تونۇشتۇرۇش

يېقىنقى يىللاردا DevOps ساھەسىدە زور ئۆزگىرىشلەر بولدى ، سۈنئىي ئىدراك (AI) ۋە ماشىنا ئۆگىنىشى (ML) نىڭ بىرلىشىشى كۈنسېرى گەۋدىلەندى. سۈنئىي ئەقىل ماھىيەتلىك تەسىر كۆرسىتىدىغان مۇھىم ساھەنىڭ بىرى ئاپتوماتلاشتۇرۇش ساھەسىدە. سۈنئىي ئەقىل ۋاكالەتچىلىرىدىن پايدىلىنىپ ، تەشكىلاتلار يۇمشاق دېتال ئېچىش خىزمەت ئېقىمىنى ئاددىيلاشتۇرۇپ ، قولدا خاتالىقلارنى ئازايتىپ ، ئومۇمىي ئۈنۈمنى يۇقىرى كۆتۈرەلەيدۇ.

بۇ ماقالىدە بىز LangChain ۋە DSPy رامكىسىنى ئاساس قىلىپ ، سۈنئىي ئەقىل ئارقىلىق قوزغىتىلغان DevOps ئاپتوماتلاشتۇرۇش دۇنياسىغا چوڭقۇرلاپ كىرىمىز. بىز بۇ قوراللارنىڭ قانداق قىلىپ ئاكتىپ مەسىلىلەرنى ھەل قىلىش سىستېمىسى ۋە يۇمشاق دېتال ئېچىش خىزمەت ئېقىمىنى ئاپتوماتلاشتۇرۇشتا ئىشلىتىلىدىغانلىقى ئۈستىدە ئىزدىنىمىز. بۇنىڭدىن باشقا ، بىز چوڭ تىل مودېللىرىنى (LLM) نى DevOps تۇرۇبا يولىغا قانداق بىرلەشتۈرۈشنىڭ ئەمەلىي مىسالى بىلەن تەمىنلەيمىز.

LangChain ۋە DSPy دېگەن نېمە؟

سۈنئىي ئەقىل ئارقىلىق قوزغىتىلغان DevOps ئاپتوماتلاشتۇرۇشنىڭ تەپسىلاتلىرىغا شۇڭغۇشتىن بۇرۇن ، بىز LangChain ۋە DSPy رامكىسىنى قىسقىچە كۆرۈپ باقايلى.

LangChain

LangChain ئوچۇق كودلۇق رامكا بولۇپ ، ئاچقۇچىلارغا چوڭ تىل مودېللىرى (LLMs) ئارقىلىق پاراڭلىشىش سۈنئىي ئەقىل قوللىنىشچان پروگراممىلىرىنى قۇرالايدۇ. ئۇ LLM لار بىلەن ئۆز-ئارا تەسىر كۆرسىتىش ئۈچۈن ئاددىي ۋە بىۋاسىتە بىۋاسىتە API بىلەن تەمىنلەيدۇ ، پروگراممېرلارنىڭ قوللىنىشچان پروگراممىلىرىغا خاس پاراڭلىشىش ئېغىزى قۇرالايدۇ.

LangChain LLaMA ، BERT ۋە RoBERTa قاتارلىق داڭلىق مودېللارنى ئۆز ئىچىگە ئالغان كۆپ خىل LLM لارنى قوللايدۇ. ئۇ يەنە LLM لارنى ئالاھىدە ئىشلىتىش قېپىغا ماس ھالدا ئىنچىكە تەڭشەش ۋە خاسلاشتۇرۇش ئۈچۈن بىر قاتار قوراللار بىلەن تەمىنلەيدۇ.

DSPy

DSPy بولسا Python كۈتۈپخانىسى بولۇپ ، ئۇ AI مودېللىرىنى DevOps تۇرۇبا يولىغا بىرلەشتۈرۈشنىڭ ئاددىي ۋە ئۈنۈملۈك ئۇسۇلى بىلەن تەمىنلەيدۇ. ئۇ LangChain نى ئۆز ئىچىگە ئالغان كەڭ دائىرىلىك سۈنئىي ئەقىل رامكىسىنى قوللايدۇ ھەمدە سۈنئىي ئەقىل ئارقىلىق ھەرىكەت ئېقىمىنى ئاپتوماتلاشتۇرۇش ئۈچۈن بىر قاتار قوراللار بىلەن تەمىنلەيدۇ.

