Buat contoh LangChain LLM | B4N1

Buat contoh LangChain LLM

3 months ago · b4n1 Read time: 3 min

Melaksanakan Seni Bina Secure-by-Default untuk Aplikasi Web Dikuasakan AI

Pengenalan

Memandangkan aplikasi web berkuasa AI semakin berleluasa, keperluan untuk seni bina yang teguh dan selamat tidak pernah lebih mendesak. Dengan peningkatan serangan dipacu AI, adalah penting untuk melaksanakan pendekatan selamat-oleh-lalai yang boleh menahan potensi ancaman. Dalam artikel ini, kami akan meneroka cara menggabungkan pangkalan data sumber terbuka selamat Percona dengan pendekatan selamat-oleh-lalai Chainguard dan menyepadukan dengan LangChain untuk aplikasi web berkuasa AI.

Ancaman kepada Aplikasi Web Dikuasakan AI

Aplikasi web berkuasa AI terdedah kepada pelbagai ancaman, termasuk:

  • Keracunan Data: Model AI boleh dimanipulasi dengan memberi mereka data berniat jahat, yang membawa kepada ramalan atau keputusan yang salah.
  • Penyongsangan Model: Penyerang boleh membuat kesimpulan maklumat sensitif tentang model AI atau data latihannya.
  • Serangan Musuh: Model AI boleh ditipu oleh input yang direka dengan teliti yang direka untuk mengelirukan model.

Seni Bina Selamat-oleh-Lalai

Untuk mengurangkan ancaman ini, kami akan melaksanakan seni bina selamat-oleh-lalai yang menggabungkan pangkalan data sumber terbuka selamat Percona dengan pendekatan selamat-oleh-lalai Chainguard dan disepadukan dengan LangChain untuk aplikasi web berkuasa AI.

Pangkalan Data Sumber Terbuka Selamat Percona

Percona menawarkan rangkaian pangkalan data sumber terbuka yang selamat, termasuk Pelayan Percona untuk MySQL dan Pelayan Percona untuk PostgreSQL. Pangkalan data ini menyediakan ciri keselamatan yang teguh, seperti:

  • Penyulitan: Data disulitkan semasa rehat dan dalam transit, memastikan maklumat sensitif kekal sulit.
  • Kawalan Akses: Kawalan akses terperinci membenarkan pentadbir menyekat akses kepada data sensitif dan memastikan bahawa hanya kakitangan yang diberi kuasa boleh mengubah suai atau memadam data.
  • Pengaudit: Keupayaan pengauditan terperinci menyediakan rekod komprehensif semua aktiviti pangkalan data, menjadikannya lebih mudah untuk mengesan dan bertindak balas terhadap insiden keselamatan.

Pendekatan Selamat-oleh-Lalai Chainguard

Chainguard menawarkan pendekatan selamat-oleh-lalai yang memastikan aplikasi dibina dengan mengambil kira keselamatan sejak awal. Pendekatan ini termasuk:

  • Keistimewaan Paling Rendah: Aplikasi direka bentuk untuk dijalankan dengan keistimewaan paling sedikit yang diperlukan untuk melaksanakan fungsinya, mengurangkan permukaan serangan.
  • Infrastruktur Kekal: Infrastruktur direka bentuk untuk tidak berubah, menjadikannya lebih mudah untuk mengesan dan bertindak balas terhadap insiden keselamatan.
  • Konfigurasi Selamat: Aplikasi dikonfigurasikan dengan mengambil kira keselamatan, termasuk lalai selamat dan konfigurasi minimum.

Integrasi LangChain

LangChain ialah perpustakaan Python yang menyediakan API mudah dan intuitif untuk membina aplikasi web berkuasa AI. Kami akan menyepadukan LangChain dengan pangkalan data sumber terbuka selamat Percona dan pendekatan selamat-oleh-lalai Chainguard untuk mencipta seni bina yang teguh dan selamat.

