LangChain agenti yaradın | B4N1

LangChain agenti yaradın

8 months ago · b4n1 Tiempo de lectura: 5 min

Avtomatlaşdırılmış proqram təminatının çatdırılması üçün süni intellekt agentlərindən istifadə: LangChain və DSPy-nin DevOps Pipelines-ə inteqrasiyası

Giriş

Proqram təminatının inkişafı landşaftı, inkişaf dövrünün müxtəlif aspektlərində Süni İntellekt (AI) və Maşın Öyrənmə (ML) tətbiqinin artması ilə sürətlə inkişaf edir. Süni intellekt üçün ən perspektivli tətbiq sahələrindən biri telemetriya və davamlı inteqrasiya/davamlı yerləşdirmə (CI/CD) daxil olmaqla proqram təminatının çatdırılması proseslərinin avtomatlaşdırılmasıdır. Bu yazıda biz AI agentlərinin proqram təminatının çatdırılma proseslərinin avtomatlaşdırılmasında rolunu araşdıracağıq və LangChain və DSPy kimi orkestrləşdirmə alətlərinin praktiki tətbiqini araşdıracağıq.

Proqram təminatının çatdırılmasında AI agentlərinin rolu

Süni intellekt agentləri tapşırıqları avtonom şəkildə yerinə yetirə bilən, məlumatlara və qaydalara əsaslanaraq qərarlar qəbul edən proqram proqramlarıdır. Proqram təminatının çatdırılması kontekstində AI agentləri müxtəlif prosesləri avtomatlaşdırmaq üçün istifadə edilə bilər, məsələn:

  1. Telemetriya: Süni intellekt agentləri tətbiqin davranışı və performansı haqqında anlayışlar təmin etmək üçün proqram qeydləri, performans göstəriciləri və istifadəçi rəyi kimi müxtəlif mənbələrdən məlumatları toplaya və təhlil edə bilər.
  2. Davamlı İnteqrasiya: Süni intellekt agentləri proqramın həmişə yerləşdirilə bilən vəziyyətdə olmasını təmin edərək, kod dəyişikliklərinin qurulmasını, sınaqdan keçirilməsini və yerləşdirilməsini avtomatlaşdıra bilər.
  3. Davamlı Yerləşdirmə: AI agentləri istifadəçilərə yeni funksiyalar və düzəlişlər əldə etmək üçün tələb olunan vaxtı və səyi azaldaraq, istehsala dəyişikliklərin tətbiqini avtomatlaşdıra bilər.
  4. Monitorinq və Xəbərdarlıq: Süni intellekt agentləri tətbiqin işinə nəzarət edə və potensial problemlər kritik hala gəlməmişdən əvvəl tərtibatçıları və operatorları xəbərdar edə bilər.

LangChain: AI agentlərinin qurulması üçün çərçivə

LangChain müxtəlif məlumat mənbələri ilə qarşılıqlı əlaqədə ola bilən və tapşırıqları avtonom şəkildə yerinə yetirə bilən AI agentləri yaratmaq üçün Python çərçivəsidir. LangChain agentləri qurmaq üçün sadə və intuitiv API təqdim edir:

  1. Məlumat mənbələri ilə qarşılıqlı əlaqə: LangChain agentlərin qarşılıqlı əlaqədə ola biləcəyi verilənlər bazaları, API-lər və fayl sistemləri daxil olmaqla bir sıra məlumat mənbələri təqdim edir.
  2. Tapşırıqları yerinə yetirin: LangChain agentlərin yerinə yetirə biləcəyi bir sıra tapşırıqları, o cümlədən mətnin işlənməsi, təsvirin tanınması və təbii dilin işlənməsini təmin edir.
  3. Məlumatlardan öyrənin: LangChain agentlərin məlumatlardan öyrənmək üçün istifadə edə biləcəyi bir sıra maşın öyrənmə alqoritmləri təqdim edir.

DSPy: Paylanmış süni intellekt agentlərinin yaradılması üçün çərçivə

DSPy, geniş miqyaslı tətbiqlərin ehtiyaclarını ödəmək üçün miqyaslana bilən paylanmış AI agentləri yaratmaq üçün Python çərçivəsidir. DSPy bir sıra funksiyaları təmin edir, o cümlədən:

  1. Paylanmış hesablama: DSPy agentlərə bir neçə maşında işləməyə imkan verir və bu, onu irimiqyaslı proqramlar üçün ideal edir.
  2. Məlumat paralelliyi: DSPy agentlərə məlumatları paralel olaraq emal etməyə imkan verir və bu onu yüksək performanslı hesablama tələb edən proqramlar üçün ideal edir.
  3. Scalability: DSPy agentlərə geniş miqyaslı tətbiqlərin ehtiyaclarını ödəmək üçün miqyas verməyə imkan verir.

