Magento AI-agent - Het automatiseren van probleemoplossing met een digitale medewerker
29 Jan 2025Een AI-agent trainen voor Magento 2
Om de mogelijkheden van AI in Magento 2-ontwikkeling te verkennen, trainden we een LLM in een aantal lagen. De standaard LLM, daarop een laag met Magento documentatie en code voorbeelden, daarna Hyva best practices en documentatie, vervolgens hetzelfde maar dan van Elgentos. Om als laatste de project context toe te voegen. Dit resulteerde in meerdere GB's aan data die het model een diepgaand begrip van het framework, de structuur en best practices gaf. Deze kennis kan het model toepassen op het project.
Gezien de gevoellige informatie waarop deze LLM getraind is, hebben we uiteraard gekozen om deze LLM niet te hosten in de USA of op een manier waarop deze data gebruikt kan worden buiten onze scope. Daarom hebben gekozen voor een lokale AI hosting partij.
Zodra het model was getraind, bouwden we een AI-agent eromheen en integreerden we het in onze GitLab-workflow. Het doel? Het automatiseren van het proces van issue-creatie tot implementatie—het minimaliseren van de noodzaak van menselijke tussenkomst terwijl de kwaliteit behouden blijft.
Hoe het werkt
Dit is de workflow van hoe de AI-agent werkt. We zullen de stappen verder hieronder beschrijven.
1. Klant opent een issue
Het proces begint wanneer een klant een nieuw issue indient. Dit kan een verzoek om een bugfix, een kleine functie of een andere verandering binnen de Magento 2-shop zijn.
2. AI-agent neemt het over
De AI-agent analyseert het issue, genereert code en opent een merge-request. Vervolgens commit het de wijzigingen naar een nieuwe branch en triggert het een GitLab-pipeline.
3. Geautomatiseerde review-omgeving
De pipeline zet een unieke review-omgeving op, waardoor de klant de door AI gegenereerde wijzigingen kan verifiëren voordat een developer wordt betrokken.
4. Code review door developer
Als de klant tevreden is met de aanpassing, kan een developer de merge request beoordelen, waarbij erop wordt toegezien dat de wijzigingen voldoen aan onze coding standards en business rules voordat het wordt gemerged.
5. Implementatie van wijzigingen
Na goedkeuring en mergen van de merge request, wordt de aanpassing gedeployed naar de live-omgeving.
Huidige mogelijkheden en toekomstige verbeteringen
Op dit moment behandelt de AI-agent eenvoudige ontwikkelingstaken effectief. Het kan eenvoudige Magento 2 en Hyvä code aanpassen en genereren, zoals:
- Kleine bugfixes
- Kleine lay-out of sjabloonwijzigingen
- Basis configuratie-updates
We zijn echter nog aan het testen hoe we de mogelijkheden kunnen verbeteren. Momenteel draait het op het Llama 3.3 model met een Magento 2 en Hyvä dataset, maar we zijn van plan om DeepSeek R1 te testen om de resultaten te vergelijken. Na verloop van tijd verwachten we dat het meer complexe taken op zich zal nemen, mogelijk het implementeren van grotere functies en diepere integraties.
De toekomst van AI in Magento development
Hoewel AI ontwikkelaars niet zal vervangen, blijkt het nu al een waardevolle assistent te zijn. Het automatiseren van routinetaken stelt ontwikkelaars in staat zich te concentreren op complexere problemen, architectuurbeslissingen en hoog-niveau optimalisaties. Naarmate AI-modellen zich blijven ontwikkelen, zouden we kunnen zien dat ze steeds meer geavanceerde verantwoordelijkheden op zich nemen.
Het potentieel is enorm, en deze door AI aangestuurde workflow is nog maar het begin. Door AI te integreren in Magento-ontwikkeling maken we onze workflows niet alleen efficiënter, maar herdefiniëren we ook hoe onze teams communiceren met klanten en hun verzoeken.