Búðu til LangChain spjallbot

Að innleiða gervigreindarknúna DevOps sjálfvirkni með Kiro gervigreindarknúnum umboðsmönnum og LangChain

Kynning

DevOps landslagið er í örri þróun, með aukinni upptöku gervigreindar (AI) og vélanáms (ML) tækni. Eitt af lykilsviðunum þar sem gervigreind hefur veruleg áhrif er í DevOps sjálfvirkni. Í þessari grein munum við kanna tæknilega útfærslu AI umboðsmanna í DevOps sjálfvirkni, með áherslu á samþættingu Kiro AI-knúnra umboðsmanna við LangChain fyrir aukna sjálfvirkni og hljómsveitargetu.

Hvað eru Kiro AI-powered agents?

Kiro AI-knúnir umboðsmenn eru tegund hugbúnaðarumboðsmanna sem notar AI og ML reiknirit til að gera sjálfvirk verkefni og taka ákvarðanir. Þessir umboðsmenn eru hannaðir til að læra af gögnum og laga sig að breyttu umhverfi, sem gerir þá tilvalið fyrir flókin og kraftmikil kerfi eins og DevOps leiðslur.

Hvað er LangChain?

LangChain er Python bókasafn sem býður upp á sett af verkfærum og API til að byggja upp gervigreindarforrit í samtali. Það gerir forriturum kleift að búa til spjallbotna, raddaðstoðarmenn og önnur samtalsviðmót með því að nota náttúrulega málvinnslu (NLP) og reiknirit fyrir vélanám.

Að samþætta Kiro AI-knúna umboðsmenn við LangChain

Til að samþætta Kiro AI-knúna umboðsmenn við LangChain, þurfum við að búa til samtalsviðmót sem getur haft samskipti við umboðsmennina og veitt þeim nauðsynleg inntak og úttak. Hér er yfirlit á háu stigi yfir arkitektúrinn:

1. Notandainntak: Notandinn hefur samskipti við samtalsviðmótið og gefur inntak í formi texta eða rödd.
2. Náttúruleg málvinnsla (NLP): Inntakið er unnið með því að nota NLP reiknirit til að draga út viðeigandi upplýsingar og ásetning.
3. Val umboðsmanns: Samtalsviðmótið velur viðeigandi Kiro AI-knúna umboðsmann byggt á inntaki og ásetningi notandans.
4. Virkni umboðsmanns: Valinn umboðsmaður er ræstur til að framkvæma nauðsynlegar aðgerðir, svo sem að gera sjálfvirk verkefni eða taka ákvarðanir.
5. Úttak: Úttak umboðsmannsins er unnið og skilað til notandans í gegnum samtalsviðmótið.

Tæknileg útfærsla

Til að innleiða þennan arkitektúr þurfum við að nota blöndu af Python, Rust og Go forritunarmálum. Hér er einfaldur kóðablokk sem sýnir samþættingu Kiro AI-knúnra umboðsmanna við LangChain:

flytja inn langkeðju
frá kiro import Agent


chatbot = langchain.Chatbot(
    model="davinci:002",
    hitastig=0,7,
    max_tokens=2048,
    user_agent="Kiro AI-powered agent"
)

# Búðu til Kiro AI-knúinn umboðsmann
umboðsmaður = umboðsmaður(
    name="Umboðsmaðurinn minn",
    description="Einfaldur umboðsmaður sem gerir verkefni sjálfvirk",
    aðgerðir=[
        "keyra_skipun",
        "senda_póst",
        "búa til_miða"
    ]
)

# Skilgreindu aðgerð til að hafa samskipti við umboðsmanninn
def interact_with_agent (inntakstexti):
    # Vinndu inntakið með NLP
    ásetning = langchain.extract_intent(inntakstexti)
    
    # Veldu viðkomandi umboðsmann út frá ásetningi
    ef ásetning == "run_skipun":
        agent.run_command()
    elif ásetning == "senda_póst":
        agent.send_email()
    elif ásetningur == "búa til_miða":
        agent.create_ticket()
    
    # Skilaðu afköstum umboðsmannsins
    skilamiðill.úttak

# Prófaðu aðgerðina
input_text = "Keyra byggingarforskriftina"
output = interact_with_agent(inntakstexti)
prenta (úttak)

Þessi kóðablokk sýnir hvernig á að búa til LangChain spjallbot og Kiro AI-knúinn umboðsmann og hvernig á að hafa samskipti við umboðsmanninn með því að nota samtalsviðmót.