LangChain və DSPy-nin DevOps Pipelines-ə inteqrasiyası

LangChain və DSPy-ni DevOps boru kəmərlərinə inteqrasiya etmək üçün aşağıdakı addımlardan istifadə edə bilərik:

  1. LangChain və DSPy quraşdırın: Pip istifadə edərək LangChain və DSPy quraşdırın.
pip quraşdırma langchain dspy
  1. LangChain agenti yaradın: Məlumat mənbələri ilə qarşılıqlı əlaqədə ola bilən və tapşırıqları yerinə yetirə bilən LangChain agenti yaradın.
idxal langchain


agent = langchain.Agent(
    ad = "mənim_agentim",
    data_sources=[langchain.DataSource("verilənlər bazası", "mənim_verilənlər bazam")],
    tapşırıqlar=[langchain.Task("mətn_emal", "mənim_mətn_emal")]
)
  1. DSPy agenti yaradın: Birdən çox maşında işləyə və paralel olaraq məlumatları emal edə bilən DSPy agenti yaradın.
idxal dspy

# DSPy agenti yaradın
agent = dspy.Agent(
    ad = "mənim_agentim",
    data_sources=[dspy.DataSource("verilənlər bazası", "mənim_verilənlər bazam")],
    tapşırıqlar=[dspy.Task("mətn_emal", "mənim_mətn_emal")]
)
  1. LangChain və DSPy agentlərini inteqrasiya edin: Jenkins və ya GitLab CI/CD kimi alətdən istifadə edərək LangChain və DSPy agentlərini DevOps boru kəmərinə inteqrasiya edin.
idxal langchain
idxal dspy

# LangChain agenti yaradın
langchain_agent = langchain.Agent(
    name="my_langchain_agent",
    data_sources=[langchain.DataSource("verilənlər bazası", "mənim_verilənlər bazam")],
    tapşırıqlar=[langchain.Task("mətn_emal", "mənim_mətn_emal")]
)

# DSPy agenti yaradın
dspy_agent = dspy.Agent(
    name="my_dspya_agent",
    data_sources=[dspy.DataSource("verilənlər bazası", "mənim_verilənlər bazam")],
    tapşırıqlar=[dspy.Task("mətn_emal", "mənim_mətn_emal")]
)

# Agentləri DevOps boru kəmərinə inteqrasiya edin
boru kəməri = [
    langchain_agent,
    dspy_agent
]

Ən çox istifadə olunan 5-10 əmr/parça

LangChain və DSPy üçün ən çox istifadə olunan 5-10 əmr/parçalar bunlardır:

  1. LangChain: LangChain agenti yaradın
idxal langchain

agent = langchain.Agent(
    ad = "mənim_agentim",
    data_sources=[langchain.DataSource("verilənlər bazası", "mənim_verilənlər bazam")],
    tapşırıqlar=[langchain.Task("mətn_emal", "mənim_mətn_emal")]
)
  1. DSPy: DSPy agenti yaradın
idxal dspy

agent = dspy.Agent(
    ad = "mənim_agentim",
    data_sources=[dspy.DataSource("verilənlər bazası", "mənim_verilənlər bazam")],
    tapşırıqlar=[dspy.Task("mətn_emal", "mənim_mətn_emal")]
)
  1. LangChain: Məlumat mənbəyi ilə əlaqə saxlayın
idxal langchain

agent = langchain.Agent(
    ad = "mənim_agentim",
    data_sources=[langchain.DataSource("verilənlər bazası", "mənim_verilənlər bazam")],
    tapşırıqlar=[langchain.Task("mətn_emal", "mənim_mətn_emal")]
)

data = agent.data_sources[0].get_data()
  1. DSPy: Məlumat mənbəyi ilə əlaqə saxlayın
idxal dspy

agent = dspy.Agent(
    ad = "mənim_agentim",
    data_sources=[dspy.DataSource("verilənlər bazası", "mənim_verilənlər bazam")],
    tapşırıqlar=[dspy.Task("mətn_emal", "mənim_mətn_emal")]
)

data = agent.data_sources[0].get_data()
  1. LangChain: Tapşırığı yerinə yetirin
idxal langchain