Contoh Kod

Berikut ialah contoh kod ringkas yang menunjukkan cara mengintegrasikan LangChain dengan pangkalan data sumber terbuka selamat Percona dan pendekatan selamat-oleh-lalai Chainguard:

import langchain
daripada langchain import LLM


llm = LLM(
    model_name="davinci:2-large",
    device="cuda",
    max_token=1024,
)

# Buat sambungan pangkalan data Percona
import mysql.connector
cnx = mysql.connector.connect(
    pengguna='nama pengguna',
    kata laluan='kata laluan',
    hos='127.0.0.1',
    pangkalan data='pangkalan data'
)

# Buat konfigurasi selamat Chainguard
import chainguard
cfg = chainguard.Config(
    app_name="my_app",
    app_version="1.0",
    env_vars={
        "DB_HOST": "127.0.0.1",
        "DB_USER": "nama pengguna",
        "DB_PASSWORD": "kata laluan",
    },
)

# Gunakan LangChain untuk menanyakan pangkalan data
query = "PILIH * DARI my_table"
hasil = llm.query(query, db=cnx, cfg=cfg)

# Cetak hasilnya
cetak(hasil)

Contoh kod ini menunjukkan cara membuat contoh LangChain LLM, menyambung ke pangkalan data Percona dan mencipta konfigurasi selamat Chainguard. Ia kemudian menggunakan LangChain untuk menanyakan pangkalan data dan mencetak hasilnya.

** 5-10 Arahan/Snippet Teratas Paling Digunakan**

Berikut ialah 5-10 arahan/coretan teratas yang paling banyak digunakan untuk teknologi ini:

  1. langchain.LLM(model_name="davinci:2-large", device="cuda", max_tokens=1024) - Buat tika LangChain LLM.
  2. mysql.connector.connect(user='username', password='password', hos='127.0.0.1', database='database') - Buat sambungan pangkalan data Percona.
  3. chainguard.Config(app_name="my_app", app_version="1.0", env_vars={"DB_HOST": "127.0.0.1", "DB_USER": "username", "DB_PASSWORD": "password"}) - Buat konfigurasi selamat Chainguard.
  4. llm.query(query, db=cnx, cfg=cfg) - Gunakan LangChain untuk menanyakan pangkalan data.
  5. print(result) - Cetak hasil pertanyaan.
  6. import langchain - Import perpustakaan LangChain.
  7. import mysql.connector - Import penyambung pangkalan data Percona.
  8. import chainguard - Import pustaka Chainguard.
  9. llm = LLM() - Buat contoh LangChain LLM tanpa menyatakan model.
  10. cnx = mysql.connector.connect() - Buat sambungan pangkalan data Percona tanpa menyatakan pangkalan data.

Visualisasi

Berikut ialah visualisasi seni bina selamat-oleh-lalai menggunakan Chart.js:

{
  "type": "bar",
  "data": {
    "labels": ["Pangkalan Data Percona", "Konfigurasi Selamat Chainguard", "LangChain LLM"],
    "set data": [
      {
        "label": "Ciri Keselamatan",
        "data": [10, 8, 12],
        "warna latar belakang": ["#FF6384", "#36A2EB", "#FFCE56"]
      }
    ]
  },
  "pilihan": {
    "tajuk": {
      "paparan": benar,
      "text": "Seni Bina Selamat-oleh-Lalai"
    },
    "skala": {
      "yAxes": [
        {
          "kutu": {
            "beginAtZero": benar
          }
        }
      ]
    }
  }
}

Visualisasi ini menunjukkan ciri keselamatan pangkalan data sumber terbuka selamat Percona, pendekatan selamat-oleh-lalai Chainguard dan LLM LangChain.

Kesimpulan

Melaksanakan seni bina selamat-oleh-lalai untuk aplikasi web berkuasa AI adalah penting dalam landskap ancaman hari ini. Dengan menggabungkan pangkalan data sumber terbuka selamat Percona dengan pendekatan selamat-oleh-lalai Chainguard dan menyepadukan dengan LangChain, kami boleh mencipta seni bina yang teguh dan selamat yang boleh menahan potensi serangan dipacu AI. Artikel ini telah menyediakan panduan praktikal tentang cara melaksanakan seni bina ini, termasuk contoh kod dan visualisasi.


Have Questions?

Let's Talk

Contact me on LinkedIn