Giriş

“DevOps” pudagy soňky ýyllarda “Emeli intellekt” (AI) we “Machine Learning” (ML) integrasiýasynyň has görnükli bolmagy bilen möhüm özgerişlikleri başdan geçirdi. AI-iň düýpli täsir edýän esasy ugurlaryndan biri awtomatlaşdyryş pudagynda. AI agentlerini ulanmak arkaly guramalar programma üpjünçiligini işläp düzmegi, el bilen edilýän ýalňyşlyklary azaldyp we umumy netijeliligi ýokarlandyryp bilerler.

Bu makalada, LangChain we DSPy çarçuwalaryna ünsi jemläp, AI bilen dolandyrylýan DevOps awtomatlaşdyryş dünýäsine göz aýlarys. Bu gurallaryň işjeň meseläni çözmek ulgamlaryny döretmek we programma üpjünçiligini işläp düzmek işlerini awtomatlaşdyrmak üçin nädip ulanyp boljakdygyny öwreneris. Mundan başga-da, “DevOps” turbageçirijisine Uly Dil Modellerini (LLM) nädip birikdirmelidiginiň amaly mysalyny bereris.

LangChain we DSPy näme?

AI bilen dolandyrylýan DevOps awtomatizasiýasynyň jikme-jikliklerine göz aýlamazdan ozal, LangChain we DSPy çarçuwalaryna gysgaça göz aýlalyň.

LangChain

LangChain, açyk çeşme çarçuwasy bolup, döredijilere Uly Dil Modelleri (LLM) ulanyp, AI programmalaryny gurmaga mümkinçilik berýär. LLM-ler bilen aragatnaşyk saklamak üçin ýönekeý we içgin API üpjün edýär, döredijilere amaly programmalary üçin ýörite söhbetdeşlik interfeýslerini döretmäge mümkinçilik berýär.

“LangChain” LLaMA, BERT we RoBERTa ýaly meşhur modelleri öz içine alýan köp sanly LLM-i goldaýar. Şeýle hem, LLM-leri aýratyn ulanmak ýagdaýlaryna laýyklaşdyrmak we sazlamak üçin birnäçe gural bilen üpjün edýär.

DSPy

DSPy, AI modellerini DevOps turbageçirijiňize birleşdirmegiň ýönekeý we täsirli usulyny üpjün edýän Python kitaphanasydyr. LangChain ýaly AI çarçuwalarynyň giň toplumyny goldaýar we AI bilen dolandyrylýan iş akymlaryny awtomatlaşdyrmak üçin birnäçe gurallary üpjün edýär.

DSPy, Jenkins, GitLab we Docker ýaly meşhur DevOps gurallary bilen üznüksiz işlemek üçin döredilip, AI-ni bar bolan DevOps infrastrukturasyna integrasiýa etmek isleýän guramalar üçin iň amatly saýlawdyr.

DevOps awtomatlaşdyrmak üçin AI agentlerini orkestrlemek

LangChain we DSPy hakda gysgaça syn edenimizden soň, geliň, bu çarçuwalaryň DevOps awtomatlaşdyrylmagy üçin AI agentlerini orkestrlemek üçin nädip ulanyp boljakdygyny öwreneliň.

Işjeň mesele çözgüdi

AI bilen dolandyrylýan “DevOps” awtomatizasiýasynyň esasy artykmaçlyklaryndan biri, esasy meselelere öwrülmezden ozal işjeň ýagdaýda çözmek ukybydyr. LangChain we DSPy, potensial meseleleri kesgitlemek we çözmek üçin teklipler bermek üçin LLM-ler bilen täsirleşýän ýörite söhbetdeşlik interfeýslerini döretmek üçin ulanylyp bilner.

Ine, munuň nähili işlemeginiň ýönekeý mysaly:

`` piton langchain import ediň langchain.chat_models-den LLaMA import edýär

LangChain söhbetdeşlik modelini dörediň

chat_model = LLaMA ()

Söhbet modeli bilen täsirleşmek funksiýasyny kesgitläň

def interaktiw_with_chat_model (haýyş): jogap = chat_model.run (gyssagly) jogap

Mümkin bolan meseleleri kesgitlemek funksiýasyny kesgitläň

def ident_issues (kod): prompt = f "Aşakdaky kodda ýüze çykyp biljek meseleleri kesgitläň: {kod}" jogap = interaktiw_with_chat_model (gyssagly) jogap

Çözgüt üçin teklipleri bermek funksiýasyny kesgitläň

def provide_recommendations (meseleler): prompt = f "Aşakdaky meseleleri çözmek üçin teklipler beriň: {meseleler}" jogap = interaktiw_with_chat_model (gyssagly) jogap

Mysal ulanylyşy

code = "" " def goşmak (x, y): x + y "" " meseleler = kesgitlemek_issues (kod) teklipler = üpjün etmek_ teklipler (meseleler) çap etmek (teklipler) ``

Bu mysalda, berlen soraga jogap bermek üçin LangChain söhbet modeli bilen täsirleşýän ýönekeý "interaktiw_with_chat_model" funksiýasyny kesgitleýäris. Soňra käbir nusga kodundaky ýüze çykyp biljek meseleleri kesgitlemek we çözmek üçin teklipler bermek üçin söhbet modelini ulanýan “Ident_issues” we “provide_recommendations” goşmaça iki funksiýany kesgitleýäris.

