መግቢያ

የጄነሬቲቭ AI ወደ DevOps ቧንቧዎች ውህደት ሶፍትዌር የሚዘጋጅበት፣ የሚሞከርበት እና የሚደርስበትን መንገድ የመቀየር አቅም አለው። የአይአይን አቅም በመጠቀም የዴቭኦፕስ ቡድኖች ተደጋጋሚ ስራዎችን በራስ ሰር መስራት፣ የሶፍትዌርን ጥራት ማሻሻል እና የማድረስ ቅልጥፍናን ማሳደግ ይችላሉ። በዚህ ጽሑፍ ውስጥ፣ በDSPy እና LangChain ኦርኬስትራ ላይ በማተኮር አመንጪ AI መሳሪያዎች እንዴት የዴቭኦፕስ ልምዶችን እንደሚያሳድጉ እንመረምራለን።

Generative AI ምንድን ነው?

Generative AI እንደ ጽሑፍ፣ ምስሎች ወይም ሙዚቃ ያሉ አዲስ፣ ኦሪጅናል ይዘቶችን ሊያመነጭ የሚችል የ AI ዓይነትን ያመለክታል። ይህ ከባህላዊ AI በተቃራኒ ነው፣ እሱም በተለምዶ እንደ ምደባ፣ መመለሻ ወይም ክላስተር ላሉት ተግባራት ያገለግላል። Generative AI የሚከተሉትን ጨምሮ ሰፋ ያለ አፕሊኬሽኖች አሉት

** የጽሑፍ ማመንጨት **: በጥያቄ ወይም በግብዓት ላይ የተመሠረተ ጽሑፍ ማመንጨት ምስል ማመንጨት፡ በጥያቄ ወይም በግብአት ላይ በመመስረት ምስሎችን ማመንጨት ሙዚቃ ማመንጨት፡ ሙዚቃን በፍላጎት ወይም በግብአት ማመንጨት

Generative AIን ወደ DevOps ቧንቧዎች የማዋሃድ ጥቅሞች

አመንጪ AIን ወደ DevOps ቧንቧ መስመሮች ማዋሃድ የሚከተሉትን ጨምሮ በርካታ ጥቅሞችን ሊያመጣ ይችላል፡

** ራስ-ሰር ሙከራ ***: አመንጪ AI የሙከራ ጉዳዮችን ለማመንጨት እና በራስ ሰር ሙከራን መጠቀም ይችላል። ** አውቶማቲክ ሰነዶች ***: አመንጪ AI እንደ የተጠቃሚ መመሪያዎች ወይም የኤፒአይ ሰነዶች ያሉ ሰነዶችን ለማምረት ሊያገለግል ይችላል ** አውቶሜትድ ኮድ ማመንጨት ***: አመንጪ AI እንደ ቦይለር ኮድ ወይም ለተወሰኑ ተግባራት ኮድን ለመፍጠር ሊያገለግል ይችላል ** የተሻሻለ የሶፍትዌር ጥራት ***: አመንጪ AI ስህተቶችን ለመለየት እና ለማስተካከል እና የኮድ ጥራት ለማሻሻል ጥቅም ላይ ሊውል ይችላል

• ** የማድረስ ቅልጥፍናን ጨምሯል ***: አመንጪ AI ተደጋጋሚ ስራዎችን በራስ ሰር ለመስራት ሊያገለግል ይችላል ፣ ገንቢዎች በከፍተኛ ደረጃ ተግባራት ላይ እንዲያተኩሩ ነፃ ያወጣል።

ኦርኬስትራ በDSPy እና LangChain

DSPy እና LangChain የ AI ሞዴሎችን ለመገንባት እና ለማሰማራት ሁለት ታዋቂ ማዕቀፎች ናቸው። የጄነሬቲቭ AIን ወደ DevOps ቧንቧዎች ውህደት ለማቀናጀት ጥቅም ላይ ሊውሉ ይችላሉ.

DSPy

DSPy AI ሞዴሎችን ለመገንባት እና ለማሰማራት የፓይዘን ማዕቀፍ ነው። ሞዴሎችን ለመገንባት እና ለማሰልጠን እንዲሁም ወደ ምርት በማሰማራት ቀላል እና ሊታወቅ የሚችል ኤፒአይ ያቀርባል።

`` ፓይቶን አስመጣ dspy

አዲስ ሞዴል ይፍጠሩ

ሞዴል = dspy.Model()

የሞዴሉን አርክቴክቸር ይግለጹ

model.add_layer(dspy.Dense(64, ማግበር='relu')) model.add_layer(dspy.Dense(32፣ ማግበር='relu')) model.add_layer(dspy.Dense(10፣ activation='softmax'))

ሞዴሉን ሰብስብ

model.compile(አመቻች='አዳም'፣ ኪሳራ='categorical_crossentropy'፣ metrics=['ትክክለኛነት'])

