我们评估了可用的解

Fireactions 已获得丰厚回报，所有使用 CI/CD 工作流的团队都感受到了其影响。

客观地说，仅在过去一个月，我们就记录了 Fireactions 上835,186 分钟的构建时间。此数字包括所有 CI/CD 工作流程，从简单的测试到复杂的部署管道。

我们最初的关键目标是将作业排队时间减少至少 90%。而现在，我们已将排队时间减少到零。

根据裸机服务器及其资源的配置，Fireactions 构建所需的时间比 GitHub 托管的运行器少 20 倍，特别是对于资源密集型任务。

Fireactions 上 GitHub 运行器的平均启动时间为 20 秒。而在传统虚拟机上创建和启动运行器通常需要一分钟或更长时间。

回馈社区在 Hostinger

我们使用许多开源工具，并希望回馈社区。因此，我们从一开始就将 Fireactions 开发为开源。

我们由两名工程师组成的核心开发团队花了大约三个月的时间，同时处理其他职责，开发出了一个强大的解决方案。

我们将所有 GitHub 工作流程迁移到 Fireactions，并在近一年内修复了问题。这包括三次重大重构，根据初始部署和扩展阶段遇到的反馈和挑战增强了性能、可扩展性和可维护性。

我们会根据用户反馈继续改进 Fireactions。我们也鼓手机号数据库列表励并重视对项目的各种贡献。

Fireactions 是我们最近推出的第二个开源项目。我们在 9 月份推出了人工智能助手Kodee，并分享了一个开源Kodee 演示存储库，其中包含有关如何设置类似系统的说明。人工智能（AI）技术的最大优点是它可以处理简单、单调的任务，而您可以专注于更重要的项目。

—— 我们的人工智能助手，它可以处理简单的客户查询，使我们的代理能够专注于更高级的问题。

继续阅读，了解我们如何将纯 LLM 人工智能助手 Kodee 集成到我除非您的目标受众在俄们的客户成功实时聊天支持中。如果您正在考虑自己做这件事，
和你们中的许多人一样，我们不知道从哪里开始。因此，我们从进行市场调查开始。

由于我们的一些合作伙伴使用Rasa（一种用于构建基于文本和语音的助手的开源对话式 AI 软件），我们决定尝试一下。

我们添加了大型语言模型 (LLM)来减少后备选择加入列表请求的数量。如果 Rasa 无法回答问题，我们会指示 LLM 继续处理。

为此，我们使用了 OpenAI 的生成式预训练 Transformer (GPT) 。这是一个通用的 GPT-3.5 模型；我们最初没有对其进行微调或训练。