Déploiements blue-green et canary pour les agents
Déployez les nouveaux prompts et modèles auprès de 5 % du trafic, surveillez les métriques, puis augmentez progressivement : jamais tout d’un coup.
Déploiements blue-green et canary pour les agents est une leçon AI Agents gratuite sur CoddyKit. Ceci est la leçon 4 sur 4. Tu peux lire la leçon complète ci-dessous gratuitement — puis la pratiquer en direct dans le navigateur avec un éditeur de code intégré et un tuteur IA 24/7. Elle fait partie du parcours d'apprentissage AI Agents, et ta progression se synchronise sur le web et l'application CoddyKit. Le cours AI Agents comprend 4 leçons au total.
Certaines parties de cette leçon n'ont pas encore été traduites et s'affichent en anglais.
Le déploiement des agents est différent
Les déploiements de code traditionnel sont déterministes : la réussite d’un essai unitaire signifie que la modification est sûre. Les déploiements d’agents LLM sont NOT déterministes : même avec le même code, remplacer une instruction ou un modèle peut dégrader subtilement la qualité.
Utilisez des stratégies de déploiement conçues pour détecter rapidement les régressions.
Déploiements bleu-vert
Deux environnements identiques :
- Bleu — production actuelle
- Vert — nouvelle version
Faites passer le trafic de 0 % -> 100 % en une seule étape après avoir testé la version verte.
Déploiements en canari
Déplacez progressivement le trafic vers la nouvelle version :
- 5 % -> surveillez les métriques
- 20 % -> surveillez
- 50 %
- 100 %
Revenez à la version précédente à n’importe quelle étape si les métriques se dégradent.
Éléments à surveiller
- Taux d’erreur
- Latence p95
- Coût par requête
- Signaux des retours utilisateurs (ratio de mentions positives et négatives)
- Taux de réussite des évaluations sur un ensemble en miroir du trafic réel
Routing With a Feature Flag
import random
def pick_agent_version(user_id):
if launchdarkly.variation('use-v2', user_id, default=False):
return v2
if random.random() < canary_pct:
return v2
return v1
# Roll canary_pct from 0 to 1.0 gradually.Déploiement progressif par locataire
Déployez progressivement par locataire dans un SaaS B2B — utilisateurs internes d’abord, puis clients favorables, puis tout le monde :
if user.org_id in EARLY_ACCESS_ORGS:
return v2
return v1Mode miroir
Exécutez la nouvelle version IN PARALLEL, mais ne diffusez pas sa sortie :
v1_result = run_v1(query)
async def shadow():
v2_result = await run_v2(query)
log_compare(v1_result, v2_result)
asyncio.create_task(shadow())
return v1_resultRejouer le trafic de production
Capturez les requêtes de production dans un tampon ; rejouez-les chaque nuit sur la nouvelle version. Comparez la qualité des réponses avant de la promouvoir.
Essais A/B
Pour des expériences de qualité de longue durée, répartissez aléatoirement le trafic et comparez statistiquement les métriques sur plusieurs semaines.
Versionnage des instructions
Traitez les instructions comme du code — épinglez une version, déployez-la côte à côte avec le modèle, déployez-la via un indicateur :
PROMPTS = {
'qa-v3': '...',
'qa-v4': '...'
}
active = 'qa-v4' if feature_flag_on() else 'qa-v3'Épinglage du modèle
Épinglez la version du modèle (gpt-4o-2024-08-06) afin que la mise à jour par les fournisseurs de leurs modèles par défaut ne modifie pas silencieusement le comportement du jour au lendemain.
Retour automatique à la version précédente
Si une métrique franchit un seuil, ramenez automatiquement le canari à 0 % et déclenchez une alerte :
if p95_latency_now > 1.5 * p95_latency_baseline:
flag.set('canary_pct', 0)
alert('Auto-rollback triggered')Documenter chaque version
Chaque version doit préciser :
- Ce qui a changé (instruction, modèle, récupération)
- Résultats des évaluations avant et après
- Chronologie du canari
- Si un retour à la version précédente a eu lieu
Pourquoi un canari ?
Pourquoi utiliser des déploiements en canari pour les agents plutôt que des mises en production en une étape ?
Récapitulatif
Activez le trafic avec un indicateur de fonctionnalité, augmentez progressivement de 5 % -> 100 %, surveillez les erreurs, la latence, le coût et les retours, puis revenez rapidement en arrière si nécessaire. Ajoutez le mode miroir et la relecture pour gagner en confiance.
Apprends AI Agents avec un tuteur IA — gratuit
Écris et exécute du vrai code dans ton navigateur, obtiens de l'aide instantanée d'un tuteur IA disponible 24h/24, et reprends là où tu t'es arrêté sur le web ou dans l'app.
- Cours
- 60
- Leçons
- 239
Questions Fréquemment Posées
La leçon « Déploiements blue-green et canary pour les agents » est-elle gratuite ?
Oui — le texte complet de « Déploiements blue-green et canary pour les agents » est gratuit à lire ici sur le web. Pour la pratiquer de manière interactive (un éditeur de code intégré et un tuteur IA 24/7) et déverrouiller le reste du cours AI Agents, passe à CoddyKit PRO. Le cours AI Agents comprend 4 leçons au total.
Qu'est-ce que j'apprendrai dans « Déploiements blue-green et canary pour les agents » ?
Déployez les nouveaux prompts et modèles auprès de 5 % du trafic, surveillez les métriques, puis augmentez progressivement : jamais tout d’un coup. Tu pratiques AI Agents avec du code pratique que tu exécutes directement dans le navigateur, et un tuteur IA 24/7 répond à tes questions au fur et à mesure que tu avances dans la leçon.
Dois-je avoir de l'expérience pour commencer AI Agents ?
Aucune expérience préalable n'est requise. AI Agents sur CoddyKit est structuré pour les débutants jusqu'aux apprenants avancés, donc tu peux commencer ici ou depuis le début et avancer à ton rythme. Ceci est la leçon 4 sur 4.
Combien de temps prend la leçon « Déploiements blue-green et canary pour les agents » ?
La plupart des leçons CoddyKit prennent environ 5–10 minutes. Chacune est courte et interactive, tu progresses régulièrement et tu repiques exactement où tu t'es arrêté sur le web et l'app.
Peux-tu écrire et exécuter du code dans cette leçon AI Agents ?
Oui. Chaque leçon AI Agents inclut un éditeur de code intégré, tu écris et exécutes du vrai code directement dans ton navigateur et tu reçois des retours IA instantanés — aucune configuration locale requise.
Toutes les leçons de ce cours
- Exposer des agents derrière une API
- Flux de travail asynchrones et tâches en arrière-plan
- Limitation du débit et gestion des quotas
- Déploiements blue-green et canary pour les agents