** Aiwatar da Inganta ingancin Wakilin tare da LangChain da DSPy don Aiwatar da DevOps Automation na AI**

** Gabatarwa ***

Ƙarfafa rikitaccen tsarin software na zamani ya haifar da haɓaka buƙatu don ingantaccen aiki mai inganci da inganci na DevOps. Tsarin tushen wakilai sun fito a matsayin wata hanya mai ban sha'awa don cimma wannan burin, yin amfani da hankali na wucin gadi (AI) da koyan injin (ML) don haɓaka aikin tsarin da haɓaka inganci. A cikin wannan labarin, za mu bincika aiwatar da fasaha na haɓaka ingancin wakili a cikin AgentCore, yin amfani da LangChain da DSPy don sarrafa AI-powered DevOps.

** AgentCore: Gidauniyar AI-Powered DevOps Automation

AgentCore shine tsarin buɗe tushen tushen don gina tsarin sarrafa kayan aiki na DevOps mai ƙarfin AI. Yana ba da tsarin gine-gine na zamani wanda ke ba masu haɓaka damar ƙirƙirar wakilai na al'ada don ayyuka daban-daban, kamar sa ido, turawa, da gwaji. Mahimman abubuwan AgentCore sun haɗa da:

** Gine-gine na Modular ***: An tsara gine-ginen AgentCore don ya zama na zamani sosai, yana ba masu haɓaka damar ƙirƙirar wakilai na al'ada da haɗa su ba tare da wata matsala ba tare da ainihin tsarin.

** Ƙaddamar da Ƙaddamar da AI ***: AgentCore yana ba da damar AI da ML algorithms don yanke shawara game da aikin tsarin da inganci.
** Sa ido kan lokaci na ainihi ***: AgentCore yana ba da damar sa ido na gaske, yana ba masu haɓaka damar bin tsarin aikin da gano abubuwan da za su iya faruwa kafin su zama manyan matsaloli.

** LangChain: Tsarin Gina Wakilan AI na Tattaunawa ***

LangChain tsarin Python ne don gina wakilan AI na tattaunawa. Yana ba da kewayon kayan aiki da ɗakunan karatu don ƙirƙirar wakilai na al'ada waɗanda za su iya shiga cikin tattaunawar harshe na halitta tare da masu amfani. Maɓalli na LangChain sun haɗa da:

**Tattaunawa AI ***: LangChain yana bawa masu haɓaka damar ƙirƙirar wakilan AI na tattaunawa na al'ada waɗanda zasu iya shiga cikin tattaunawar harshe na halitta tare da masu amfani. ** Gine-gine na Modular ***: An tsara tsarin gine-ginen LangChain don ya zama na zamani sosai, yana ba masu haɓaka damar ƙirƙirar wakilai na al'ada da haɗa su ba tare da matsala ba tare da ainihin tsarin.
** Haɗuwa tare da DSPy ***: LangChain yana ba da haɗin kai tare da DSPy, yana ba masu haɓaka damar yin amfani da damar DSPy's AI da ML a cikin wakilan AI na tattaunawa.

** DSPy: Tsarin Gina AI da Samfuran ML ***

DSPy tsarin Python ne don gina ƙirar AI da ML. Yana ba da kewayon kayan aiki da ɗakunan karatu don ƙirƙirar samfuran al'ada waɗanda za a iya amfani da su a aikace-aikace iri-iri, gami da sarrafa kansa na DevOps. Mahimman abubuwan DSPy sun haɗa da:

** AI da ML Modeling ***: DSPy yana bawa masu haɓakawa damar ƙirƙirar ƙirar AI da ML na al'ada waɗanda za'a iya amfani da su a aikace-aikace iri-iri, gami da sarrafa kansa na DevOps.
** Haɗin kai tare da LangChain ***: DSPy yana ba da haɗin kai maras kyau tare da LangChain, yana ba masu haɓaka damar yin amfani da damar tattaunawa ta LangChain ta AI a cikin ƙirar AI da ML.
Binciken tsinkayar tsinkayar-lokaci na gaske: DSPy yana ba da damar iya yin tsinkaya na ainihin-lokaci, yana bawa masu haɓaka damar yanke shawara mai zurfi game da aikin tsarin da inganci.

** Aiwatar da Inganta ingancin Wakilin tare da LangChain da DSPy ***

Don aiwatar da ingantaccen ingancin wakili tare da LangChain da DSPy, muna buƙatar bin waɗannan matakan:

** Ƙirƙiri Wakili na Musamman ***: Ƙirƙiri wakili na al'ada ta amfani da LangChain wanda zai iya shiga cikin tattaunawar harshe na halitta tare da masu amfani.
** Haɗa DSPy ***: Haɗa DSPy tare da wakilin al'ada don yin amfani da damar DSPy's AI da ML.
** Horar da Model ***: Horar da AI da ML model ta amfani da DSPy don inganta ingancin wakili.
** Ƙaddamar da Wakilin ***: Ƙaddamar da wakili na al'ada tare da samfurin horarwa don inganta ingancin wakili.