DSPy Jenkins ، GitLab ۋە Docker قاتارلىق داڭلىق DevOps قوراللىرى بىلەن ماس قەدەمدە ئىشلەش ئۈچۈن لايىھەلەنگەن بولۇپ ، سۈنئىي ئەقىلنى ھازىرقى DevOps ئۇل ئەسلىھەلىرىگە بىرلەشتۈرمەكچى بولغان تەشكىلاتلارنىڭ كۆڭۈلدىكىدەك تاللىشى ھېسابلىنىدۇ.

DevOps ئاپتوماتلاشتۇرۇش ئۈچۈن سۈنئىي ئەقىل ۋاكالەتچىلىرىنى تەشكىللەش

ھازىر بىزدە LangChain ۋە DSPy ھەققىدە قىسقىچە چۈشەنچە بار ، بۇ رامكىلارنىڭ DevOps ئاپتوماتلاشتۇرۇش ئۈچۈن سۈنئىي ئەقىل ۋاكالەتچىلىرىنى قانداق تەشكىللەشكە ئىشلىتىلىدىغانلىقى ئۈستىدە ئىزدىنىپ باقايلى.

ئاكتىپ مەسىلە ھەل قىلىش چارىسى

سۈنئىي ئەقىل ئارقىلىق قوزغىتىلغان DevOps ئاپتوماتلاشتۇرۇشنىڭ مۇھىم پايدىلىرىنىڭ بىرى مەسىلىلەرنى چوڭ مەسىلىگە ئايلىنىشتىن بۇرۇن تەشەببۇسكارلىق بىلەن ھەل قىلىش ئىقتىدارىدۇر. LangChain ۋە DSPy ئارقىلىق LLM لار بىلەن ئۆز-ئارا تەسىر كۆرسىتىدىغان پاراڭلىشىش كۆرۈنمە يۈزى ھاسىل قىلىپ ، يوشۇرۇن مەسىلىلەرنى بايقاش ۋە ھەل قىلىش ئۈچۈن تەۋسىيە بىلەن تەمىنلەشكە بولىدۇ.

بۇ ئىشنىڭ قانداق بولىدىغانلىقىنىڭ ئاددىي بىر مىسالى:

`` python import langchain langchain.chat_models دىن LLaMA ئىمپورت قىلىدۇ

LangChain پاراڭلىشىش ئەندىزىسىنى قۇرۇڭ

chat_model = LLaMA ()

پاراڭلىشىش ئەندىزىسى بىلەن ئۆز-ئارا تەسىر كۆرسىتىدىغان ئىقتىدارغا ئېنىقلىما بېرىڭ

def interaction_with_chat_model (ئەسكەرتىش): ئىنكاس = chat_model.run (ئەسكەرتىش) قايتۇرۇش ئىنكاسى

يوشۇرۇن مەسىلىلەرنى بايقاش ئىقتىدارىنى بەلگىلەڭ

def identify_issues (كود): prompt = f "تۆۋەندىكى كودتىكى يوشۇرۇن مەسىلىلەرنى ئېنىقلاڭ: {code}" جاۋاب = ئۆز-ئارا تەسىر كۆرسىتىش_چات_ مودېل (ئەسكەرتىش) قايتۇرۇش ئىنكاسى

ئېنىقلاشقا تەۋسىيە قىلىدىغان ئىقتىدارغا ئېنىقلىما بېرىڭ

def provide_recommendations (مەسىلىلەر): prompt = f "تۆۋەندىكى مەسىلىلەرنى ھەل قىلىش ئۈچۈن تەۋسىيە بىلەن تەمىنلەڭ: {مەسىلىلەر}" جاۋاب = ئۆز-ئارا تەسىر كۆرسىتىش_چات_ مودېل (ئەسكەرتىش) قايتۇرۇش ئىنكاسى

مىسال ئىشلىتىش

code = "" " def add (x, y): return x + y "" " issues = identify_issues (كود) تەۋسىيە = تەمىنلەش_ تەۋسىيە (مەسىلىلەر) بېسىپ چىقىرىش (تەۋسىيە) `` `

