An Արհեստական բանականության գույքագրում ձեր կազմակերպությունում գործող յուրաքանչյուր արհեստական բանականության ակտիվի անընդհատ թարմացվող կատալոգ է — մոդելներ, արհեստական բանականությամբ աշխատող վերջնակետեր, տվյալների հավաքածուներ, արհեստական բանականությամբ կոդավորման օգնականներ, MCP սերվերներ և արհեստական բանականությամբ կախվածություններ — դրանք կապող հարաբերությունների, ռիսկերի և սեփականատերերի հետ միասին։ Անվտանգության համատեքստում սա որևէ կապ չունի պահեստի կամ պաշարների կառավարման հետ. այստեղ՝ «Արհեստական բանականության գույքագրում» պարզապես նշանակում է ճշգրիտ իմանալ, թե ինչ արհեստական բանականություն եք օգտագործում, որտեղ է այն ապրում և ինչի կարող է հասնել։
Քանի որ արհեստական բանականությունը տարածվում է ծրագրային ապահովման մշակման բոլոր փուլերում՝ IDE-ում կոդի ստեղծումից մինչև ներսում գործող ինքնավար գործակալները, CI/CD pipelines, հարցն այլևս այն չէ, թե արդյոք արհեստական բանականությունը առկա է ձեր միջավայրում։ Դա այն է, թե արդյոք դուք կարող եք տեսնել դա։ Այս ուղեցույցը բացատրում է, թե ինչ է արհեստական բանականության գույքագրումը, ինչպես է այն կապված AI-BOM եւ SBOM, ինչու ստվերային AI դարձել է անվտանգության խնդիր, և թե ինչպես է պրակտիկան համապատասխանում ԵՄ AI ակտ, NIST AI RMF և ISO / IEC 42001.
Հիմնական ճարպերը
- Արհեստական բանականության գույքագրումը ներառում է ձեր ծրագրային ապահովման ողջ կյանքի ցիկլի ընթացքում յուրաքանչյուր մոդել, տվյալների բազմություն, գործակալ, MCP սերվեր և արհեստական բանականության կոդավորման գործիք, այլ ոչ թե միայն այն մոդելները, որոնք հաստատվել են ՏՏ-ի կողմից։
- Ստվերային AI, առանց կառավարման ընդունված արհեստական բանականությունն այժմ նորմա է, այլ ոչ թե բացառություն. անվտանգության ոլորտի առաջատարների 2026 թվականի հարցման արդյունքում միայն Կազմակերպությունների 19%-ը հայտնել է, որ լիովին տեսանելի է, թե որտեղ և ինչպես է օգտագործվում արհեստական բանականությունը։.
- An AI-BOM (AI նյութերի ցանկ) արհեստական բանականության գույքագրման աուդիտի համար պատրաստ արդյունքն է՝ արհեստական բանականության դարաշրջանի իրավահաջորդը SBOM.
- Կարգավորումը մոտենում է։ ԵՄ արհեստական բանականության մասին օրենքը, NIST AI RMF-ը և ISO/IEC 42001-ը բոլորը պահանջում են, որ դուք իմանաք, թե ինչ արհեստական բանականություն եք գործարկում։
- Գույքագրումը միայն մեկնարկային կետն է. արժեքը գալիս է ռիսկի գնահատման և իրականում կարևոր ակտիվների փոքր թվի վրա գործելու արդյունքում։
Ի՞նչ է արհեստական բանականության գույքագրումը։
Արհեստական բանականության գույքագրումը ձեր ծրագրային ապահովման մշակման ողջ կյանքի ցիկլի ընթացքում գործող յուրաքանչյուր արհեստական բանականության ակտիվի, ինչպես նաև դրանց հետ կապված ռիսկերի հայտնաբերման, կատալոգավորման և անընդհատ մոնիթորինգի պրակտիկա է: Լրիվ գույքագրումը պատասխանում է յուրաքանչյուր ակտիվի վերաբերյալ երեք հարցի՝ ի՞նչ է այն, որտե՞ղ է այն գտնվում և ի՞նչի՞ն է այն հասանելի:
Այդ շրջանակն ավելի լայն է, քան մեծ մասը թիմեր են սպասում։ Արհեստական բանականության իմաստալից ինվենտարը պետք է ներառի.