Programma üpjünçiligini işläp düzmek işlerini awtomatlaşdyrmak

“LangChain” we “DSPy”, AI modellerini bar bolan “DevOps” turbageçirijiňize birikdirip, programma üpjünçiligini işläp düzmek işini awtomatlaşdyrmak üçin hem ulanylyp bilner.

Ine, munuň nähili işlemeginiň mysaly:

`` piton dspy import et dspy importdan iş prosesi

DSPy iş prosesini kesgitläň

iş tertibi = Iş tertibi ()

Kod derňew guralyny işletmek meselesini kesgitläň

def run_code_analysis (kod): Mümkin bolan meseleleri kesgitlemek üçin kod derňew guralyny işlediň meseleler = [] # ... yzyna gaýtarmak

Çözmek üçin teklipleri bermek meselesini kesgitläň

def provide_recommendations (meseleler): # Teklipleri bermek üçin LangChain söhbetdeşlik modelini ulanyň prompt = f "Aşakdaky meseleleri çözmek üçin teklipler beriň: {meseleler}" jogap = langchain.chat_model.run (gyssagly) jogap

Kody ýerleşdirmek meselesini kesgitläň

def install_code (kod): # Kody önümçilik gurşawyna ýerleşdiriň # ...

Iş prosesini kesgitläň

iş tertibi.add_task (run_code_analysis) iş tertibi.add_task (üpjün etmek_ teklipleri) iş tertibi.add_task (ýerleşdirmek_kody)

Iş prosesini işlediň

workflow.run () ``

Bu mysalda, üç meseleden ybarat ýönekeý DSPy iş prosesini kesgitleýäris: kod derňew guralyny işletmek, çözmek üçin teklipleri bermek we kody ýerleşdirmek. Soňra her meseläni goşup we işledip, iş prosesini kesgitleýäris.

Iň köp ulanylýan buýruklar / bölekler

LangChain we DSPy üçin iň köp ulanylýan buýruklar we bölekler:

LangChain

• langchain.chat_models.LLaMA (): LLaMA modelini ulanyp, LangChain söhbetdeşlik modelini dörediň.
• langchain.chat_model.run (gyssagly): Berlen haýyş bilen söhbet modelini işlediň.
• langchain.chat_model.interact_with (gyssagly): Berlen soragy ulanyp, söhbet modeli bilen täsirleşiň.

DSPy

• dspy.Workflow (): DSPy iş prosesini dörediň.
• workflow.add_task (ýumuş): Iş prosesine bir mesele goşuň.
• workflow.run (): Iş prosesini işlediň.

Görkeziş

Ine, Chart.js ulanyp, iş prosesini ýönekeý şekillendirmek:

json { "tip": "bar", "maglumatlar": { "bellikler": ["Kod derňewi", "Teklipler", "Gurnama"], "maglumat bazalary": [ { "bellik": "Iş tertibi", "maglumatlar": [10, 20, 30], "backgroundColor": [ "rgba (255, 99, 132, 0.2)", "rgba (54, 162, 235, 0.2)", "rgba (255, 206, 86, 0.2)" ], "borderColor": [ "rgba (255, 99, 132, 1)", "rgba (54, 162, 235, 1)", "rgba (255, 206, 86, 1)" ], "borderWidth": 1 } ] }, "opsiýalar": { "title": { "görkezmek": dogry, "text": "Iş tertibi" }, "terezisi": { "yAxes": [ { "bellikler": { "startAtZero": dogry } } ] } } }

Bu wizuallaşdyrma, iş prosesini görkezýän ýönekeý çyzgy diagrammasyny görkezýär, kod derňewini, teklipleri we ýerleşdiriş meselelerini görkezýän üç bar.

Netije

Bu makalada, LangChain we DSPy ulanyp, AI bilen dolandyrylýan DevOps awtomatlaşdyryş dünýäsini öwrendik. Bu çarçuwalaryň işeňňir çözgüt ulgamlaryny döretmek we programma üpjünçiligini işläp düzmek işlerini awtomatlaşdyrmak üçin nädip ulanyp boljakdygyny gördük. Şeýle hem, LLM-leri DevOps turbageçirijiňize nädip birikdirip boljakdygyny we Chart.js ulanyp iş prosesini wizuallaşdyrmagyň amaly mysallaryny hödürledik.

AI güýjüni we awtomatizasiýany ulanmak bilen, guramalar programma üpjünçiligini işläp düzmegi, el bilen edilýän ýalňyşlyklary azaldyp we umumy netijeliligi ýokarlandyryp bilerler. “DevOps” inereneri, programma üpjünçiligini dörediji ýa-da işewür lider bolsaňyz, LangChain we DSPy maksatlaryňyza ýetmäge kömek edip biljek güýçli gurallardyr.