پیژندنه

د DevOps ساحه په وروستیو کلونو کې د پام وړ بدلونونو سره مخ شوی، د مصنوعي استخباراتو (AI) او د ماشین زده کړې (ML) ادغام سره په زیاتیدونکي توګه مشهور کیږي. یو له کلیدي برخو څخه چیرې چې AI د پام وړ اغیزه کوي د اتومات کولو ساحه کې ده. د AI اجنټانو په کارولو سره ، سازمانونه کولی شي د دوی سافټویر پراختیا کاري فلو ساده کړي ، لارښود غلطۍ کم کړي ، او عمومي موثریت ښه کړي.

پدې مقاله کې ، موږ به د AI لخوا پرمخ وړل شوي DevOps اتومات نړۍ ته وګورو ، چې د LangChain او DSPy چوکاټونو باندې تمرکز کوي. موږ به وپلټو چې دا وسیلې څنګه د مسلې حل کولو فعال سیسټمونو رامینځته کولو او د سافټویر پراختیا کاري فلو اتومات کولو لپاره کارول کیدی شي. سربیره پردې ، موږ به ستاسو د DevOps پایپ لاین کې د لوی ژبې ماډل (LLMs) مدغم کولو څرنګوالي عملي مثال وړاندې کړو.

LangChain او DSPy څه دي؟

مخکې لدې چې موږ د AI لخوا پرمخ وړل شوي DevOps اتومات توضیحاتو ته پام وکړو ، راځئ چې د LangChain او DSPy چوکاټونو ته لنډه کتنه وکړو.

LangChain

LangChain د خلاصې سرچینې چوکاټ دی چې پراختیا کونکو ته وړتیا ورکوي چې د لوی ژبې ماډلونو (LLMs) په کارولو سره د خبرو اترو AI غوښتنلیکونه رامینځته کړي. دا د LLMs سره د متقابل عمل لپاره یو ساده او رواني API چمتو کوي ، پراختیا کونکو ته اجازه ورکوي چې د دوی غوښتنلیکونو لپاره دودیز خبرو اترو انٹرفیسونه رامینځته کړي.

LangChain د LLMs پراخه لړۍ ملاتړ کوي ، پشمول مشهور ماډلونه لکه LLaMA، BERT، او RoBERTA. دا د LLMs د ښه کولو او دودیز کولو لپاره یو لړ وسیلې هم چمتو کوي ترڅو د ځانګړي کارولو قضیو سره سم وي.

DSPy

DSPy د Python کتابتون دی چې ستاسو د DevOps پایپ لاین کې د AI ماډلونو ادغام لپاره ساده او مؤثره لاره چمتو کوي. دا د لینګ چین په شمول د AI چوکاټونو پراخه لړۍ ملاتړ کوي ، او د AI لخوا پرمخ وړل شوي کاري فلو اتومات کولو لپاره یو لړ وسیلې چمتو کوي.

DSPy ډیزاین شوی ترڅو د مشهور DevOps وسیلو لکه جینکنز ، GitLab ، او Docker سره په بې ساري ډول کار وکړي ، دا د هغو سازمانونو لپاره یو غوره انتخاب رامینځته کوي چې غواړي د دوی موجوده DevOps زیربنا کې AI مدغم کړي.

د DevOps اتومات لپاره د AI اجنټانو تنظیم کول

اوس چې موږ د LangChain او DSPy لنډه کتنه لرو، راځئ وګورو چې دا چوکاټونه څنګه د DevOps اتومات کولو لپاره د AI اجنټانو تنظیم کولو لپاره کارول کیدی شي.

فعاله مسله حل

د AI لخوا پرمخ وړل شوي DevOps اتومات یوه له مهمو ګټو څخه د دې وړتیا ده چې په فعاله توګه مسلې حل کړي مخکې لدې چې دوی لویې ستونزې شي. LangChain او DSPy د دودیز خبرو اترو انٹرفیسونو رامینځته کولو لپاره کارول کیدی شي چې د LLMs سره اړیکه لري ترڅو احتمالي مسلې وپیژني او د حل لپاره وړاندیزونه چمتو کړي.

دلته یو ساده مثال دی چې دا څنګه کار کولی شي:

``پېتون langchain واردول د langchain.chat_models څخه LLaMA وارد کړئ

د لینګ چین چیٹ ماډل جوړ کړئ

chat_model = LLaMA()

د چیٹ ماډل سره متقابل عمل کولو لپاره فنکشن تعریف کړئ

def interact_with_chat_model(prompt): ځواب = chat_model.run(پرامپټ) بیرته راستنیدل

د احتمالي مسلو پیژندلو لپاره فنکشن تعریف کړئ

def شناخت_مسایل (کوډ): prompt = f "په لاندې کوډ کې احتمالي مسلې په ګوته کړئ: {code}" ځواب = تعامل_سره_چټ_موډل (پرامپټ) بیرته راستنیدل

د حل لپاره وړاندیزونو چمتو کولو لپاره فنکشن تعریف کړئ

def provide_commendations(مسایل): prompt = f "د لاندې مسلو د حل لپاره سپارښتنې وړاندې کړئ: {مسایل}" ځواب = تعامل_سره_چټ_موډل (پرامپټ) بیرته راستنیدل

د کارونې مثال

کوډ = """ def اضافه (x، y): بېرته x + y """ مسلې = شناخت_مسایل (کوډ) سپارښتنې = وړاندیزونه (مسایل) چاپ (سپارښتنې) ``

په دې مثال کې، موږ یو ساده فعالیت تعریف کوو interact_with_chat_model چې د LangChain چیٹ ماډل سره تعامل کوي ترڅو ورکړل شوي پرامپټ ته ځواب چمتو کړي. موږ بیا دوه اضافي افعال تعریف کوو پیژندنه_مسایل او وړاندی_وړاندیزونه کوم چې د چیٹ ماډل کاروي ترڅو په ځینې نمونې کوډ کې احتمالي مسلې وپیژني او د حل لپاره وړاندیزونه وړاندې کړي.

