ملٹی ایجنٹ اے آئی آرکیٹیکچرز اور لینگ چین کے ساتھ سیلف ہیلنگ سافٹ ویئر سسٹمز بنانا

تعارف

آج کے تیز رفتار سافٹ ویئر ڈویلپمنٹ لینڈ سکیپ میں، پیچیدہ سافٹ ویئر سسٹمز کی بھروسے، اسکیل ایبلٹی، اور لچک کو یقینی بنانے کے لیے خود شفا بخش سافٹ ویئر سسٹمز کی تعمیر ایک اہم ضرورت بن گئی ہے۔ روایتی یک سنگی فن تعمیرات جدید سافٹ ویئر ڈیولپمنٹ کے تقاضوں کو پورا کرنے کے لیے اب کافی نہیں ہیں، جہاں سسٹمز کو بدلتے ہوئے تقاضوں کے مطابق ڈھالنے، غیر متوقع ناکامیوں کو سنبھالنے، اور غلطیوں سے تیزی سے بازیافت کرنے کے قابل ہونا چاہیے۔ یہ وہ جگہ ہے جہاں ملٹی ایجنٹ AI آرکیٹیکچرز اور LangChain کام میں آتے ہیں، جو خود کو شفا دینے والے سافٹ ویئر سسٹمز کی تعمیر کے لیے ایک طاقتور حل پیش کرتے ہیں جو بدلتے ہوئے حالات کو سیکھ سکتے ہیں، اپنا سکتے ہیں اور جواب دے سکتے ہیں۔

ملٹی ایجنٹ اے آئی آرکیٹیکچرز کیا ہیں؟

ملٹی ایجنٹ AI فن تعمیرات تقسیم شدہ AI نظام کی ایک قسم ہے جو متعدد خود مختار ایجنٹوں پر مشتمل ہے جو ایک دوسرے اور ان کے ماحول کے ساتھ ایک مشترکہ مقصد حاصل کرنے کے لیے تعامل کرتے ہیں۔ ہر ایجنٹ کی اپنی فیصلہ سازی کی صلاحیتیں، علم اور وسائل ہوتے ہیں، اور وہ معلومات کا اشتراک کرنے، کارروائیوں کو مربوط کرنے اور بدلتے ہوئے حالات کے مطابق ڈھالنے کے لیے ایک دوسرے کے ساتھ بات چیت کر سکتے ہیں۔

سافٹ ویئر سسٹمز کے تناظر میں، ملٹی ایجنٹ AI آرکیٹیکچرز کو خود شفا یابی کے نظام کی تعمیر کے لیے استعمال کیا جا سکتا ہے جو اصل وقت میں غلطیوں، ناکامیوں اور دیگر بے ضابطگیوں کا پتہ لگا سکتے ہیں اور ان کا جواب دے سکتے ہیں۔ فیصلہ سازی کے عمل کو متعدد ایجنٹوں میں تقسیم کر کے، یہ نظام تجربے سے سیکھ سکتے ہیں، بدلتے ہوئے حالات کے مطابق ڈھال سکتے ہیں، اور غلطیوں سے جلد باز آ سکتے ہیں۔

LangChain کیا ہے؟

LangChain ملٹی ایجنٹ AI سسٹم بنانے کے لیے ایک اوپن سورس Python لائبریری ہے۔ یہ پیچیدہ AI نظاموں کی تعمیر کے لیے ایک سادہ، لچکدار، اور توسیع پذیر فریم ورک فراہم کرتا ہے جو بدلتے ہوئے حالات کو سیکھ سکتا ہے، اپنا سکتا ہے اور جواب دے سکتا ہے۔ LangChain کو AI فریم ورک کی ایک وسیع رینج کے ساتھ کام کرنے کے لیے ڈیزائن کیا گیا ہے، بشمول TensorFlow، PyTorch، اور Keras، اور اس کا استعمال ایسے سسٹمز کی تعمیر کے لیے کیا جا سکتا ہے جو ڈیٹا بیس، APIs، اور IoT آلات سمیت متعدد ڈیٹا ذرائع کے ساتھ مربوط ہوں۔

