##परिचय

सफ्टवेयर अनुप्रयोगहरूमा कृत्रिम बुद्धिमत्ता (AI) को एकीकरणले हामीले समस्या समाधान गर्ने, निर्णय गर्ने र स्वचालन गर्ने तरिकामा क्रान्तिकारी परिवर्तन गरेको छ। जे होस्, एआई-संचालित अनुप्रयोगहरू बढ्दो जटिल हुँदै जाँदा, सुरक्षित र स्केलेबल वास्तुकलाको आवश्यकता चिन्ताको विषय बनेको छ। यस लेखमा, हामी AI एजेन्टहरूलाई DevOps पाइपलाइनहरूमा एकीकृत गर्न DSPy र LangChain जस्ता अर्केस्ट्रेशन उपकरणहरू प्रयोग गर्नमा विशेष जोड दिएर AI, सफ्टवेयर इन्जिनियरिङ, र DevOps को प्रतिच्छेदन खोज्नेछौं।

एआई-संचालित सफ्टवेयर वास्तुकलाका चुनौतीहरू

एआई-संचालित सफ्टवेयर अनुप्रयोगहरूले सफ्टवेयर इन्जिनियरहरू र DevOps टोलीहरूलाई अद्वितीय चुनौतीहरू खडा गर्छन्। केही प्रमुख चुनौतीहरू समावेश छन्:

*** स्केलेबिलिटी**: AI मोडेलहरूलाई महत्त्वपूर्ण कम्प्युटेशनल स्रोतहरू चाहिन्छ, जसले उत्पादन वातावरणमा स्केलेबिलिटी समस्याहरू निम्त्याउन सक्छ।

• सुरक्षा: AI मोडेलहरू आक्रमणहरूको लागि कमजोर हुन सक्छ, जस्तै डाटा विषाक्तता र मोडेल उल्टो आक्रमणहरू।
• एकीकरण: एआई मोडेलहरू अवस्थित सफ्टवेयर प्रणालीहरूसँग एकीकृत गर्न आवश्यक छ, जुन जटिल कार्य हुन सक्छ।
• अनुगमन र मर्मतसम्भार: AI मोडेलहरू सही र भरपर्दो रहन सुनिश्चित गर्न निरन्तर अनुगमन र मर्मतसम्भार चाहिन्छ।

अर्केस्ट्रेशन उपकरणहरू: DSPy र LangChain

DSPy र LangChain जस्ता अर्केस्ट्रेशन उपकरणहरूले DevOps पाइपलाइनहरूमा AI एजेन्टहरूको एकीकरणलाई सक्षम पारेर यी चुनौतीहरूको समाधान प्रदान गर्दछ। यी उपकरणहरूले एआई-संचालित अनुप्रयोगहरूको लागि सुरक्षित र स्केलेबल वास्तुकला सुनिश्चित गर्दै, एआई मोडेलहरू निर्माण, तैनाती र प्रबन्ध गर्नको लागि एक रूपरेखा प्रदान गर्दछ।

डीएसपी

DSPy पाइथनको शीर्षमा निर्मित खुला स्रोत अर्केस्ट्रेशन उपकरण हो। यसले एआई मोडेलहरू निर्माण, परिनियोजन र व्यवस्थापनको लागि सरल र सहज API प्रदान गर्दछ। DSPy ले टेन्सरफ्लो, पाइटोर्च र स्किट-लर्न सहित एआई फ्रेमवर्कको विस्तृत दायरालाई समर्थन गर्दछ।

LangChain

LangChain अर्को खुला स्रोत अर्केस्ट्रेशन उपकरण हो जसले AI मोडेलहरू निर्माण, परिनियोजन र व्यवस्थापनको लागि ढाँचा प्रदान गर्दछ। LangChain Rust को शीर्षमा बनाइएको छ र DevOps पाइपलाइनहरूमा AI एजेन्टहरू एकीकृत गर्न उच्च-कार्यसम्पादन API प्रदान गर्दछ।

DSPy सँग सुरक्षित र स्केलेबल एआई-संचालित सफ्टवेयर आर्किटेक्चर कार्यान्वयन गर्दै

यस खण्डमा, हामी DSPy सँग सुरक्षित र स्केलेबल एआई-संचालित सफ्टवेयर वास्तुकला लागू गर्ने सरल उदाहरणको अन्वेषण गर्नेछौं।

