Bi Mîmarên AI-yê Pir-Agent û LangChain re Pergalên Nermalava Xwe-Sermankirinê ava bikin

Destpêk

Di perestgeha pêşkeftina nermalava bilez a îroyîn de, avakirina pergalên nermalava xwe-xwe-dermankirinê ji bo misogerkirina pêbawerî, berbelavbûn û rehetbûna pergalên nermalava tevlihev bûye hewcedariyek krîtîk. Mîmarên yekparêz ên kevneşopî êdî têrê nakin ku daxwazên pêşkeftina nermalava nûjen bicîh bînin, li cihê ku pêdivî ye ku pergal karibin xwe bi hewcedariyên guheztinê re biguncînin, têkçûnên nediyar bi rê ve bibin, û zû ji xeletiyan xelas bibin. Li vir mîmarên AI-ê yên pir-agent û LangChain dileyizin, ji bo avakirina pergalên nermalava xwe-xweşkirinê yên ku dikarin fêr bibin, biguncînin û bersivê bidin şert û mercên guherînê, çareseriyek hêzdar pêşkêş dikin.

Mîmarên Multi-Agent AI çi ne?

Mîmarên AI-ê yên pir-agent celebek pergala AI-ê ya belavkirî ye ku ji gelek ajanên xweser pêk tê ku bi hevûdu û hawîrdora wan re têkilî daynin da ku bigihîjin armancek hevpar. Her karmendek kapasîteyên xwe yên biryargirtinê, zanîn û çavkaniyên xwe hene, û ew dikarin bi hev re têkilî daynin da ku agahdarî parve bikin, çalakiyan hevrêz bikin û bi şert û mercên guheztinê re biguncînin.

Di çarçoweya pergalên nermalavê de, mîmariyên AI-ê yên pir-agent dikarin werin bikar anîn da ku pergalên xwe-başkirinê ava bikin ku dikarin di wextê rast de xeletî, têkçûn û anomaliyên din bibînin û bersivê bidin. Bi belavkirina pêvajoya biryargirtinê li ser gelek nûneran, ev pergal dikarin ji ezmûnê fêr bibin, bi şert û mercên guherînê re biguncînin û zû ji xeletiyan xelas bibin.

LangChain çi ye?

LangChain pirtûkxaneyek Python-çavkaniyek vekirî ye ku ji bo avakirina pergalên AI-yê pir-agent. Ew ji bo avakirina pergalên tevlihev ên AI-ê ku dikarin fêr bibin, biguncînin, û bersivê bidin şert û mercên guheztinê, çarçoveyek hêsan, maqûl û berbelav peyda dike. LangChain hatiye dîzaynkirin ku bi cûrbecûr çarçoveyên AI-ê re bixebite, di nav de TensorFlow, PyTorch, û Keras, û dikare were bikar anîn ji bo avakirina pergalên ku bi cûrbecûr çavkaniyên daneyê re, di nav de databases, API, û cîhazên IoT-ê re hevgirtî ne.

Bi LangChain re Pergalên Nermalava Xwe-Sermankirinê ava bikin

Ji bo ku em bi LangChain re pergalek nermalava xwe-samankirinê ava bikin, pêdivî ye ku em mîmariyek AI-ya pir-ajansê dîzayn bikin ku dikare di wextê rast de xeletî, têkçûn û anomaliyên din bibîne û bersivê bide. Li vir nêrînek asta bilind a mîmariyê heye:

1. ** Sêwirana Agent **: Divê em komek ajanên otonom dîzayn bikin ku bikarin bi hev û derdora xwe re têkilî daynin da ku bigihîjin armancek hevbeş. Divê her ajanek xwedî kapasîteyên biryargirtinê, zanîn û çavkaniyên xwe be.
2. Grafê Zanînê: Divê em grafîkeke zanînê ya ku têkiliyên di navbera ajan, hawîrdor û armancên pergalê de temsîl dike çêkin. Ev graf dikare were bikar anîn da ku li ser rewşa pergalê bifikirin û biryaran bidin.
3. Biryargirtin: Pêwîst e em pêvajoyek biryargirtinê pêk bînin ku rê dide ajanan li ser rewşa pergalê bihizirin û li gorî grafika zanînê biryaran bidin.
4. Pêkanîna Çalakiyê: Divê em pêvajoyek pêkanîna çalakiyê pêk bînin ku destûrê dide ajanan ku biryarên xwe bicîh bînin û bi hawîrdorê re têkilî daynin.

