분석 툴을 사용하여 설치된 ansible-lint 버전이 이전에 설치된 ansible-lint 버전과 동일한지 확인해야 합니다.

프로세스

  1. 콘텐츠 구문 분석 도구를 실행하여 학습 데이터 세트를 생성합니다.

    • ansible-lint 사전 처리 사용: $ ansible-content-parser 소스 출력
    • ansible-lint 사전 처리 없음: $ ansible-content-parser 소스 출력 -S

      다음 표에는 필요한 매개변수가 나열되어 있습니다.

      매개변수설명

      소스

      학습 데이터 세트의 소스를 지정합니다.

      출력

      학습 데이터 세트의 출력을 지정합니다.

      - s 또는 --skip-ansible-lint

      training 데이터 세트를 생성하는 동안 ansible-lint 사전 처리를 건너뛰도록 지정합니다.

    예: 소스가 Github URL https://github.com/ansible/ansible-tower-samples.git 이고 출력 디렉터리가 /tmp/out 인 경우 명령 프롬프트는 다음과 같습니다.
    $ ansible-content-parser https://github.com/ansible/ansible-tower-samples.git /tmp/out

  2. 선택 사항: 추가 정보가 포함된 교육 데이터 세트를 생성하려면 콘텐츠 구문 분석 도구를 실행하는 동안 다음 매개변수를 지정합니다.

    매개변수설명

    --source-license

    교육 데이터 세트에 소스 디렉터리의 라이센싱 정보를 포함하도록 지정합니다.

    --source-description

    학습 데이터 세트에 소스 디렉터리의 설명을 포함하도록 지정합니다.

    --repo-name

    학습 데이터 세트에 리포지토리 이름을 포함하도록 지정합니다. 리포지토리 이름을 지정하지 않으면 콘텐츠 구문 분석 도구가 소스 이름에서 자동으로 생성합니다.

    --repo-url

    학습 데이터 세트에 리포지토리 URL을 포함하도록 지정합니다. 리포지토리 URL을 지정하지 않으면 콘텐츠 구문 분석 도구가 소스 URL에서 자동으로 생성합니다.

    -v 또는 --verbose

    콘솔 로깅 정보를 표시합니다.

    Github 리포지토리 ansible-tower-samples에 대한 명령 프롬프트의 예

    $ ansible-content-parser --profile min \
    --source-license undefined \
    --source-description Samples \
    --repo-name ansible-tower-samples \
    --repo-url 'https://github.com/ansible/ansible-tower-samples' \
    git@github.com:ansible/ansible-tower-samples.git /var/tmp/out_dir

    Github 리포지토리에 대해 생성된 교육 데이터 세트의 예 ansible-tower-samples

    교육 데이터 세트는 명령줄 JSON 처리 도구인 Jeff Goldblum(jg)으로 포맷됩니다.

    $ cat out_dir/ftdata.jsonl| jq
    {
    "data_source_description": "Samples",
    "input": "---\n- name: Hello World Sample\n hosts: all\n tasks:\n - name: Hello Message",
    "license": "undefined",
    "module": "debug",
    "output": " debug:\n msg: Hello World!",
    "path": "hello_world.yml",
    "repo_name": "ansible-tower-samples",
    "repo_url": "https://github.com/ansible/ansible-tower-samples"
    }

3.4.2.6. 생성된 교육 데이터 세트 보기

콘텐츠 구문 분석기 툴에서 Ansible 파일을 스캔하면 출력 디렉터리에 교육 데이터 세트가 생성됩니다. 교육 데이터 세트에는 콘텐츠 구문 분석 도구의 주요 출력인 ftdata.jsonl 파일이 포함되어 있습니다. 파일은 JSON 라인 파일 형식으로 사용할 수 있으며 각 줄 항목은 JSON 오브젝트를 나타냅니다. 사용자 지정 모델을 생성하려면 이 JSONL 파일을 IBM watsonx Code Assistant에 업로드해야 합니다.

3.4.2.6.1. 사용자 지정 모델 교육 데이터 세트 구조

다음은 출력 디렉터리의 파일 구조입니다.

output/
  |-- ftdata.jsonl  # Training dataset 1
  |-- report.txt   # A human-readable report 2
  |
  |-- repository/ 3
  |     |-- (files copied from the source repository)
  |
  |-- metadata/ 4
        |-- (metadata files generated during the execution)

다음과 같습니다.