لینگ چین کے ساتھ خود شفا بخش سافٹ ویئر سسٹمز بنانا

LangChain کے ساتھ خود شفا بخش سافٹ ویئر سسٹم بنانے کے لیے، ہمیں ایک ملٹی ایجنٹ AI فن تعمیر کو ڈیزائن کرنے کی ضرورت ہے جو اصل وقت میں غلطیوں، ناکامیوں اور دیگر بے ضابطگیوں کا پتہ لگا سکے اور ان کا جواب دے سکے۔ یہاں فن تعمیر کا ایک اعلیٰ سطحی جائزہ ہے:

1. ایجنٹ ڈیزائن: ہمیں خود مختار ایجنٹوں کا ایک سیٹ ڈیزائن کرنے کی ضرورت ہے جو مشترکہ مقصد کو حاصل کرنے کے لیے ایک دوسرے اور ان کے ماحول کے ساتھ تعامل کر سکیں۔ ہر ایجنٹ کے پاس فیصلہ سازی کی اپنی صلاحیتیں، علم اور وسائل ہونے چاہئیں۔
2. علم کا گراف: ہمیں ایک علمی گراف بنانے کی ضرورت ہے جو ایجنٹوں، ماحول اور نظام کے اہداف کے درمیان تعلقات کو ظاہر کرے۔ اس گراف کو نظام کی حالت کے بارے میں استدلال کرنے اور فیصلے کرنے کے لیے استعمال کیا جا سکتا ہے۔
3. فیصلہ سازی: ہمیں فیصلہ سازی کے عمل کو نافذ کرنے کی ضرورت ہے جو ایجنٹوں کو نظام کی حالت کے بارے میں استدلال کرنے اور علمی گراف کی بنیاد پر فیصلے کرنے کی اجازت دیتا ہے۔
4. ایکشن ایگزیکیوشن: ہمیں ایک عمل پر عمل درآمد کرنے کی ضرورت ہے جو ایجنٹوں کو اپنے فیصلوں پر عمل کرنے اور ماحول کے ساتھ تعامل کرنے کی اجازت دے۔

لینگ چین کے ساتھ بنائے گئے خود شفا بخش سافٹ ویئر سسٹم کی ایک سادہ مثال یہ ہے۔ `` ازگر langchain درآمد کریں langchain.agents درآمد ایجنٹ سے langchain.llms سے LLM درآمد کریں۔

گراف = { 'ایجنٹس': ['ایجنٹ1'، 'ایجنٹ2'، 'ایجنٹ3']، 'ماحول': ['ڈیٹا بیس'، 'API'، 'IoT ڈیوائس'], 'اہداف': ['غلطیوں کا پتہ لگائیں'، 'ناکامیوں کا جواب دیں'، 'غلطیوں سے بازیافت کریں'] }

فیصلہ سازی کے عمل کی وضاحت کریں۔

ڈیف فیصلہ سازی (ایجنٹ، علم_گراف): # نظام کی حالت کے بارے میں وجہ ریاست = علم_گراف['ایجنٹس'][ایجنٹ] # ریاست کی بنیاد پر فیصلہ کریں۔ فیصلہ = 'ناکامی کا جواب' واپسی کا فیصلہ

عمل پر عملدرآمد کے عمل کی وضاحت کریں۔

def action_execution(ایجنٹ، فیصلہ): #فیصلے پر عمل کریں۔ اگر فیصلہ == 'ناکامی کا جواب': # ناکامی کا جواب دیں۔ پرنٹ ('ناکامی کا جواب دینا...') واپسی

ایک LangChain ایجنٹ بنائیں

ایجنٹ = ایجنٹ نام = 'خود کو شفا دینے والا ایجنٹ'، فیصلہ_ سازی=فیصلہ_ سازی، ایکشن_ایگزیکیوشن = ایکشن_ایگزیکیوشن، علم_گراف = گراف )

ایک LangChain LLM بنائیں

llm = LLM( نام = 'خود کی شفا یابی'، ماڈل = 'ڈیونچی' )

لینگ چین سسٹم بنائیں

سسٹم = langchain.System( ایجنٹ = ایجنٹ، llm=llm )

سسٹم چلائیں۔

system.run() `` یہ مثال خود کو ٹھیک کرنے والے ایک سادہ سافٹ ویئر سسٹم کو ظاہر کرتی ہے جو غلطیوں کا پتہ لگا سکتا ہے، ناکامیوں کا جواب دے سکتا ہے، اور غلطیوں سے جلدی ٹھیک ہو سکتا ہے۔ نظام خود مختار ایجنٹوں کے ایک سیٹ پر مشتمل ہوتا ہے جو ایک دوسرے اور ان کے ماحول کے ساتھ ایک مشترکہ مقصد حاصل کرنے کے لیے تعامل کرتے ہیں۔ ایجنٹ نظام کی حالت کے بارے میں استدلال کرنے اور گراف کی بنیاد پر فیصلے کرنے کے لیے علمی گراف کا استعمال کرتے ہیں۔