- Modelsմշակման և արտադրության ընթացքում օգտագործվող յուրաքանչյուր մեծ լեզվական մոդել և հիմքային մոդել՝ տարբերակի, տեղորոշման և հայտնաբերման վստահությամբ։
- Տվյալների հավաքածուներվերապատրաստման տվյալներ, որոնման տվյալների հավաքածուներ և վեկտորային պահեստներ, ներառյալ թունավորված համատեքստի ազդեցությունը և տվյալների արտահոսքը։
- Գործակալներըինքնավար համակարգեր, որոնք գործողություններ են կատարում ձեր միջավայրում, ինչպիսիք են բացումը pull requests, կախվածությունների տեղադրում կամ ենթակառուցվածքին դիպչում։
- MCP սերվերներ: Մոդել համատեքստային արձանագրություն սերվերներ, որոնք արհեստական բանականության օգնականները կապում են արտաքին գործիքների, API-ների և տվյալների աղբյուրների հետ։
- Արհեստական բանականության կոդավորման գործիքներ և օգնականներ: համատեղ օդաչուներ և IDE ինտեգրացիաներ, որոնք կոդ են ստեղծում, առաջարկել կախվածություններ և փոխազդել պահոցների հետ։
- Արհեստական բանականության շրջանակներLangChain, LangGraph, գործակալ սերվերներ և այլ կազմակերպման շերտեր, որոնք մոդելները կապում են գործիքների և տվյալների հետ։
- Ակտիվների միջև փոխհարաբերություններըմոդելների, գործակալների, սերվերների, տվյալների հավաքածուների և դրանց հետ կապված գաղտնիքների միջև կապերը: Հարաբերությունների գրաֆիկը ռիսկը տեսանելի է դարձնում համատեքստում, այլ ոչ թե որպես հարթ ցանկ:
Արհեստական բանականության գույքագրումն ընդդեմ արհեստական բանականության ակտիվների գույքագրման ընդդեմ արհեստական բանականության-բոմբինգի, և թե ինչպես են դրանք տարբերվում SBOM
Այս տերմինները օգտագործվում են ազատորեն, ուստի օգտակար է նախապեսcise. «Արհեստական բանականության գույքագրում» և «Արհեստական բանականության ակտիվների գույքագրում» բառերը նկարագրում են նույն բանը։արհեստական բանականության ակտիվների կենդանի կատալոգը և դրանց ռիսկերը։ AI-BOM-ը արտահանելի արտեֆակտ է, որը արտադրում է ինվենտարը։մեքենայական ընթերցման համար նախատեսված նյութերի ցանկ, որը կարող եք տրամադրել աուդիտորին կամ enterprise գնորդ։
AI-BOM-ը հասկանալու ամենաանաղարտ ձևը անալոգիայով է։ SBOM:
Քանի որ արհեստական բանականությունը ներդրվում է ամբողջ աշխարհում, SDLC, AI-BOM-ը դառնում է նույնքան հիմնարար, որքան SBOM, և անվտանգության ոլորտի ղեկավարները ավելի ու ավելի շատ հարցումներ են ստանում աուդիտորներից և enterprise գնումների թիմեր հենց այս արտեֆակտի համար։
Ինչու է արհեստական բանականության գույքագրումը կարևոր հիմա
Երեք ուժեր արհեստական բանականության պաշարները ցանկալի իրերից վերածել են առաջնահերթության։
- Նախ, արհեստական բանականությունը գրում է անապահով կոդ մեծածավալ։ Անկախ հետազոտությունները մշտապես ցույց են տալիս, որ արհեստական բանականության կողմից ստեղծված կոդի մեծ մասը պարունակում է խոցելիություններ: Փիրսի և այլոց կողմից իրականացված NYU/Copilot-ի սկզբնական ուսումնասիրությունը մոտավորապես պարզել է, որ Ստեղծված ծրագրերի 40%-ը պարունակել է անվտանգության թերություններ, և ավելի վերջին լայնածավալ փորձարկումները նույն կերպ են ցույց տալիս. Veracode-ի 2025 թվականի վերլուծությունը 100+ մոդելների վրա հայտնաբերվել է միայն Արհեստական բանականության կողմից ստեղծված կոդի 55%-ը անվտանգ էրԵթե չգիտեք, թե որ օգնականներն են կոդ ստեղծում ձեր համակարգում pipelineս, դուք չեք կարող կառավարել այդ ռիսկը։