Anan akwai shingen lamba mai sauƙi wanda ke nuna yadda ake ƙirƙirar wakili na al'ada ta amfani da LangChain da haɗa DSPy:

`` Python shigo da langchain daga langchain shigo da LLMChain daga langchain.chains shigo da ConversationalChain daga langchain.embeddings shigo da Abun ciki daga langchain.llms shigo da LLM

wakili = LLMChain ( lm=LLM( model = "rubutu-davinci-003", zafin jiki = 0.7, max_tokens=100, min_token = 10, ), input_format = "rubutu", fitarwa_format = "rubutu", )

Haɗa DSPy

dsp = DSPy ( model = "dspb", zafin jiki = 0.7, max_tokens=100, min_token = 10, )

Horar da ƙirar ta amfani da DSPy

dsp.train( wakili, data=[ {"input": "Mene ne yanayin zafi na yanzu?", "fitarwa": "Zazzabi na yanzu shine 25°C."}, {"input": "Mene ne zafi na yanzu?", "fitarwa": "Zafin halin yanzu shine 60%."}, ], )

Sanya wakili tare da samfurin horarwa

wakili.deploy(dsp)


**Tasirin Ci gaban Software da Gine-gine**

Aiwatar da ingantaccen ingancin wakili tare da LangChain da DSPy yana da tasiri da yawa akan haɓaka software da gine-gine:

** Ingantaccen Ayyukan Tsari ***: Inganta ingancin wakili yana bawa masu haɓakawa damar ƙirƙirar wakilai na yau da kullun waɗanda zasu iya haɓaka aikin tsarin da haɓaka inganci.
* ** Ingantattun Ƙwarewar Mai Amfani ***: Wakilan AI na tattaunawa na iya ba wa masu amfani ƙarin keɓaɓɓen ƙwarewa da ƙwarewa.
** Ƙarfafa Ƙarfafawa ***: Inganta ingancin wakili yana ba masu haɓaka damar sarrafa ayyuka masu maimaitawa da mai da hankali kan ayyuka masu rikitarwa da ƙirƙira.

** Manyan Dokoki 5-10 da Akafi Amfani da su/Snippets**

Anan akwai manyan umarni 5-10 da aka fi amfani da su/snippets don LangChain da DSPy:

1. **`langchain.LLMChain ()`**: Ƙirƙirar wakili na al'ada ta amfani da LangChain.
2. **`langchain.Embeddings()`**: Yana ƙirƙira abin haɗawa don amfani a cikin wakilin al'ada.
3. **`langchain.LLM()`**: Yana ƙirƙira abin samfurin harshe don amfani a cikin wakilin al'ada.
4. ** `dsp.DSPy()`**: Yana ƙirƙira DSPy abu don amfani a cikin wakilin al'ada.
5. ** `dsp.train()`**: Yana horar da ƙirar AI da ML ta amfani da DSPy.
6. ** `dsp.deploy()`**: Yana tura wakilin al'ada tare da samfurin horarwa.
7. **'langchain.ConversationalChain()***: Yana ƙirƙira wakilin AI na tattaunawa ta amfani da LangChain.
8. **'langchain.chains.ConversationalChain ()***: Ƙirƙirar wakilin AI na tattaunawa ta amfani da LangChain.
9. **`langchain.embeddings.Embeddings()***: Yana ƙirƙira abin sakawa don amfani a cikin wakilin al'ada.
10. **`langchain.llms.LLM()`**: Yana ƙirƙira abin samfurin harshe don amfani a cikin wakilin al'ada.

**Kallon gani**

Anan akwai sauƙi mai sauƙi ta amfani da Chart.js wanda ke nuna tasirin haɓaka ingancin wakili akan aikin tsarin:

Json
{
    "type": "bar",
    "data": {
        "labels": ["Kafin Ingantawa", "Bayan Ingantawa"],
        "datasets": [
            {
                "label": "Ayyukan Tsari",
                "bayanai": [80, 95],
                "backgroundColor": "rgba(255, 99, 132, 0.2)",
                "BorderColor": "rgba(255, 99, 132, 1)",
                "BorderWidth": 1
            }
        ]
    },
    "zaɓi": {
        "take": {
            "nuna": gaskiya,
            "text": "Ayyukan Tsari Kafin da Bayan Ingantawa"
        },
        "ma'auni": {
            "yAxes": [
                {
                    "zama": {
                        "beginAtZero": gaskiya
                    }
                }
            ]
        }
    }
}

Wannan hangen nesa yana nuna tasirin haɓaka ingancin wakili akan aikin tsarin, yana nuna babban ci gaba a cikin aikin tsarin bayan haɓakawa.

Kammalawa

Aiwatar da ingantaccen ingancin wakili tare da LangChain da DSPy yana da fa'idodi da yawa, gami da ingantaccen aikin tsarin, haɓaka ƙwarewar mai amfani, da haɓaka haɓakawa. Ta hanyar haɓaka damar LangChain da DSPy, masu haɓakawa na iya ƙirƙirar wakilai na al'ada waɗanda zasu iya haɓaka aikin tsarin da haɓaka inganci. Toshe lambar da gani da aka bayar yana nuna aiwatar da fasaha na haɓaka ingancin wakili da tasirinsa akan haɓaka software da gine-gine.

Ƙirƙiri wakili na al'ada ta amfani da LangChain

Haɗa DSPy

Horar da ƙirar ta amfani da DSPy

Sanya wakili tare da samfurin horarwa

Have Questions?