ሞዴሉን አሰልጥኑ

model.fit(X_train፣ y_train፣ epochs=10፣ batch_size=128)

### LangChain

LangChain AI ሞዴሎችን ለመገንባት እና ለማሰማራት የፓይዘን ማዕቀፍ ነው። ሞዴሎችን ለመገንባት እና ለማሰልጠን እንዲሁም ወደ ምርት በማሰማራት ቀላል እና ሊታወቅ የሚችል ኤፒአይ ያቀርባል።

`` ፓይቶን
አስመጣ langchain

# አዲስ ሞዴል ይፍጠሩ
ሞዴል = langchain. ሞዴል ()

# የሞዴሉን አርክቴክቸር ይግለጹ
model.add_layer(langchain.Dense(64, activation='relu'))
model.add_layer(langchain.Dense(32, activation='relu'))
model.add_layer(langchain.Dense(10፣ activation='softmax'))

# ሞዴሉን ሰብስብ
model.compile(አመቻች='አዳም'፣ ኪሳራ='categorical_crossentropy'፣ metrics=['ትክክለኛነት'])

# ሞዴሉን አሰልጥኑ
model.fit(X_train፣ y_train፣ epochs=10፣ batch_size=128)

ከፍተኛ 5-10 በብዛት ጥቅም ላይ የዋሉ ትዕዛዞች/ቅንጣዎች

ለDSPy እና LangChain በጣም ጥቅም ላይ የዋሉት 5-10 ዋና ዋና ትዕዛዞች/ቅንጣዎች እነሆ፡-

DSPy

• dspy.Model()፡ አዲስ ሞዴል ይፈጥራል
• model.add_layer(dspy.Dense())፡ በአምሳያው ላይ አዲስ ንብርብር ያክላል
• model.compile()፡ ሞዴሉን ያጠናቅራል።
• model.fit()፡ ሞዴሉን ያሠለጥናል።
• ሞዴል.መተንበይ()፡ በአምሳያው ይተነብያል

LangChain

• langchain.Model()፡ አዲስ ሞዴል ይፈጥራል
• model.add_layer(langchain.Dense())፡ በአምሳያው ላይ አዲስ ንብርብር ያክላል
• model.compile()፡ ሞዴሉን ያጠናቅራል።
• model.fit()፡ ሞዴሉን ያሠለጥናል።
• ሞዴል.መተንበይ()፡ በአምሳያው ይተነብያል

እይታ

አመንጪ AIን ወደ DevOps ቧንቧዎች የማዋሃድ ጥቅሞች ምስላዊ እይታ እዚህ አለ፡

`` ገበታ { "አይነት": "ባር", "ውሂብ": { "labels": ["በራስ ሰር ሙከራ"፣ "በራስ ሰር ሰነድ"፣ "በራስ ሰር ኮድ ማመንጨት"፣ "የተሻሻለ የሶፍትዌር ጥራት"፣ "የአቅርቦት ውጤታማነት መጨመር"] "መረጃዎች": [ { "label": "የጄነሬቲቭ AI ጥቅሞች", "ውሂብ": [10, 8, 12, 15, 18], "backgroundColor": "rgba(255, 99, 132, 0.2)", "borderColor": "rgba(255, 99, 132, 1)", "የድንበር ስፋት"፡ 1 } ] } "አማራጮች": { "ርዕስ": { "ማሳያ": እውነት, "text": " Generative AIን ወደ DevOps ቧንቧ መስመሮች የማዋሃድ ጥቅሞች" } "ሚዛኖች": { "yAxes": [ { "መዥገሮች": { "beginAtZero"፡ እውነት } } ] } } }

## መደምደሚያ

አመንጪ AIን ወደ ዴቭኦፕስ ቧንቧዎች ማቀናጀት ሶፍትዌሮችን የሚዘጋጅበት፣ የሚሞከርበት እና የሚደርስበትን መንገድ የመቀየር አቅም አለው። የአይአይን አቅም በመጠቀም የዴቭኦፕስ ቡድኖች ተደጋጋሚ ስራዎችን በራስ ሰር መስራት፣ የሶፍትዌርን ጥራት ማሻሻል እና የማድረስ ቅልጥፍናን ማሳደግ ይችላሉ። በዚህ ጽሑፍ ውስጥ፣ በDSPy እና LangChain ኦርኬስትራ ላይ በማተኮር አመንጪ AI መሳሪያዎች የዴቭኦፕስ ልምዶችን እንዴት እንደሚያሳድጉ መርምረናል። እንዲሁም የኮድ ምሳሌዎችን እና የጄነሬቲቭ AIን ወደ ዴቭኦፕስ ቧንቧዎች የማዋሃድ ጥቅማጥቅሞችን ጨምሮ አውቶሜትድ የሶፍትዌር አቅርቦትን በተመለከተ ተግባራዊ መመሪያ ሰጥተናል።