1
ftdata.jsonl: 콘텐츠 구문 분석 도구의 주요 출력인 교육 데이터 세트 파일입니다. 파일은 JSON 라인 파일 형식으로 사용할 수 있으며 각 줄 항목은 JSON 오브젝트를 나타냅니다. 사용자 지정 모델을 생성하려면 이 JSONL 파일을 IBM watsonx Code Assistant에 업로드해야 합니다.
2
report.txt: 모든 콘텐츠 구문 분석 도구 실행에 대한 요약을 제공하는 사람이 읽을 수 있는 텍스트 파일입니다.
3
리포지토리: 소스 리포지토리의 파일이 포함된 디렉터리입니다. ansible-lint는 구성된 규칙에 따라 디렉터리를 업데이트하므로 출력 디렉터리의 파일 내용이 소스 리포지토리와 다를 수 있습니다.
4
metadata: 각 콘텐츠 구문 분석 도구 실행 중에 생성되는 여러 메타데이터 파일이 포함된 디렉터리입니다.
3.4.2.6.1.1. report.txt 파일을 사용하여 ansible-lint 규칙 위반 확인

ansible-lint 규칙 위반을 해결하는 데 사용할 수 있는 report.txt 파일에는 다음 정보가 포함됩니다.

  • 유형당 파일 수: 플레이북, 작업, 핸들러, jinja2와 같은 파일 유형에 따라 파일 목록.
  • 확인된 Ansible 파일 목록: 파일 이름, 파일 유형, 파일이 추가 처리에서 제외되었는지 또는 ansible-lint에 의해 자동으로 수정된 파일 목록입니다.
  • 작업에 있는 Ansible 모듈 목록: 모듈 이름, 모듈 유형, 파일이 추가 처리에서 제외되었는지 또는 ansible-lint에 의해 자동으로 수정된 모듈 목록입니다.
  • ansible-lint에서 발견된 문제: ansible-lint 실행 결과에 대한 간략한 요약과 함께 문제 목록입니다. ansible-lint가 첫 번째 실행에 구문 검사 오류가 있는 파일이 발생하면 두 번째 실행을 시작하고 검사에서 오류가 있는 파일을 제외합니다. 이 정보를 사용하여 ansible-lint 규칙 위반을 해결할 수 있습니다.

3.4.2.7. ansible-lint 규칙 위반 해결

기본적으로 콘텐츠 구문 분석 툴에서는 ansible-lint 규칙을 사용하여 Ansible 파일을 스캔하고 콘텐츠가 Ansible 모범 사례를 준수하는지 확인합니다. 규칙 위반이 발견되면 콘텐츠 구문 분석 툴에서 생성된 출력에서 이러한 파일을 제외합니다. 이러한 시나리오에서는 교육 데이터를 IBM watsonx Code Assistant로 업로드하기 전에 규칙 위반으로 파일을 수정하는 것이 좋습니다.

기본적으로 ansible-lint는 Ansible 파일을 검사하는 동안 ansible-lint/src/ansiblelint/rules 에 구성된 규칙을 적용합니다. ansible-lint 규칙에 대한 자세한 내용은 Ansible Lint 설명서 를 참조하십시오.

3.4.2.7.1. 콘텐츠 구문 분석기 툴에서 규칙 위반을 어떻게 처리합니까?
  • 자동 수정 사용

    콘텐츠 구문 분석기 툴은 --fix=all 옵션과 함께 ansible-lint를 실행하여 자동 수정을 수행하여 해당 규칙으로 식별된 문제를 수정하거나 단순화할 수 있습니다.

    ansible-lint가 관련 자동 수정이 있는 규칙 위반을 식별하는 경우 규칙을 위반하는 문제를 자동으로 수정하거나 단순화합니다. ansible-lint가 연결된 자동 수정 기능이 없는 규칙 위반을 식별하는 경우 이러한 인스턴스를 수동으로 수정해야 하는 규칙 위반으로 보고합니다. 자동 수정에 대한 자세한 내용은 Ansible Lint 문서의 자동 수정 문서를 참조하십시오.

  • syntax-checks 사용

    Ansible-lint는 Ansible 파일을 스캔하는 동안 구문 검사도 수행합니다. syntax-check 오류가 발견되면 ansible-lint에서 파일 처리를 중지합니다. syntax-check 오류에 대한 자세한 내용은 Ansible Lint 설명서의 syntax-check 를 참조하십시오.

    콘텐츠 구문 분석 도구는 다음과 같은 방식으로 구문 검사 규칙 위반을 처리합니다.