उदाहरण: DSPy संग एक साधारण AI मोडेल निर्माण

DSPy प्रयोग गरेर मेसिन लर्निङ मोडेल निर्माण गर्ने एउटा साधारण उदाहरण विचार गरौं। हामी रेखीय प्रतिगमन मोडेल निर्माण गर्न स्किट-लर्न लाइब्रेरी प्रयोग गर्नेछौं।

पाइथन dsp को रूपमा dspy आयात गर्नुहोस् sklearn.linear_model बाट LinearRegression आयात गर्नुहोस् sklearn.datasets बाट load_diabetes आयात गर्नुहोस्

मधुमेह डाटासेट लोड गर्नुहोस्

डाटासेट = load_diabetes()

डेटासेटलाई प्रशिक्षण र परीक्षण सेटहरूमा विभाजन गर्नुहोस्

X_train, X_test, y_train, y_test = dsp.split_dataset(dataset.data, dataset.target, test_size=0.2)

एक रेखीय प्रतिगमन मोडेल निर्माण गर्नुहोस्

मोडेल = LinearRegression()

प्रशिक्षण डेटामा मोडेललाई तालिम दिनुहोस्

model.fit(X_train, y_train)

परीक्षण डाटामा मोडेलको मूल्याङ्कन गर्नुहोस्

सटीकता = model.score(X_test, y_test) छाप्नुहोस्(f"मोडेल शुद्धता: {शुद्धता:.2f}")

यो कोड ब्लकले DSPy प्रयोग गरेर सरल मेसिन लर्निङ मोडेल कसरी बनाउने भनेर देखाउँछ। हामी मधुमेह डेटासेट लोड गर्छौं, यसलाई प्रशिक्षण र परीक्षण सेटहरूमा विभाजित गर्छौं, एक रेखीय प्रतिगमन मोडेल बनाउँछौं, यसलाई प्रशिक्षण डेटामा तालिम दिन्छौं, र परीक्षण डेटामा यसको शुद्धता मूल्याङ्कन गर्छौं।

## LangChain सँग सुरक्षित र स्केलेबल एआई-संचालित सफ्टवेयर वास्तुकला लागू गर्दै

यस खण्डमा, हामी LangChain सँग सुरक्षित र स्केलेबल एआई-संचालित सफ्टवेयर वास्तुकला लागू गर्ने सरल उदाहरणको अन्वेषण गर्नेछौं।

### उदाहरण: LangChain संग एक साधारण AI मोडेल निर्माण

LangChain प्रयोग गरेर मेसिन लर्निङ मोडेल निर्माण गर्ने एउटा साधारण उदाहरण विचार गरौं। हामी न्यूरल नेटवर्क मोडेल निर्माण गर्न TensorFlow पुस्तकालय प्रयोग गर्नेछौं।

``खिया
lc को रूपमा langchain प्रयोग गर्नुहोस्;
tensorflow::prelude::*;

// एक साधारण न्यूरल नेटवर्क मोडेल परिभाषित गर्नुहोस्
fn मोडेल (इनपुट: &Tensor) -> टेन्सर {
    let output = input.matmul(&Tensor::new(1, 1));
    आउटपुट
}

// LangChain एजेन्ट सिर्जना गर्नुहोस्
let agent = lc::Agent::new(model);

// डेटासेट परिभाषित गर्नुहोस्
let dataset = lc::Dataset::new(vec![
    lc::उदाहरण::new(vec![1.0, 2.0], vec![3.0]),
    lc::उदाहरण::new(vec![4.0, 5.0], vec![6.0]),
]);

// डेटासेटमा मोडेललाई तालिम दिनुहोस्
agent.train(&dataset);

// डेटासेटमा मोडेलको मूल्याङ्कन गर्नुहोस्
शुद्धता = agent.evaluate(&dataset);
println!("मोडेल शुद्धता: {}", शुद्धता);

यो कोड ब्लकले LangChain प्रयोग गरेर सरल मेसिन लर्निङ मोडेल कसरी बनाउने भनेर देखाउँछ। हामी एक साधारण न्यूरल नेटवर्क मोडेल परिभाषित गर्छौं, LangChain एजेन्ट सिर्जना गर्छौं, डेटासेट परिभाषित गर्छौं, डेटासेटमा मोडेललाई तालिम दिन्छौं, र डेटासेटमा यसको शुद्धता मूल्याङ्कन गर्छौं।

