تعارف

DevOps انقلاب تبديل ڪري ڇڏيو آهي طريقي سان سافٽ ويئر جي ترقي، ترتيب، ۽ منظم. بهرحال، جيئن جديد سافٽ ويئر سسٽم جي پيچيدگي وڌندي آهي، تنهنڪري خودڪار، تعميل، ۽ اسپيبلبل جي ضرورت آهي. هي اهو آهي جتي AI-powered DevOps اچي ٿو - هڪ راند بدلائڻ وارو طريقو جيڪو مصنوعي ذهانت (AI) ۽ مشين لرننگ (ML) کي استعمال ڪري ٿو DevOps پائپ لائنن کي منظم ڪرڻ لاءِ. هن آرٽيڪل ۾، اسان اهو معلوم ڪنداسين ته AI-powered DevOps کي ڪيئن ترتيب ڏيو LangChain ۽ DSPy سان، ٻه جديد فريم ورڪ جيڪي ايجنٽ تي ٻڌل آٽوميشن کي فعال ڪن ٿا.

LangChain ڇا آهي؟

LangChain ھڪڙو اوپن سورس فريم ورڪ آھي جيڪو ڊولپرز کي اجازت ڏئي ٿو ڳالھائيندڙ AI ايپليڪيشنون ٺاھي سگھي ٿو ھڪ ماڊيولر، اسپيبلبل آرڪيٽيڪچر استعمال ڪندي. اهو AI ايجنٽ ٺاهڻ لاءِ اڳ ۾ ٺهيل اجزاء ۽ اوزار جو هڪ سيٽ مهيا ڪري ٿو جيڪي مختلف ڊيٽا ذريعن سان لهه وچڙ ۾ ، ڪم انجام ڏيڻ ۽ فيصلا ڪري سگهن ٿا. LangChain Rast پروگرامنگ ٻولي جي چوٽي تي ٺهيل آهي ۽ ٻين ٻولين جهڙوڪ Python ۽ Go سان استعمال ڪري سگهجي ٿي.

DSPy ڇا آهي؟

DSPy هڪ Python لائبريري آهي جيڪا LangChain فريم ورڪ لاءِ هڪ سادي، پٿونڪ انٽرفيس مهيا ڪري ٿي. اهو ڊولپرز کي وڌيڪ واقف نحو ۽ ورڪ فلو استعمال ڪندي AI ايجنٽ ٺاهڻ جي اجازت ڏئي ٿو، موجوده Python-based DevOps پائپ لائنن سان LangChain کي ضم ڪرڻ آسان بڻائي ٿو.

LangChain ۽ DSPy کي DevOps پائپ لائنن سان گڏ ڪرڻ

LangChain ۽ DSPy کي DevOps پائپ لائنن سان ضم ڪرڻ لاءِ، اسان کي هڪ AI ايجنٽ ٺاهڻ جي ضرورت آهي جيڪو ڪم ڪري سگهي ٿو، فيصلا ڪري سگهي ٿو، ۽ مختلف ڊيٽا ذريعن سان لهه وچڙ ۾ اچي سگهي ٿو. هتي پروسيس جو هڪ اعلي سطحي جائزو آهي:

1. AI ايجنٽ جي وضاحت ڪريو: هڪ LangChain ايجنٽ ٺاهيو جيڪو ڪم سرانجام ڏئي سگهي ٿو، جهڙوڪ ڪوڊ لڳائڻ، ٽيسٽ هلائڻ، ۽ ڪارڪردگي جي نگراني ڪرڻ.
2. ** DevOps ٽولز سان ضم ڪريو**: AI ايجنٽ کي DevOps ٽولز سان ضم ڪريو، جهڙوڪ Jenkins، GitLab CI/CD، يا Docker.
3. AI ايجنٽ کي ترتيب ڏيو: مختلف ڊيٽا ذريعن، جهڙوڪ ڊيٽابيس، APIs، يا فائل سسٽم سان رابطو ڪرڻ لاءِ AI ايجنٽ کي ترتيب ڏيو.
4. ٽرين دي AI ايجنٽ: مشين لرننگ الگورتھم ۽ DevOps پائپ لائن مان ڊيٽا استعمال ڪندي AI ايجنٽ کي تربيت ڏيو.