بۇ مىسالدا ، بىز LangChain پاراڭلىشىش ئەندىزىسى بىلەن ئۆز-ئارا تەسىر كۆرسىتىپ ، بېرىلگەن ئەسكەرتىشكە جاۋاب قايتۇرۇش ئۈچۈن ئاددىي بولغان «ئۆز-ئارا تەسىر كۆرسىتىش_چات_ مودېل» نى ئېنىقلايمىز. ئاندىن بىز پاراڭلىشىش ئەندىزىسىنى ئىشلىتىپ بەزى ئۈلگە كودلاردىكى يوشۇرۇن مەسىلىلەرنى بايقاش ۋە ھەل قىلىش ئۈچۈن تەۋسىيە بىلەن تەمىنلەيدىغان «پەرقلەندۈرۈش_ مەسىلە» ۋە «تەمىنلەش_ تەۋسىيە» دىن ئىبارەت ئىككى قوشۇمچە ئىقتىدارغا ئېنىقلىما بېرىمىز.

يۇمشاق دېتال ئېچىش خىزمەت ئېقىمىنى ئاپتوماتلاشتۇرۇش

LangChain ۋە DSPy يەنە سۈنئىي ئەقىل مودېللىرىنى ھازىرقى DevOps تۇرۇبا يولىغا بىرلەشتۈرۈش ئارقىلىق يۇمشاق دېتال ئېچىش خىزمەت ئېقىمىنى ئاپتوماتلاشتۇرۇشقا ئىشلىتىلىدۇ.

بۇ ئىشنىڭ قانداق بولىدىغانلىقىنىڭ بىر مىسالى:

`` python import dspy dspy import Workflow دىن

DSPy خىزمەت ئېقىمىغا ئېنىقلىما بېرىڭ

workflow = Workflow ()

كود ئانالىز قورالىنى ئىجرا قىلىدىغان ۋەزىپىنى ئېنىقلاڭ

def run_code_analysis (كود): # يوشۇرۇن مەسىلىلەرنى بايقاش ئۈچۈن كود ئانالىز قورالىنى ئىجرا قىلىڭ مەسىلىلەر = [] # ... قايتۇرۇش مەسىلىسى

ھەل قىلىش ئۈچۈن تەۋسىيە بىلەن تەمىنلەيدىغان ۋەزىپىنى ئېنىقلاڭ

def provide_recommendations (مەسىلىلەر): # LangChain پاراڭلىشىش ئەندىزىسىنى ئىشلىتىپ تەۋسىيە قىلىڭ prompt = f "تۆۋەندىكى مەسىلىلەرنى ھەل قىلىش ئۈچۈن تەۋسىيە بىلەن تەمىنلەڭ: {مەسىلىلەر}" response = langchain.chat_model.run (ئەسكەرتىش) قايتۇرۇش ئىنكاسى

كود ئورۇنلاشتۇرۇش ۋەزىپىسىنى ئېنىقلاڭ

defloyment_code (كود): # كودنى ئىشلەپچىقىرىش مۇھىتىغا ئورۇنلاشتۇرۇڭ # ...

خىزمەت ئېقىمىغا ئېنىقلىما بېرىڭ

workflow.add_task (run_code_analysis) workflow.add_task (provide_recommendations) workflow.add_task (ئورۇنلاشتۇرۇش_ كود)

خىزمەت ئېقىمىنى ئىجرا قىلىڭ

workflow.run () `` `

بۇ مىسالدا ، بىز كود ئانالىز قورالىنى ئىجرا قىلىش ، ئېنىقلاشقا تەۋسىيە قىلىش ۋە كود ئورۇنلاشتۇرۇشتىن ئىبارەت ئۈچ ۋەزىپىنى ئۆز ئىچىگە ئالغان ئاددىي DSPy خىزمەت ئېقىمىغا ئېنىقلىما بېرىمىز. ئاندىن ھەر بىر ۋەزىپىنى قوشۇش ۋە ئىجرا قىلىش ئارقىلىق خىزمەت ئېقىمىغا ئېنىقلىما بېرىمىز.

