DSPy ашиглан AI агент үүсгэ | B4N1

DSPy ашиглан AI агент үүсгэ

8 months ago · b4n1 Read time: 3 min

Дэвшилтэт хиймэл оюун ухаанд суурилсан програм хангамж хөгжүүлэхэд DSPy болон LangChain-ийг нэгтгэх

Танилцуулга

Хиймэл оюун ухаан (AI) болон Machine Learning (ML) техникүүд улам бүр нэмэгдэж байгаатай холбогдуулан програм хангамж хөгжүүлэх салбар хурдацтай хөгжиж байна. DSPy болон LangChain гэсэн хоёр алдартай Python номын сан нь хиймэл оюун ухаанд суурилсан програм хангамж хөгжүүлэх салбарт хүчээ авч байна. Энэ нийтлэлд бид DSPy болон LangChain-ийн интеграцчлалыг судалж, програм хангамжийн инженерчлэлийн туршлагыг сайжруулж, ажлын урсгалыг оновчтой болгохын тулд AI агентууд болон Том хэлний загваруудыг (LLMs) зохион байгуулах талаар судлах болно.

DSPy гэж юу вэ?

DSPy бол AI агентуудыг бүтээх, удирдахад зориулсан багц хэрэгслээр хангадаг Python номын сан юм. Энэ нь хөгжүүлэгчдэд өгөгдөлд дүн шинжилгээ хийх, байгалийн хэлээр боловсруулалт хийх, шийдвэр гаргах зэрэг олон төрлийн даалгавруудыг гүйцэтгэж чадах AI агентуудыг бий болгох, сургах, ашиглах боломжийг олгодог. DSPy нь алдартай PyTorch номын сан дээр бүтээгдсэн бөгөөд AI агентуудыг бүтээхэд хялбар бөгөөд ойлгомжтой API-ээр хангадаг.

LangChain гэж юу вэ?

LangChain бол Python номын сан бөгөөд LLM-ийг бий болгох, удирдахад зориулсан багц хэрэгслээр хангадаг. Энэ нь хөгжүүлэгчдэд текст үүсгэх, асуултанд хариулах, хэлний орчуулга зэрэг олон төрлийн ажлыг гүйцэтгэх боломжтой LLM-ийг үүсгэх, сургах, ашиглах боломжийг олгодог. LangChain нь алдартай Hugging Face Transformers номын сан дээр бүтээгдсэн бөгөөд LLM-ийг бүтээхэд хялбар бөгөөд ойлгомжтой API-ээр хангадаг.

DSPy болон LangChain-ийг нэгтгэх

DSPy болон LangChain-ийн нэгдмэл байдал нь хөгжүүлэгчдэд төрөл бүрийн даалгавруудыг гүйцэтгэх боломжтой хиймэл оюун ухаанд суурилсан дэвшилтэт програм хангамжийг бий болгох боломжийг олгодог. AI агентууд болон LLM-ийн хүчийг нэгтгэснээр хөгжүүлэгчид өгөгдөлд дүн шинжилгээ хийх, текст үүсгэх, шийдвэр гаргах боломжтой програмуудыг бий болгож чадна.

DSPy болон LangChain-ийн нэгдлийг харуулсан энгийн кодын блок энд байна.

dspy импортлох
langchain импортлох


агент = dspy.Agent()

# LangChain ашиглан LLM үүсгэ
llm = langchain.LLM()

# Өгөгдлийг шинжлэхийн тулд AI агент ашиглана уу
өгөгдөл = {"нэр": "Жон", "нас": 30}
шинжилгээ = агент.анализ (өгөгдөл)

# Шинжилгээнд үндэслэн текст үүсгэхийн тулд LLM ашиглана уу
текст = llm.generate_text(шинжилгээ)

# Үүсгэсэн текстийг хэвлэх
хэвлэх (текст)

Энэхүү кодын блок нь DSPy ашиглан AI агент, LangChain ашиглан LLM-ийг хэрхэн үүсгэж, өгөгдөлд дүн шинжилгээ хийх, текст үүсгэхэд хэрхэн ашиглахыг харуулж байна.

** AI агентууд болон LLM-ийн зохион байгуулалт**

AI агентууд болон LLM-ийн зохион байгуулалт нь DSPy болон LangChain-ийг нэгтгэх чухал тал юм. AI агентууд болон LLM-ийн хүчийг нэгтгэснээр хөгжүүлэгчид дараах олон төрлийн даалгавруудыг гүйцэтгэх боломжтой програмуудыг бий болгож чадна.

  • Өгөгдлийн шинжилгээ: AI агентууд өгөгдөлд дүн шинжилгээ хийх боломжтой бол LLM нь шинжилгээнд үндэслэн текст үүсгэх боломжтой.
  • Текст үүсгэх: LLM нь текст үүсгэх боломжтой бол AI агентууд текстэд дүн шинжилгээ хийж, шийдвэр гаргах боломжтой.
  • Шийдвэр гаргах: AI агентууд мэдээллийн дүн шинжилгээнд үндэслэн шийдвэр гаргах боломжтой бол LLM нь зөвлөмж өгөх боломжтой.