- Երկրորդ, ծրագրային ապահովման մատակարարման շղթան դարձել է արհեստական բանականության հարձակման հարթակ։ Սեպտեմբերին 2025- ը, Շայ-Հուլուդ, առաջին ինքնատարածվող npm որդը, մշակողների մեքենաները վերածեց բաշխման մեխանիզմի՝ տարածվելով հարյուրավոր փաթեթների վրա։ 2026 թվականի մարտին հարձակվողները խախտեցին axios, փաթեթ մոտավորապես 100 միլիոն շաբաթական ներբեռնումներ, հրապարակելով թունավորված տարբերակներ, որոնք տարածում էին հեռակա մուտքի տրոյական ծրագիր։ Այսպիսի հարձակումները տեղի են ունենում ճիշտ ավանդական AppSec-ի և վերջնակետային գործիքակազմի միջև ընկած շերտում. այն շերտում, որը կառուցված է արհեստական բանականության ինվենտարը լուսավորելու համար։
- Երրորդ, գաղտնիքներն ու լիազորագրերը արտահոսում են արհեստական բանականության միջոցով։ GitGuardian-ի «Գաղտնիքների վիճակը» 2026 թվականի զեկույցում նշվում է, որ Արհեստական բանականության ծառայությունների գաղտնիքների արտահոսքը տարեկան աճել է 81%-ով, և որ արհեստական բանականության օգնությամբ commits leak secretմոտավորապես կրկնակի արագությամբ՝ բազային արագությունից։ Յուրաքանչյուր չփաստաթղթավորված մոդել, գործակալ կամ MCP սերվեր կարող է լինել վկայական ստանալու հավանական ուղի։
Ավանդական AppSec-ը կանգ է առնում պահոցում և չի հասկանում, թե ինչ է մոդելը: Վերջնակետային գործիքները հետևում են օպերացիոն համակարգին, բայց չեն հասկանում փաթեթները, MCP սերվերները կամ արհեստական բանականության օգնականները: Դրանց միջև ընկած բացը այն վայրն է, որտեղ կուտակվում է արհեստական բանականության ռիսկը, և գույքագրումը դրա փակման առաջին քայլն է:
Որտեղ թաքնվում է արհեստական բանականությունը. Ստվերում է արհեստական բանականությունը ամբողջ աշխարհում SDLC
Ստվերային AI Արդյո՞ք որևէ արհեստական բանականության համակարգ ընդունվում է առանց պաշտոնական հաստատման կամ կառավարման. մշակողի կողմից անցյալ շաբաթ գործարկված երկրորդ օդաչուն, նոութբուքի վրա աշխատող MCP սերվերը, մոդելը, որը հանրային կենտրոնից ուղղակիորեն վերցված է կողմնակի նախագծի մեջ: Սա ծայրահեղ դեպք չէ: 2026 թվականին 400+ անվտանգության ոլորտի ղեկավարների շրջանում անցկացված հարցման արդյունքում միայն 19%-ը հայտնել է, որ լիովին տեղեկացված է, թե որտեղ և ինչպես է օգտագործվում արհեստական բանականությունը։ իրենց կազմակերպությունում, մինչդեռ ճնշող մեծամասնությունը արդեն օգտագործում կամ փորձարկում էր արհեստական բանականության կոդավորման օգնականներ։
Ամենադժվար գտնել ստվերային արհեստական բանականությունը ծրագրային ապահովման կենսական ցիկլի ներսում գտնվող արհեստական բանականությունն է, քանի որ այն հազվադեպ է հայտնվում ամպային կոնսոլում։
- Մոդելներն ու արհեստական բանականության գրադարանները պահոցներ են ներմուծվել որպես կախվածություններ։
- Արհեստական բանականության կոդավորման օգնականներ, որոնք կարգավորված են յուրաքանչյուր մշակողի, յուրաքանչյուր IDE-ի համար։
- MCP սերվերներ և կանոնների ֆայլեր, որոնք տեղականորեն աշխատում են մշակողի վերջնակետերում։
- Գործակալական աշխատանքային հոսքերը աննկատ բացվում են pull requests կամ փաթեթների տեղադրում։
Ահա թե ինչու միայն ամպային հայտնաբերումը բավարար չէ: Արհեստական բանականության իսկապես ամբողջական ինվենտարը պետք է ներթափանցի կոդի մեջ և կառուցի միջավայրեր (մշակողի նոութբուքը, պահոցը, pipeline), ոչ միայն արտադրական ամպը։
Ինչը պետք է լինի AI-BOM-ում
Աուդիտի համար պատրաստ AI-BOM-ը ձեր գույքագրումը վերածում է այնպիսի բանի, որը դուք կարող եք ապացուցել: Առնվազն այն պետք է ներառի.