ئەڭ كۆپ ئىشلىتىلىدىغان 5-10 بۇيرۇق / ئۈزۈندىلەر

بۇ يەردە LangChain ۋە DSPy ئۈچۈن ئەڭ كۆپ ئىشلىتىلىدىغان بۇيرۇق ۋە پارچىلار بار:

LangChain

• langchain.chat_models.LLaMA () `: LLaMA مودېلىنى ئىشلىتىپ LangChain پاراڭلىشىش ئەندىزىسىنى قۇرۇڭ.
• langchain.chat_model.run (ئەسكەرتىش): بېرىلگەن ئەسكەرتىش بىلەن پاراڭلىشىش ئەندىزىسىنى ئىجرا قىلىڭ.
• langchain.chat_model.interact_with (prompt): بېرىلگەن ئەسكەرتىش ئارقىلىق پاراڭلىشىش ئەندىزىسى بىلەن ئۆز-ئارا تەسىر قىلىڭ.

DSPy

• dspy.Workflow (): DSPy خىزمەت ئېقىمى قۇرۇش.
• workflow.add_task (ۋەزىپە): خىزمەت ئېقىمىغا بىر ۋەزىپە قوشۇڭ.
• workflow.run (): خىزمەت ئېقىمىنى ئىجرا قىلىڭ.

Visualization

بۇ يەردە Chart.js ئارقىلىق خىزمەت ئېقىمىنى ئاددىي تەسۋىرلەپ كۆرۈڭ:

json { "type": "bar", "data": { "بەلگە": ["كود ئانالىزى" ، "تەۋسىيە" ، "ئورۇنلاشتۇرۇش"], "datasets": [ { "label": "خىزمەت ئېقىمى", "data": [10, 20, 30], "backgroundColor": [ "rgba (255, 99, 132, 0.2)", "rgba (54, 162, 235, 0.2)", "rgba (255, 206, 86, 0.2)" ], "borderColor": [ "rgba (255, 99, 132, 1)", "rgba (54, 162, 235, 1)", "rgba (255, 206, 86, 1)" ], "borderWidth": 1 } ] }, "options": { "title": { "display": true, "text": "خىزمەت ئېقىمى" }, "تارازا": { "yAxes": [ { "ticks": { "startAtZero": راست } } ] } } } `

بۇ كۆرۈنۈشتە خىزمەت ئېقىمىغا ۋەكىللىك قىلىدىغان ئاددىي تاياقچە جەدۋەل كۆرسىتىلدى ، ئۈچ بالداق كود ئانالىزى ، تەۋسىيە ۋە ئورۇنلاشتۇرۇش ۋەزىپىسىنى كۆرسىتىدۇ.

خۇلاسە

بۇ ماقالىدە بىز LangChain ۋە DSPy ئارقىلىق سۈنئىي ئەقىل ئارقىلىق قوزغىتىلغان DevOps ئاپتوماتلاشتۇرۇش دۇنياسى ئۈستىدە ئىزدەنگەن. بىز بۇ رامكىلارنىڭ قانداق قىلىپ ئاكتىپ مەسىلىلەرنى ھەل قىلىش سىستېمىسى قۇرۇش ۋە يۇمشاق دېتال ئېچىش خىزمەت ئېقىمىنى ئاپتوماتلاشتۇرۇش ئۈچۈن ئىشلىتىلىدىغانلىقىنى كۆردۇق. بىز يەنە LLM لارنى DevOps تۇرۇبا يولىغا قانداق بىرلەشتۈرۈش ۋە Chart.js ئارقىلىق خىزمەت ئېقىمىنى تەسۋىرلەشنىڭ ئەمەلىي مىساللىرىنى تەمىنلىدۇق.

سۈنئىي ئەقىل ۋە ئاپتوماتلاشتۇرۇشنىڭ كۈچىدىن پايدىلىنىپ ، تەشكىلاتلار يۇمشاق دېتال ئېچىش خىزمەت ئېقىمىنى ئاددىيلاشتۇرۇپ ، قولدا خاتالىقلارنى ئازايتىپ ، ئومۇمىي ئۈنۈمنى يۇقىرى كۆتۈرەلەيدۇ. مەيلى سىز DevOps ئىنژېنېرى ، يۇمشاق دېتال ئاچقۇچى ياكى سودا رەھبىرى بولۇڭ ، LangChain ۋە DSPy سىزنىڭ نىشانىڭىزغا يېتىشىڭىزگە ياردەم بېرەلەيدىغان كۈچلۈك قورال.