Top 5-10 mest notuðu skipanir/bútar

Hér eru nokkrar af algengustu skipunum og bútunum fyrir Kiro AI-knúna umboðsmenn og LangChain:

1. langchain.Chatbot(model="davinci:002", temperature=0.7, max_tokens=2048, user_agent="Kiro AI-Powered Agent"): Býr til LangChain chatbot með tilgreindu líkani og breytum.
2. Agent(name="My Agent", description="A Einfaldur umboðsmaður sem gerir verkefni sjálfvirkan", actions=["run_command", "send_email", "create_ticket"]): Býr til Kiro AI-knúinn umboðsmann með tilgreindu nafni, lýsingu og aðgerðum.
3. langchain.extract_intent(input_text): Vinnur innsláttartextann með því að nota NLP til að draga út tilganginn.
4. agent.run_command(): Kveikir á umboðsmanni til að keyra skipun.
5. agent.send_email(): Kveikir á umboðsmanni til að senda tölvupóst.
6. agent.create_ticket(): Kveikir á umboðsmanni til að búa til miða.
7. langchain.Chatbot().ask(input_text): Spyr spjallbotninn spurningu og skilar svarinu.
8. langchain.Chatbot().tell(input_text): Segir spjallbotninum yfirlýsingu og skilar svarinu.
9. langchain.Chatbot().listen(): Hlustar á inntak notanda og skilar svarinu.
10. langchain.Chatbot().stop(): Stöðvar spjallbotninn og losar tilföng.

Sjónræn

Hér er einföld mynd af arkitektúrnum með því að nota Chart.js:

{
  "type": "skífurit",
  "gögn": {
    "labels": ["Notandainntak", "NLP", "Umboðsval", "Umboðssamskipti", "úttak"],
    "gagnasett": [
      {
        "label": "Arkitektúr",
        "gögn": [10, 20, 30, 40, 50],
        "bakgrunnslitur": [
          "#FF6384",
          "#36A2EB",
          "#FFCE56",
          "#4BC0C0",
          "#FF99CC"
        ]
      }
    ]
  },
  "valkostir": {
    "titill": {
      "display": satt,
      "text": "AI-knúinn DevOps sjálfvirkniarkitektúr"
    },
    "goðsögn": {
      "birta": satt
    }
  }
}

Þessi sjónmynd sýnir mismunandi þætti arkitektúrsins, þar á meðal notendainntak, NLP, val umboðsmanns, samskipti umboðsmanns og úttak.

Niðurstaða

Í þessari grein könnuðum við tæknilega útfærslu AI umboðsmanna í DevOps sjálfvirkni, með áherslu á samþættingu Kiro AI-knúnra umboðsmanna við LangChain fyrir aukna sjálfvirkni og hljómsveitargetu. Við sýndum einfaldan kóðablokk sem sýnir samþættingu Kiro AI-knúnra umboðsmanna við LangChain, og útveguðum lista yfir algengustu skipanir og búta fyrir Kiro AI-knúna umboðsmenn og LangChain. Við settum líka mynd af arkitektúrnum með því að nota Chart.js. Með því að nota gervigreind-knúna umboðsmenn og samtalsviðmót geta DevOps teymi gert sjálfvirk verkefni, bætt skilvirkni og dregið úr villum, sem gerir sjálfvirkni DevOps skilvirkari og skilvirkari.