د اتوماتیک سافټویر پراختیا کاري فلو

LangChain او DSPy ستاسو د موجوده DevOps پایپ لاین کې د AI ماډلونو مدغم کولو سره د سافټویر پراختیا کاري فلو اتومات کولو لپاره هم کارول کیدی شي.

دلته یو مثال دی چې دا څنګه کار کولی شي:

``پېتون dsp وارد کړئ د dsp وارداتي کاري فلو څخه

د DSPy کاري فلو تعریف کړئ

کاري جریان = کاري جریان()

د کوډ تحلیلي وسیلې چلولو لپاره دنده تعریف کړئ

def run_code_analysis(کوډ): # د احتمالي مسلو پیژندلو لپاره د کوډ تحلیل وسیله پرمخ وړئ مسلې = [] #... د بیرته ستنیدو مسلې

د حل لپاره وړاندیزونو چمتو کولو لپاره دنده تعریف کړئ

def provide_commendations(مسایل): # د وړاندیزونو چمتو کولو لپاره د LangChain چیٹ ماډل وکاروئ prompt = f "د لاندې مسلو د حل لپاره سپارښتنې وړاندې کړئ: {مسایل}" ځواب = langchain.chat_model.run(پرامپټ) بیرته راستنیدل

د کوډ ځای په ځای کولو لپاره دنده تعریف کړئ

def deploy_code(code): # کوډ د تولید چاپیریال ته ځای په ځای کړئ #...

د کار جریان تعریف کړئ

workflow.add_task(run_code_analysis) workflow.add_task(د_وړاندې_وړاندې کول) workflow.add_task(ډېپلو_کوډ)

د کار جریان پرمخ وړئ

workflow.run() ``

په دې مثال کې، موږ یو ساده DSPy کاري فلو تعریف کوو چې درې دندې لري: د کوډ تحلیل وسیله چلول، د حل لپاره سپارښتنې چمتو کول، او د کوډ ځای پرځای کول. بیا موږ د هرې دندې په اضافه کولو او چلولو سره د کار فلو تعریف کوو.

غوره 5-10 ډیری کارول شوي کمانډونه / ټوټې

دلته د LangChain او DSPy لپاره ځینې خورا عام کارول شوي کمانډونه او ټوټې دي:

LangChain

• langchain.chat_models.LLaMA(): د LLaMA ماډل په کارولو سره د LangChain چیٹ ماډل جوړ کړئ.
• langchain.chat_model.run(prompt): د ورکړل شوي پرامپټ سره د چیټ ماډل چل کړئ.
• langchain.chat_model.interact_with(prompt): د ورکړل شوي پرامپټ په کارولو سره د چیټ ماډل سره اړیکه ونیسئ.

DSPy

• dspy.Workflow(): د DSPy کاري جریان جوړ کړئ.
• workflow.add_task(task): کاري فلو ته یوه دنده اضافه کړئ.
• workflow.run(): د کاري فلو چلول.

لید

دلته د Chart.js په کارولو سره د کاري فلو ساده لید دی:

json { "ډول": "بار" "ډاټا": { "labels": ["د کوډ تحلیل"، "سپارښتنې"، "ګمارنه"], "ډاټاسایټ": [ { "label": "د کار جریان" "ډاټا": [10, 20, 30], د پس منظر رنګ: [ "rgba(255, 99, 132, 0.2)", "rgba(54, 162, 235, 0.2)", "rgba(255, 206, 86, 0.2)" ]، "سرحد رنګ": [ "rgba(255, 99, 132, 1)", "rgba(54, 162, 235, 1)", "rgba(255, 206, 86, 1)" ]، "borderWidth": 1 } ] }، "اختیارونه": { "عنوان": { "ښکاره": ریښتیا، "text": "د کار جریان" }، "ترازې": { "yAxes": [ { "ticks": { "beginAtZero": ریښتیا } } ] } } }

دا لید یو ساده بار چارټ ښیې چې د کاري فلو استازیتوب کوي، د درې بارونو سره چې د کوډ تحلیل، سپارښتنې، او ګمارنې دندې استازیتوب کوي.

پایله

پدې مقاله کې ، موږ د LangChain او DSPy په کارولو سره د AI لخوا پرمخ وړل شوي DevOps اتومات نړۍ وپلټله. موږ ولیدل چې دا چوکاټونه څنګه د مسلې حل کولو فعال سیسټمونو رامینځته کولو او د سافټویر پراختیا کاري فلو اتومات کولو لپاره کارول کیدی شي. موږ عملي مثالونه هم وړاندې کړل چې څنګه LLMs ستاسو په DevOps پایپ لاین کې مدغم کړو او د Chart.js په کارولو سره د کاري جریان لید.

د AI او اتوماتیک ځواک په کارولو سره ، سازمانونه کولی شي د دوی سافټویر پراختیا کاري فلو ساده کړي ، لارښود غلطۍ کمې کړي ، او عمومي موثریت ته وده ورکړي. که تاسو د DevOps انجنیر یاست، د سافټویر جوړونکي، یا د سوداګرۍ مشر، LangChain او DSPy پیاوړې وسیلې دي چې کولی شي ستاسو سره ستاسو د اهدافو په ترلاسه کولو کې مرسته وکړي.