ٹاپ 5-10 سب سے زیادہ استعمال شدہ کمانڈز/ٹکڑے

لینگ چین کے لیے سب سے اوپر 5-10 سب سے زیادہ استعمال شدہ کمانڈز/ٹکڑے یہ ہیں:

1. langchain.Agent(): ایک نیا LangChain ایجنٹ بناتا ہے۔
2. langchain.LLM(): ایک نیا LangChain LLM بناتا ہے۔
3. langchain.System(): ایک نیا Langchain سسٹم بناتا ہے۔
4. agent.decision_making(): ایجنٹ کے لیے فیصلہ سازی کا عمل چلاتا ہے۔
5. agent.action_execution(): ایک ایجنٹ کے لیے کارروائی کے عمل کو چلاتا ہے۔
6. llm.predict(): LLM کا استعمال کرتے ہوئے پیشین گوئی کرتا ہے۔
7. system.run(): LangChain سسٹم چلاتا ہے۔
8. graph.add_node(): علمی گراف میں ایک نیا نوڈ شامل کرتا ہے۔
9. graph.add_edge(): علمی گراف میں ایک نیا کنارہ شامل کرتا ہے۔
10. graph.remove_node(): علمی گراف سے نوڈ کو ہٹاتا ہے۔

تصور

یہاں Chart.js کا استعمال کرتے ہوئے علمی گراف کا ایک سادہ تصور ہے: json { "type": "گراف"، "ڈیٹا": { "nodes": [ {"id": "agent1", "label": "Agent 1"}, {"id": "agent2", "label": "Agent 2"}, {"id": "agent3", "label": "Agent 3"}، {"id": "ڈیٹا بیس"، "label": "ڈیٹا بیس"}، {"id": "API"، "label": "API"}، {"id": "IoT ڈیوائس"، "label": "IoT ڈیوائس"} ]، "کنارے": [ {"ذریعہ": "ایجنٹ1"، "ٹارگٹ": "ڈیٹا بیس"}، {"ذریعہ": "ایجنٹ2"، "ٹارگٹ": "API"}، {"source": "agent3", "target": "IoT ڈیوائس"}، {"ذریعہ": "ایجنٹ1"، "ٹارگٹ": "ایجنٹ2"}، {"ذریعہ": "ایجنٹ2"، "ٹارگٹ": "ایجنٹ3"} ] }، "اختیارات": { "لے آؤٹ": { "قسم": "سرکلر" }، "nodes": { "سائز": 50 }، "کنارے": { "چوڑائی": 2 } } } یہ تصور ایجنٹوں، ماحول اور نظام کے مقاصد کے درمیان تعلقات کو ظاہر کرتا ہے۔

نتیجہ

ملٹی ایجنٹ AI آرکیٹیکچرز اور LangChain کے ساتھ خود شفا بخش سافٹ ویئر سسٹمز کی تعمیر پیچیدہ سافٹ ویئر سسٹمز کی وشوسنییتا، توسیع پذیری اور لچک کو یقینی بنانے کے لیے ایک طاقتور حل پیش کرتا ہے۔ فیصلہ سازی کے عمل کو متعدد ایجنٹوں میں تقسیم کر کے، یہ نظام تجربے سے سیکھ سکتے ہیں، بدلتے ہوئے حالات کے مطابق ڈھال سکتے ہیں، اور غلطیوں سے جلد باز آ سکتے ہیں۔ LangChain کے ساتھ، ڈویلپر پیچیدہ AI سسٹم بنا سکتے ہیں جو ڈیٹا بیس، APIs، اور IoT آلات سمیت ڈیٹا کے ذرائع کی ایک وسیع رینج کے ساتھ مربوط ہوتے ہیں۔ مثال کے کوڈ کی پیروی کرکے اور سب سے زیادہ استعمال ہونے والے 5-10 کمانڈز/ٹکڑوں کا استعمال کرتے ہوئے، ڈویلپر LangChain کے ساتھ اپنے خود سے شفا بخش سافٹ ویئر سسٹم بنا سکتے ہیں۔