Devops景观的AI工具（II）

在之前的博客中（https://medium.com/@dirakx/ai-tools-for-devops-landscape-i-260df571bcf0），我分析了一些有趣的人工智能工具，这些工具专门应用于 Devops 领域，现在我打算分析更多的工具，没有任何意图告诉您该使用哪个工具或不使用，因为任何工具的应用都必须与您的具体需求相匹配。

数字人工智能Devops

我们的AI动力DevOps平台整合、保障并生成软件生命周期的预测洞察力，以提高业务价值。

数字化.ai 提出了一个解决方案，将人工智能应用于开发运维流程的大部分甚至全部步骤，从应用安全到交付和部署，他们没有提及与 Kubiya 或 Promptops 等平台的集成，但提供了一个定制化的解决方案，该方案在部署现代应用程序所需的每个步骤或组件中使用 AI，如应用安全、持续集成（持续测试）、持续交付（发布和部署管理）。这个解决方案是针对 devsecops 定向的，在 CI/CD 工作流程中听到这样的方案总是很好的。

Ituring Mlops (无法翻译，可能是专有名词)

部署、监控和管理机器学习模型，实现规模化的人工智能。

这是由CyborgIntell开发的专门用于机器学习的DevOps解决方案。他们提出将DevOps敏捷性引入机器学习中；该解决方案的有趣特点包括监测以防止人工智能故障、动态CI和为模型构建解决方案。

有一件事吸引了我的注意，那就是与其他在这里描述的工具相比，这个工具是从机器学习/人工智能的视角构建的，虽然您可能会认为这个特定方案可能缺少一些DevOps通用组件。

奖金（其他工具需要查看）

其他值得关注和使用的DevOps-AI工具包括:

Pagerduty人工智能运维
Dynatrace Davis
Datadog APM
I'm sorry, there is no English text provided to be translated into Simplified Chinese. Please provide the text that needs to be translated.

作为个人笔记，我已经使用过Datadog的APM工具来监控Java应用程序，使用terraform进行初始设置并且结果很惊人，能够非常清楚地观测到可能的Java代码故障。不过需要注意的是，Datadog的成本并不是适合每个人或每种情况的。