- Արհեստական բանականության յուրաքանչյուր ակտիվ՝ մոդելներ, տվյալների հավաքածուներ, գործակալներ, MCP սերվերներ, արհեստական բանականության կոդավորման գործիքներ։
- Ակտիվի տեսակը, գտնվելու վայրը և յուրաքանչյուրի հայտնաբերման վստահությունը։
- Ծագում և կախվածություններ (որտեղից է ծագել մոդելը կամ բաղադրիչը):
- Յուրաքանչյուր ակտիվի ռիսկի մակարդակը՝ հիմնված արհեստական ինտելեկտին հատուկ հարձակման վեկտորների վրա։
- Կարգավորող փաստաթղթի համապատասխանեցում ԵՄ արհեստական բանականության մասին օրենքին, NIST AI RMF-ին և ISO/IEC 42001-ին։
- Արտահանելի, մեքենայական ընթերցման համար նախատեսված ձևաչափ՝ աուդիտորների և հաճախորդների համար։
Կազմակերպությունները, որոնք կարող են պահանջարկի դեպքում ստեղծել արհեստական բանականության-բնագիտական հաշվարկ (AI-BOM), կունենան իրական համապատասխանության և վստահության առավելություն, երբ արհեստական բանականության աուդիտի պարտավորությունները հասունանան։
Արհեստական բանականության գույքագրում և համապատասխանություն. ԵՄ արհեստական բանականության մասին օրենք, NIST AI RMF և ISO/IEC 42001
Հիմնական շրջանակներից ոչ մեկը «արհեստական բանականության գույքագրումը» չի անվանում տողային կետ, բայց դրանցից յուրաքանչյուրը գործնականում անհնար է բավարարել առանց դրա: Դուք չեք կարող փաստաթղթավորել, դասակարգել կամ կառավարել արհեստական բանականության համակարգերը, որոնք չեք կարող տեսնել:
Նշում ժամկետների վերաբերյալ. ԵՄ արհեստական բանականության մասին օրենքի ներդրումը վերանայվել է 2026 թվականի մայիսի «Թվային համալիր» համաձայնագրով, որը բարձր ռիսկի պարտավորությունների մեծ մասը հետաձգել է մինչև 2027 թվականի դեկտեմբեր, միաժամանակ պահպանելով 2026 թվականի օգոստոսի 2-ի մի քանի կարևորագույն կետեր (թափանցիկության պարտականություններ, GPAI տուգանքների լիազորություններ): Ճշգրիտ ամսաթվերը դիտարկել որպես շարժվող նպատակակետ և հաստատել ԵՄ հիմնական աղբյուրների հետ համեմատելով: Սակայն շարժման ուղղությունը հստակ է, և գույքագրումը դրա բոլորի նախապայմանն է:
Ինչպես կառուցել և պահպանել արհեստական բանականության գույքագրում
Գույքագրման կազմումը կապված չէ միանվագ աուդիտի հետ և ավելի շատ շարունակական գործընթացի հաստատման հետ, քանի որ արհեստական բանականության ակտիվները անընդհատ փոխվում են. ընդունվում են նոր մոդելներ, տեղակայվում են նոր գործակալներ, կարգավորվում են նոր MCP սերվերներ, հաճախ՝ առանց հաստատման։
Գործնական մոտեցում.
- Ավտոմատ կերպով հայտնաբերեք կոդի, կառուցման և ամպի միջոցով։ Ձեռքով պատրաստված աղյուսակները մի քանի օրվա ընթացքում հնանում են։ Հայտնաբերումը պետք է անընդհատ աշխատի և հասնի SDLC, ոչ միայն կատարման ժամանակ։
- Դասակարգեք և քարտեզագրեք հարաբերությունները։ Գրառման տեսակը, գտնվելու վայրը, ծագումը և, ամենակարևորը, թե ինչպես է յուրաքանչյուր ակտիվ կապված մյուսների և գաղտնիքների հետ։
- Գնահատման ռիսկը համատեքստում։ Հարյուրավոր արդյունքների հարթ ցանկը ոչ մեկին չի օգնում. առաջնահերթությունը տվեք նրանով, թե ինչն է իրականում հասանելի, շահագործելի և բիզնեսի համար կարևոր։
- Հանձնարարել սեփականության իրավունքը։ Յուրաքանչյուր ակտիվ կարիք ունի հաշվետու սեփականատիրոջ։
- Պահեք այն ակտիվ և արտահանման համար հարմար։ Պահպանեք այն որպես շարունակական գույքագրում, որը կարող է պահանջարկի դեպքում ստեղծել AI-BOM։
Ինչ փնտրել արհեստական բանականության գույքագրման ծրագրաշարում
Եթե գնահատում եք գործիքակազմը, ապա սրանք այն հնարավորություններն են, որոնք տարբերակում են իսկական արհեստական բանականության գույքագրման ծրագրակազմը ստատիկ ցուցակից.