agent = langchain.Agent(
    ad = "mənim_agentim",
    data_sources=[langchain.DataSource("verilənlər bazası", "mənim_verilənlər bazam")],
    tapşırıqlar=[langchain.Task("mətn_emal", "mənim_mətn_emal")]
)

nəticə = agent.tasks[0].perform_task(data)
  1. DSPy: Tapşırığı yerinə yetirin
idxal dspy

agent = dspy.Agent(
    ad = "mənim_agentim",
    data_sources=[dspy.DataSource("verilənlər bazası", "mənim_verilənlər bazam")],
    tapşırıqlar=[dspy.Task("mətn_emal", "mənim_mətn_emal")]
)

nəticə = agent.tasks[0].perform_task(data)
  1. LangChain: Məlumatlardan öyrənin
idxal langchain

agent = langchain.Agent(
    ad = "mənim_agentim",
    data_sources=[langchain.DataSource("verilənlər bazası", "mənim_verilənlər bazam")],
    tapşırıqlar=[langchain.Task("mətn_emal", "mənim_mətn_emal")]
)

agent.learn_from_data(data)
  1. DSPy: Məlumatlardan öyrənin
idxal dspy

agent = dspy.Agent(
    ad = "mənim_agentim",
    data_sources=[dspy.DataSource("verilənlər bazası", "mənim_verilənlər bazam")],
    tapşırıqlar=[dspy.Task("mətn_emal", "mənim_mətn_emal")]
)

agent.learn_from_data(data)
  1. LangChain: DevOps boru kəməri ilə inteqrasiya olun
idxal langchain

agent = langchain.Agent(
    ad = "mənim_agentim",
    data_sources=[langchain.DataSource("verilənlər bazası", "mənim_verilənlər bazam")],
    tapşırıqlar=[langchain.Task("mətn_emal", "mənim_mətn_emal")]
)

boru kəməri = [
    agent
]
  1. DSPy: DevOps boru kəməri ilə inteqrasiya olun
idxal dspy

agent = dspy.Agent(
    ad = "mənim_agentim",
    data_sources=[dspy.DataSource("verilənlər bazası", "mənim_verilənlər bazam")],
    tapşırıqlar=[dspy.Task("mətn_emal", "mənim_mətn_emal")]
)

boru kəməri = [
    agent
]

Vizuallaşdırma

Budur DevOps boru kəmərində LangChain və DSPy agentlərinin vizualizasiyası:

{
  "növ": "bar",
  "data": {
    "etiketlər": ["LangChain", "DSPy"],
    "verilənlər dəsti": [
      {
        "label": "Agent",
        "data": [10, 20],
        "backgroundColor": ["rgba(255, 99, 132, 0.2)", "rgba(54, 162, 235, 0.2)"],
        "borderColor": ["rgba(255, 99, 132, 1)", "rgba(54, 162, 235, 1)"],
        "borderWidth": 1
      }
    ]
  },
  "seçimlər": {
    "başlıq": {
      "ekran": doğru,
      "text": "DevOps Boru Kəmərində LangChain və DSPy Agentləri"
    },
    "tərəzi": {
      "yAxes": [
        {
          "gənə": {
            "beginAtZero": doğrudur
          }
        }
      ]
    }
  }
}

Bu vizuallaşdırma LangChain və DSPy agentlərini DevOps boru kəmərində göstərir, LangChain agentinin 10 vəzifəsi və DSPy agentinin 20 vəzifəsi var.

Nəticə

Bu yazıda biz AI agentlərinin proqram təminatının çatdırılma proseslərinin avtomatlaşdırılmasında rolunu araşdırdıq və LangChain və DSPy kimi orkestrləşdirmə alətlərinin praktiki tətbiqini araşdırdıq. LangChain və DSPy-nin məlumat mənbələri ilə qarşılıqlı əlaqə qura, tapşırıqları yerinə yetirə və məlumatlardan öyrənə bilən AI agentləri yaratmaq üçün necə istifadə oluna biləcəyini gördük. LangChain və DSPy-nin Jenkins və ya GitLab CI/CD kimi alətlərdən istifadə edərək DevOps boru kəmərlərinə necə inteqrasiya oluna biləcəyini də gördük. Proqram təminatının inkişafında AI və ML-nin artan qəbulu ilə LangChain və DSPy proqram təminatının çatdırılması proseslərini avtomatlaşdırmaq istəyən tərtibatçılar və operatorlar üçün getdikcə daha vacib vasitələrə çevrilir.

¿Tienes preguntas?

Hablemos

Contáctame en LinkedIn