Li vir mînakek hêsan a pergalek nermalava xwe-xweşkirinê ku bi LangChain re hatî çêkirin heye: `` python zincîra îthalatê ji langchain.agents import Agent ji langchain.llms import LLM

grafik = { 'agent': ['agent1', 'agent2', 'agent3'], 'hawirdor': ['base daneyan', 'API', 'cîhaza IoT'], 'armanc': ['çewtiyan tespît bike', 'bersiva têkçûnan bide', 'ji xeletiyan xilas bibe'] }

Pêvajoya biryargirtinê diyar bikin

def biryar_making (agent, zanîn_grafî): # Sedem li ser rewşa pergalê dewlet = zanîn_graf['agent'][agent] # Li gorî dewletê biryarê bidin biryar = 'bersiva têkçûnê' biryara vegerê

Pêvajoya pêkanîna çalakiyê diyar bikin

def action_execution (agent, biryar): # Biryarê pêk bînin heke biryar == 'bersiva têkçûnê': # Bersiva têkçûnê bidin çap bike ('Bersiva têkçûnê...') vegere

Nûnerek LangChain biafirînin

agent = Agent( name='self-healing-agent', biryar_biryar=biryar_girtin, action_execution=action_execution, zanîn_graf=graf )

LangChain LLM biafirînin

llm = LLM( name='self-healing-llm', model='davinci' )

Pergalek LangChain biafirînin

system = langchain.System( agent=agent, llm=llm )

Pergalê bimeşînin

system.run()

Ev mînak pergalek nermalava xwe-sade ya hêsan nîşan dide ku dikare xeletiyan bibîne, bersivê bide têkçûn û zû ji xeletiyan xelas bibe. Pergal ji komek ajanên xweser pêk tê ku ji bo bidestxistina armancek hevpar bi hev û derdora xwe re têkildar in. Ajan grafikek zanînê bikar tînin da ku li ser rewşa pergalê bifikirin û li ser bingeha grafîkê biryaran bidin.

** Serê 5-10 Fermanên Herî Bikaranîn / Parçeyên **

Li vir 5-10 fermanên herî zêde têne bikar anîn ji bo LangChain hene:

1. `langchain.Agent()`: Nûnerek LangChain diafirîne.
2. `langchain.LLM()`: LangChain LLM-ya nû diafirîne.
3. `langchain.System()`: Pergalek LangChain ya nû diafirîne.
4. `agent.decision_making()`: Pêvajoya biryargirtinê ji bo ajanek dimeşîne.
5. `agent.action_execution()`: Pêvajoya pêkanîna çalakiyê ji bo ajanekê dimeşîne.
6. `llm.predict()`: Bi LLM-ê pêşbîniyê dike.
7. `system.run()`: Pergala LangChain dimeşîne.
8. `graph.add_node()`: Nodek nû li grafika zanînê zêde dike.
9. `graph.add_edge()`: Rêzeke nû li grafika zanînê zêde dike.
10. `graph.remove_node()`: Girêk ji grafiya zanînê derdixe.

**Visualization **

Li vir dîmenek hêsan a grafika zanînê bi karanîna Chart.js heye:
```json
{
  "type": "grafîk",
  "dane": {
    "nodes": [
      {"id": "agent1", "label": "Agent 1"},
      {"id": "agent2", "label": "Agent 2"},
      {"id": "agent3", "label": "Agent 3"},
      {"id": "base", "label": "Danbase"},
      {"id": "API", "label": "API"},
      {"id": "Cîhaza IoT", "label": "Cîhaza IoT"}
    ],
    "qirax": [
      {"çavkanî": "agent1", "target": "base"},
      {"çavkanî": "agent2", "target": "API"},
      {"çavkanî": "agent3", "target": "Aparata IoT"},
      {"çavkanî": "agent1", "target": "agent2"},
      {"çavkanî": "agent2", "target": "agent3"}
    ]
  },
  "vebijark": {
    "layout": {
      "type": "circular"
    },
    "nodes": {
      "mezin": 50
    },
    "qirax": {
      "firahî": 2
    }
  }
}

Ev dîtbarî têkiliyên di navbera ajan, hawîrdor û armancên pergalê de nîşan dide.

** Encam **

Avakirina pergalên nermalava xwe-samankirinê bi mîmariyên AI-ê yên pir-agent û LangChain ji bo dabînkirina pêbawerî, berbelavbûn, û rehetiya pergalên nermalava tevlihev çareseriyek bi hêz pêşkêşî dike. Bi belavkirina pêvajoya biryargirtinê li ser gelek nûneran, ev pergal dikarin ji ezmûnê fêr bibin, bi şert û mercên guherînê re biguncînin û zû ji xeletiyan xelas bibin. Bi LangChain re, pêşdebiran dikarin pergalên AI-ê yên tevlihev ava bikin ku bi cûrbecûr çavkaniyên daneyê re, di nav de databases, API, û cîhazên IoT-ê de yek dibin. Bi şopandina koda nimûneyê û bi karanîna 5-10 fermanên / perçeyên herî zêde têne bikar anîn, pêşdebir dikarin bi LangChain re pergalên nermalava xwe-xweşkirinê ava bikin.