- Հասկանում է արհեստական բանականությանը հատուկ ակտիվների տեսակները (մոդելներ, գործակալներ, MCP սերվերներ, տվյալների հավաքածուներ), ոչ միայն փաթեթներ և գրադարաններ։
- Հասնում է դեպի SDLC, հայտնաբերելով արհեստական բանականությունը կոդում և մշակողների վերջնակետերում, ոչ միայն ամպային միջավայրում։
- Քարտեզների հարաբերություններ, ոչ միայն առանձին ակտիվներ, ուստի ռիսկը տեսանելի է համատեքստում։
- Գնահատում է ռիսկը արհեստական ինտելեկտի հետ կապված հարձակման վեկտորների վրա (արագ ներարկում, անապահով MCP, չափազանց մեծ ագենտացիա), ոչ միայն CVE-ի ծանրությունը։
- Անընդհատ աշխատում է, որսալով նոր արհեստական բանականությունը, հենց որ այն հայտնվի։
- Ստեղծում է աուդիտի համար պատրաստ AI-BOM որը բավարարում է և՛ աուդիտորներին, և՛ enterprise գնումներ.
- Կապում է գույքագրումը հարկադիր կատարման հետ, որպեսզի կարողանաք գործել ձեր գտածի հիման վրա։
Գույքագրումից մինչև գործողություն. գտնվածի պաշտպանություն
Հայտնաբերումը առաջին քայլն է, երկրորդը՝ հասկանալն է, թե որ ակտիվներն են իրական ռիսկ կրում, քանի որ մեծ մասը՝ ոչ։ Նպատակն է հազարավոր հում գտածոներից անցնել այն մի քանիսին, որոնք իրականում կարող են վտանգել համակարգերը, տվյալները կամ գործողությունները. դրանք ակտիվ օգտագործման մեջ են, ընդունում են անվստահելի մուտքային տվյալներ, իրատեսորեն շահագործելի են, ունեն զգայուն մուտք և ազդում են արտադրության կամ կարգավորվող ակտիվների վրա։
Սա այն վայրն է, որտեղ արհեստական բանականության անվտանգության կեցվածքի կառավարումը (Արհեստական բանականություն-SPM) վերցնում է. գույքագրումը վերցնում է, գնահատում է ռիսկը արհեստական բանականության հարձակման ուղու երկայնքով, համապատասխանեցնում այն կարգավորմանը և ստեղծում AI-BOM: Այն նաև այն վայրն է, որտեղ գույքագրումը հանդիպում է իրավապահ մարմիններին. արգելափակում է վնասակար կախվածությունները նախքան դրանց տեղադրումը, մերժում է չհաստատված MCP սերվերներն ու մոդելները, և պարունակում է վարակված վերջնակետերը նախքան միջադեպի տարածումը:
At Քսիգենի, սա այն մոդելն է, որը մենք կառուցում ենք՝ շարունակական արհեստական բանականության գույքագրում և AI-BOM՝ AI-SPM-ի միջոցով, վնասակար ծրագրերի հայտնաբերում, որը հայտնաբերում է վնասակար փաթեթները նախքան ստորագրության գոյությունը (MEW, վնասակար ծրագրերի վաղ նախազգուշացում), և քաղաքականության կիրառումը մշակողի վերջնակետում՝ Xygeni Shield-ի միջոցով: Հայտնաբերումը համապատասխանում է OWASP Top 10-ին LLM հավելվածների համար, OWASP Top 10-ին գործակալական հավելվածների համար և OWASP MCP Top 10-ին: Սակայն, անկախ նրանից, թե որ մոտեցումն եք ընտրում, սկզբունքը գործում է. Դուք չեք կարող ապահովել այն, ինչ չեք կարող տեսնել, և արհեստական բանականության գույքագրումն է այն կետը, որտեղ սկսվում է տեսանելիությունը։
Հաճ. տրվող հարցեր
Ինչո՞վ է AI-BOM-ը տարբերվում SBOM?