    • ansible-lint의 첫 번째 실행에서 syntax-check 오류가 발견되면 콘텐츠 구문 분석 툴에서 규칙 위반이 포함된 파일 목록을 생성합니다.
    • ansible-lint의 첫 번째 실행에서 하나 이상의 syntax-check 오류가 발견되면 콘텐츠 구문 분석 툴에서 ansible-lint를 다시 실행하지만 syntax-check 오류가 있는 파일을 제외합니다. 검사가 완료되면 콘텐츠 구문 분석 툴에서 규칙 위반이 포함된 파일 목록을 생성합니다. 목록에는 구문 확인 오류와 기타 규칙 위반을 초래한 모든 파일이 포함됩니다. 콘텐츠 구문 분석기 도구는 향후 모든 검사에서 규칙 위반이 있는 파일을 제외하고 최종 교육 데이터 세트에는 제외된 파일의 데이터가 포함되지 않습니다.

프로세스

다음 방법 중 하나를 사용하여 ansible-lint 규칙 위반을 해결합니다.

  • --no-exclude 옵션을 사용하여 콘텐츠 구문 분석 툴을 실행합니다.

    구문 검사 오류를 포함한 규칙 위반이 발견되면 오류와 함께 실행이 중단되고 학습 데이터 세트가 생성되지 않습니다.

  • ansible-lint가 --profile 옵션으로 데이터를 검사하는 데 사용하는 규칙 세트를 제한합니다.

    규칙 위반으로 파일을 수정하는 것이 좋습니다. 그러나 소스 파일을 수정하지 않으려면 ansible-lint에서 데이터를 검사하는 데 사용하는 규칙 세트를 제한할 수 있습니다. ansible-lint가 데이터를 검사하는 데 사용하는 규칙 세트를 제한하려면 사전 정의된 프로필(예: min,basic,moderate,safety,shared 또는 production 프로필)을 사용하거나 ansible-lint 구성 파일을 사용하여 --profile 옵션을 지정합니다. 자세한 내용은 Ansible Lint 설명서 를 참조하십시오.

  • ansible-lint preprocessing을 건너뛰어 콘텐츠 구문 분석 툴을 실행합니다.

    ansible-lint 사전 처리 없이 콘텐츠 구문 분석기를 실행할 수 있습니다. 콘텐츠 구문 분석 툴에서는 ansible-lint 규칙 위반을 검사하지 않고 교육 데이터 세트를 생성합니다.

    ansible-lint 사전 처리 없이 콘텐츠 구문 분석 도구를 실행하려면 다음 명령을 실행합니다.
    $ ansible-content-parser 소스 출력 -S

    다음과 같습니다.

    • Source: training 데이터 세트의 소스를 지정합니다.
    • output: training 데이터 세트의 출력을 지정합니다.
    • - s 또는 --skip-ansible-lint: 교육 데이터 세트를 생성하는 동안 ansible-lint 사전 처리를 건너뛰도록 지정합니다.

3.4.2.8. 여러 학습 데이터 세트를 단일 파일에 병합

모든 실행에 대해 콘텐츠 구문 분석 도구는 사용자 지정 모델을 생성하기 위해 IBM watsonx Code Assistant에 업로드하는 ftdata.jsonl 이라는 교육 데이터 세트 JSONL 파일을 생성합니다. 콘텐츠 구문 분석기 도구가 여러 번 실행되면 여러 JSONL 파일이 생성됩니다. IBM watsonx Code Assistant는 단일 JSONL 파일 업로드만 지원합니다. 따라서 JSONL 파일이 여러 개인 경우 연결된 단일 파일에 병합해야 합니다. 상위 디렉터리 내의 여러 하위 디렉터리에서 생성된 여러 JSONL 파일을 단일 파일에 병합할 수도 있습니다.

프로세스

  1. 명령 프롬프트를 사용하여 상위 디렉터리로 이동합니다.
  2. 다음 명령을 실행하여 연결된 단일 파일을 생성합니다.
    find . -name ftdata.json | xargs cat > concatenated.json
  3. 선택 사항: 쉽게 식별할 수 있도록 연결된 파일의 이름을 변경합니다.

이제 병합된 JSONL 파일을 IBM watsonx Code Assistant에 업로드하고 사용자 지정 모델을 생성할 수 있습니다.

3.4.3. IBM watsonx Code Assistant에서 사용자 지정 모델 생성 및 배포

콘텐츠 구문 분석기 툴에서 사용자 지정 모델 교육 데이터 세트를 생성한 후 JSONL 파일 ftdata.jsonl 을 IBM watsonx Code Assistant에 업로드하고 조직에 대한 사용자 지정 모델을 생성합니다.