Chart.js ашиглан AI агентууд болон LLM-ийн зохион байгуулалтын дүрслэлийг энд үзүүлэв:

{
  "төрөл": "бар",
  "өгөгдөл": {
    "шошго": ["Өгөгдлийн шинжилгээ", "Текст үүсгэх", "Шийдвэр гаргах"],
    "өгөгдлийн багц": [
      {
        "label": "AI агентууд",
        "өгөгдөл": [10, 5, 8],
        "backgroundColor": "rgba(255, 99, 132, 0.2)",
        "borderColor": "rgba(255, 99, 132, 1)",
        "хилийн өргөн": 1
      },
      {
        "label": "LLMs",
        "өгөгдөл": [8, 10, 5],
        "backgroundColor": "rgba(54, 162, 235, 0.2)",
        "borderColor": "rgba(54, 162, 235, 1)",
        "хилийн өргөн": 1
      }
    ]
  },
  "сонголт": {
    "масштаб": {
      "yAxes": [
        {
          "хачиг": {
            "beginAtZero": үнэн
          }
        }
      ]
    }
  }
}

Энэхүү дүрслэл нь хиймэл оюун ухааны агентууд болон LLM-ийг өөр өөр даалгавруудыг гүйцэтгэхийн тулд хэрхэн зохион байгуулж болохыг харуулж байна.

Хамгийн их ашиглагддаг 5-10 тушаал/хэсэг

DSPy болон LangChain-д зориулсан хамгийн их ашиглагддаг 5-10 тушаал/хэсэг:

  1. dspy.Agent(): DSPy ашиглан AI агент үүсгэнэ.
  2. langchain.LLM(): LangChain ашиглан LLM үүсгэнэ.
  3. agent.analyze(data): AI агент ашиглан өгөгдөлд дүн шинжилгээ хийнэ.
  4. llm.generate_text(analysis): LLM ашиглан шинжилгээнд үндэслэн текст үүсгэнэ.
  5. agent.make_decision(data): AI агент ашиглан өгөгдлийн шинжилгээнд үндэслэн шийдвэр гаргадаг.
  6. llm.get_recommendations(analysis): LLM ашиглан дүн шинжилгээнд үндэслэн зөвлөмж авдаг.
  7. dspy.train_agent(data): Өгөгдсөн өгөгдлийг ашиглан AI агентийг сургадаг.
  8. langchain.train_llm(data): Өгөгдсөн өгөгдлийг ашиглан LLM-ийг сургадаг.
  9. dspy.deploy_agent(): AI агентийг байрлуулна.
  10. langchain.deploy_llm(): LLM-ийг байрлуулна.

Дүгнэлт

DSPy болон LangChain-ийн нэгдмэл байдал нь хиймэл оюун ухаанд суурилсан дэвшилтэт програм хангамжийг бий болгох хүчирхэг хэрэгсэл юм. AI агентууд болон LLM-ийн хүчийг нэгтгэснээр хөгжүүлэгчид өгөгдөлд дүн шинжилгээ хийх, текст үүсгэх, шийдвэр гаргах боломжтой програмуудыг бий болгож чадна. AI агентууд болон LLM-ийн зохион байгуулалт нь DSPy болон LangChain-ийг нэгтгэх чухал тал бөгөөд эдгээр хэрэгслүүдийг хэрхэн хамтад нь ашиглахыг ойлгосноор хөгжүүлэгчид олон төрлийн ажлыг гүйцэтгэх боломжтой програмуудыг бий болгож чадна.

Ирээдүйн ажил

DSPy болон LangChain-ийг нэгтгэх ирээдүйн ажилд дараахь зүйлс орно.

  • Нарийн төвөгтэй даалгавруудыг гүйцэтгэх боломжтой илүү дэвшилтэт AI агентууд болон LLM-ийг хөгжүүлэх.
  • Хөгжүүлэгчид эдгээр хэрэгслийг хамтдаа ашиглахад хялбар болгох үүднээс AI агентууд болон LLM-ийн зохион байгуулалтыг сайжруулах.
  • Өөрсдийн чадавхийг харуулахын тулд DSPy болон LangChain ашигладаг илүү олон програмуудыг бий болгох.

** Лавлагаа**

Тэмдэглэл: Энэ нийтлэлд ашигласан кодын блокууд болон дүрслэлүүд нь зөвхөн үзүүлэх зорилготой бөгөөд бодит программуудад хэрэглэгдэх бодит код эсвэл дүрслэл байж болохгүй.


Have Questions?

Let's Talk

Contact me on LinkedIn