An SBOM կատալոգավորում է բաց կոդով և երրորդ կողմի ծրագրային կախվածությունները, որոնք գնահատվում են CVE-ի ծանրության աստիճանով: AI-BOM-ը կատալոգավորում է AI-ին հատուկ ակտիվները (մոդելներ, գործակալներ, MCP սերվերներ, տվյալների հավաքածուներ)՝ AI-ին հատուկ ռիսկերի գնահատման և կարգավորիչ քարտեզագրման միջոցով: Քանի որ AI-ն տարածվում է ամբողջ տարածքում SDLC, AI-BOM-ը դառնում է նույնքան հիմնարար, որքան SBOM.
Ի՞նչ է ստվերային արհեստական բանականությունը և ինչպե՞ս այն հայտնաբերել։
Ստվերային արհեստական բանականությունը ցանկացած արհեստական բանականություն է, որն ընդունվում է առանց պաշտոնական հաստատման կամ կառավարման՝ ակտիվացված երկրորդ օդաչու, տեղական MCP սերվեր, հանրային կենտրոնից վերցված մոդել։ Դուք այն հայտնաբերում եք անընդհատ ավտոմատացված գույքագրման միջոցով, որը հասնում է կոդի, կառուցվածքի։ pipelineև մշակողների վերջնակետեր, ոչ միայն արտադրական ամպ, որտեղ ստվերային արհեստական բանականությունը երբեք չի հայտնվում։
Արդյո՞ք ԵՄ արհեստական բանականության մասին օրենքը պահանջում է արհեստական բանականության գույքագրում:
ԵՄ արհեստական բանականության մասին օրենքը «արհեստական բանականության գույքագրում» հստակորեն չի անվանում, սակայն բարձր ռիսկի համակարգերի փաստաթղթավորման, դասակարգման և գրանցման պարտականությունները անհնար է կատարել առանց դրա: Նույնը վերաբերում է նաև NIST AI RMF-ին (Map function, Govern 1.6) և ISO/IEC 42001-ին, որը պահանջում է արհեստական բանականության համակարգերի գույքագրում:
Ի՞նչ է AI-SPM-ը։
Արհեստական ինտելեկտի անվտանգության կեցվածքի կառավարումը (AI-SPM) արհեստական ինտելեկտի ակտիվների անընդհատ հայտնաբերման, դրանց ռիսկի գնահատման, կարգավորմանը համապատասխանեցման և արհեստական ինտելեկտի բյուրոյի (AI-BOM) ստեղծման պրակտիկա է: Այն կեցվածքի կառավարման մտածողությունը (ծանոթ է CSPM-ից և DSPM-ից) տարածում է արհեստական ինտելեկտի համար հատուկ ակտիվների և հարձակման վեկտորների վրա:
Որքա՞ն հաճախ պետք է թարմացվի արհեստական բանականության գույքագրումը։
Անընդհատ։ Արհեստական բանականության ակտիվները փոխվում են ամեն օր, քանի որ թիմերը ընդունում են նոր մոդելներ, տեղակայում նոր գործակալներ և կարգավորում նոր MCP սերվերներ, սովորաբար առանց պաշտոնական հաստատման։ Ժամանակի ընթացքում սկանավորումը հնանում է մի քանի օրվա ընթացքում, ուստի արդյունավետ արհեստական բանականության գույքագրման ծրագիրը գործում է որպես շարունակական գործընթաց, այլ ոչ թե որպես միանվագ աուդիտ։
Ինչպե՞ս գույքագրել սկզբնական կոդում օգտագործված արհեստական բանականությունը։
Կոդում արհեստական բանականության գույքագրումը նշանակում է կախվածություններում ներառված արհեստական բանականության մոդելների և գրադարանների, յուրաքանչյուր մշակողի համար կարգավորված արհեստական բանականության կոդավորման օգնականների և տեղական աշխատող MCP սերվերների կամ կանոնների ֆայլերի հայտնաբերում։ Սա պահանջում է հայտնաբերում, որը գործում է ներսում։ SDLC (պահոցներ, կառուցում pipelines և մշակողների վերջնակետեր) այլ ոչ թե միայն ամպային կոնսոլներում։