중요

IBM watsonx Code Assistant는 교육 데이터 세트의 크기에 따라 사용자 지정 모델을 생성하는 데 몇 시간이 걸릴 수 있습니다. 사용자 지정 모델 생성 상태에 대해 IBM Tuning Studio를 계속 모니터링해야 합니다.

IBM watsonx Code Assistant에서 사용자 지정 모델을 생성하고 배포하는 방법에 대한 자세한 내용은 IBM watsonx Code Assistant 설명서를 참조하십시오.

3.4.4. 사용자 지정 모델을 사용하도록 Red Hat Ansible Lightspeed 구성

IBM watsonx Code Assistant에서 사용자 지정 모델을 생성하고 배포한 후 조직에 사용자 지정 모델을 사용할 수 있도록 Red Hat Ansible Lightspeed를 구성해야 합니다.

사용자 지정 모델을 사용하여 다음 구성 중 하나를 지정할 수 있습니다.

  • 조직의 모든 사용자에 대한 액세스 활성화

    사용자 지정 모델을 조직의 기본 모델로 구성할 수 있습니다. 조직의 모든 사용자가 사용자 지정 모델을 사용할 수 있습니다.

  • 조직에서 선택한 Ansible 사용자에 대한 액세스 활성화

    Ansible VS Code 확장의 model-override 설정을 사용하여 Ansible 사용자가 기본 모델 대신 사용자 지정 모델을 사용하도록 Ansible Lightspeed 서비스를 조정할 수 있습니다.

3.4.4.1. 조직의 모든 Ansible 사용자에 대한 사용자 지정 모델 구성

조직의 모든 사용자가 사용자 지정 모델을 사용할 수 있도록 사용자 지정 모델을 조직의 기본 모델로 구성할 수 있습니다.

프로세스

  1. IBM watsonx Code Assistant Hybrid Cloud Console을 조직 관리자로 사용하여 Ansible Lightspeed 에 로그인합니다.
  2. 사용자 지정 모델의 모델 ID를 지정합니다.

    1. 모델 설정을 클릭합니다.
    2. 모델 ID 에서 모델 ID 추가 를 클릭합니다. 모델 ID 에 들어갈 화면이 표시됩니다.
    3. 사용자 지정 모델의 모델 ID 를 입력합니다.
    4. 선택 사항: 테스트 모델 ID 를 클릭하여 모델 ID의 유효성을 검사합니다.
    5. 저장을 클릭합니다.

3.4.4.2. 조직에서 선택한 Ansible 사용자에 대한 사용자 지정 모델 구성

Ansible VS Code 확장의 model-override 설정을 사용하여 Ansible 사용자가 기본 모델 대신 사용자 지정 모델을 사용하도록 Ansible Lightspeed 서비스를 조정할 수 있습니다. 예를 들어, 조직 관리자와 최종 사용자 모두 Red Hat Ansible Lightspeed를 사용하는 경우 조직의 모든 사용자가 사용할 수 있도록 하기 전에 선택한 Ansible 사용자에 대한 사용자 지정 모델을 테스트할 수 있습니다.

프로세스

  1. Red Hat 계정을 사용하여 VS Code 애플리케이션에 로그인합니다.
  2. 활동 표시줄에서 확장 아이콘 Extensions 을 클릭합니다.
  3. Installed Extensions 목록에서 Ansible 을 선택합니다.
  4. Ansible 확장 페이지에서 설정 아이콘을 클릭하고 확장 설정을 선택합니다.
  5. 설정 목록에서 Ansible Lightspeed 를 선택합니다.
  6. 모델 ID 덮어쓰기 필드에 사용자 지정 모델의 모델 ID를 입력합니다.

    설정이 VS Code에 자동으로 저장되므로 이제 사용자 지정 모델을 사용할 수 있습니다.

Red Hat logoGithubRedditYoutubeTwitter

자세한 정보

평가판, 구매 및 판매

커뮤니티

Red Hat 문서 정보

Red Hat을 사용하는 고객은 신뢰할 수 있는 콘텐츠가 포함된 제품과 서비스를 통해 혁신하고 목표를 달성할 수 있습니다.

보다 포괄적 수용을 위한 오픈 소스 용어 교체

Red Hat은 코드, 문서, 웹 속성에서 문제가 있는 언어를 교체하기 위해 최선을 다하고 있습니다. 자세한 내용은 다음을 참조하세요.Red Hat 블로그.

Red Hat 소개

Red Hat은 기업이 핵심 데이터 센터에서 네트워크 에지에 이르기까지 플랫폼과 환경 전반에서 더 쉽게 작업할 수 있도록 강화된 솔루션을 제공합니다.

© 2024 Red Hat, Inc.