शीर्ष 5-10 धेरै प्रयोग गरिएका आदेशहरू/स्निपेटहरू

यहाँ DSPy र LangChain को लागि शीर्ष 5-10 सबैभन्दा धेरै प्रयोग गरिएका आदेशहरू/स्निपेटहरू छन्:

डीएसपी

• dsp.split_dataset(data, target, test_size=0.2): डेटासेटलाई प्रशिक्षण र परीक्षण सेटहरूमा विभाजन गर्दछ।
• dsp.build_model(model_name, model_params): निर्दिष्ट मोडेल नाम र प्यारामिटरहरू प्रयोग गरेर मेसिन लर्निङ मोडेल बनाउँछ।
• dsp.train_model(model, data): निर्दिष्ट डाटामा मेसिन लर्निङ मोडेललाई तालिम दिन्छ।
• dsp.evaluate_model(model, data): निर्दिष्ट डाटामा मेसिन लर्निङ मोडेलको कार्यसम्पादन मूल्याङ्कन गर्दछ।
• dsp.deploy_model(model, server_url): मेसिन लर्निङ मोडेललाई तोकिएको सर्भर URL मा डिप्लोय गर्छ।

LangChain

• lc::Agent::new(model): निर्दिष्ट मोडेल प्रयोग गरेर LangChain एजेन्ट सिर्जना गर्दछ।
• lc::Dataset::new(उदाहरणहरू): निर्दिष्ट उदाहरणहरू प्रयोग गरेर LangChain डेटासेट सिर्जना गर्दछ।
• lc::train(एजेन्ट, डेटासेट): निर्दिष्ट डेटासेटमा LangChain एजेन्टलाई तालिम दिन्छ।
• lc::valuate(agent, dataset): निर्दिष्ट डेटासेटमा LangChain एजेन्टको कार्यसम्पादनको मूल्याङ्कन गर्दछ।
• lc::deploy(agent, server_url): LangChain एजेन्टलाई तोकिएको सर्भर URL मा डिप्लोय गर्छ।

भिजुअलाइजेशन

यहाँ Chart.js प्रयोग गरेर एआई-संचालित सफ्टवेयर वास्तुकलाको सरल दृश्य छ:

जाभास्क्रिप्ट const ctx = document.getElementById('myChart').getContext('2d'); const चार्ट = नयाँ चार्ट (ctx, { प्रकार: 'बार', डेटा: { लेबलहरू: ['प्रशिक्षण समय', 'अनुमान समय', 'मोडेल सटीकता'], डाटासेटहरू: [{ लेबल: 'DSPy', डाटा: [१०, ५, ९०], पृष्ठभूमि रंग: 'rgba(255, 99, 132, 0.2)', सीमा रंग: 'rgba(255, 99, 132, 1)', सीमा चौडाइ: 1 }, { लेबल: 'LangChain', डाटा: [८, ६, ९२], पृष्ठभूमि रंग: 'rgba(54, 162, 235, 0.2)', सीमा रंग: 'rgba(54, 162, 235, 1)', सीमा चौडाइ: 1 }] }, विकल्प: { तराजू: { y: { startAtZero: सत्य } } } });

यो कोड ब्लकले DSPy र LangChain को कार्यसम्पादन कल्पना गर्न Chart.js प्रयोग गरेर एउटा साधारण बार चार्ट सिर्जना गर्छ।

## निष्कर्ष

यस लेखमा, हामीले AI एजेन्टहरूलाई DevOps पाइपलाइनहरूमा एकीकृत गर्न DSPy र LangChain जस्ता अर्केस्ट्रेशन उपकरणहरू प्रयोग गर्नमा विशेष जोड दिएर AI, सफ्टवेयर इन्जिनियरिङ, र DevOps को प्रतिच्छेदन खोज्यौं। हामीले DSPy र LangChain प्रयोग गरेर सुरक्षित र स्केलेबल एआई-संचालित सफ्टवेयर आर्किटेक्चर कसरी लागू गर्ने भनेर प्रदर्शन गर्यौं, र प्रत्येक उपकरण प्रयोग गरेर मेसिन लर्निङ मोडेल निर्माण गर्ने सरल उदाहरण प्रदान गर्‍यौं। हामीले प्रत्येक उपकरणको लागि शीर्ष 5-10 धेरै प्रयोग गरिएका आदेशहरू/स्निपेटहरू र Chart.js प्रयोग गरेर एआई-संचालित सफ्टवेयर वास्तुकलाको सरल दृश्य पनि प्रदान गरेका छौं।