عملي مثال: LangChain ۽ DSPy سان ڪوڊ لڳائڻ

هتي هڪ سادي مثال آهي ته ڪيئن LangChain ۽ DSPy استعمال ڪندي ڪوڊ ترتيب ڏيڻ: ``پٿون langchain درآمد ڪريو langchain.agents کان ايجنٽ درآمد ڪريو langchain.llms کان ايل ايل ايم درآمد ڪريو

LangChain ايجنٽ ٺاهيو

ايجنٽ = ايجنٽ( LLM=LLM( model_name = "ڊيونسي"، max_tokens=2048, گرمي پد = 0.5 ) زنجير = [ langchain. زنجير ( نالو = "deploy_code"، قدم = [ langchain.Step( نالو = "git_clone"، func=lambda: git_clone("https://github.com/user/repo.git"), ) langchain.Step( نالو = "build_code"، func=lambda: build_code(), ) langchain.Step( نالو = "deploy_code"، func=lambda: deploy_code(), ) ]، ) ]، )

AI ايجنٽ استعمال ڪندي ڪوڊ لڳايو

agent.deploy_code() `` هن مثال ۾، اسان هڪ LangChain ايجنٽ ٺاهي ٿو جيڪو ٽن مرحلن کي انجام ڏئي ٿو:

1. Git استعمال ڪندي ڪوڊ جي مخزن کي ڪلون ڪري ٿو.
2. ڪوڊ ٺاھيو ٺاھيو اوزار استعمال ڪندي.
3. ڊيپلائيمينٽ ٽول استعمال ڪندي ڪوڊ ڊيپلائي ڪري ٿو.

AI ايجنٽ فيصلو ڪرڻ ۽ ڪم انجام ڏيڻ لاءِ ٻولي ماڊل (LLM) استعمال ڪري ٿو.

مٿيون 5-10 سڀ کان وڌيڪ استعمال ٿيل ڪمانڊ/ٽڪرا

هتي ڪجھ عام طور تي استعمال ٿيل حڪم ۽ ٽڪڙا آهن LangChain ۽ DSPy لاءِ:

1. هڪ LangChain ايجنٽ ٺاهيو: agent = ايجنٽ(llm=LLM(model_name="davinci", max_tokens=2048, temperature=0.5), chain=[langchain.Chain(name="deploy_code", steps=[langchain.Step(name="cgit_lamb: davinci"), git_clone("https://github.com/user/repo.git"))])])
2. اي آئي ايجنٽ استعمال ڪندي ڪوڊ لڳايو: agent.deploy_code()
3. اي اي ايجنٽ کي ٽرين ڏيو: agent.train(data=[{"input": "deploy code", "output": "deployed code"}])
4. ** DevOps ٽولز سان ضم ٿيڻ**: agent.integrate_with_jenkins()
5. AI ايجنٽ کي ترتيب ڏيو: agent.configure(llm=LLM(model_name="davinci", max_tokens=2048, temperature=0.5))
6. اي آئي ايجنٽ جي حيثيت حاصل ڪريو: agent.status()
7. اي آئي ايجنٽ جا لاگ حاصل ڪريو: agent.logs()
8. اي آئي ايجنٽ جي ترتيب کي اپڊيٽ ڪريو: agent.update_config(llm=LLM(model_name="davinci", max_tokens=2048, temperature=0.5))
9. اي آئي ايجنٽ کي ختم ڪريو: agent.delete()
10. ** حاصل ڪريو AI ايجنٽ جي ميٽرڪس**: agent.metrics()

بصري

هتي LangChain ۽ DSPy آرڪيٽيڪچر جو هڪ تصور آهي Chart.js استعمال ڪندي: جيسن { "قسم": "بار"، "ڊيٽا": { "labels": ["LangChain", "DSPy"], "ڊيٽا سيٽس": [ { "label": "اجزاء", "ڊيٽا": [10، 5]، "backgroundColor": ["#4CAF50", "#FF9800"], "borderColor": ["#3e8e41", "#ff9900"], "سرحد جي ويڪر": 1 } ] }، "اختيارن": { "عنوان": { "display": سچ، "text": "LangChain ۽ DSPy آرڪيٽيڪچر" }، "ليجنڊ": { "display": سچو }، "ترازو": { "yAxes": [ { "ticks": { "beginAtZero": سچ } } ] } } } `` هي تصور LangChain ۽ DSPy ۾ اجزاء جو تعداد ڏيکاري ٿو.

نتيجو

هن آرٽيڪل ۾، اسان دريافت ڪيو ته ڪيئن AI-powered DevOps کي ترتيب ڏيو LangChain ۽ DSPy سان، ٻه جديد فريم ورڪ جيڪي ايجنٽ تي ٻڌل آٽوميشن کي فعال ڪن ٿا. اسان AI-powered DevOps جي فائدن تي بحث ڪيو، بشمول وڌايل آٽوميشن، تعميل، ۽ اسڪيلبل. اسان LangChain ۽ DSPy استعمال ڪندي ڪوڊ لڳائڻ جو هڪ عملي مثال پڻ مهيا ڪيو، گڏوگڏ عام طور تي استعمال ٿيل حڪمن ۽ ٽڪڙن جي هڪ فهرست. آخرڪار، اسان Chart.js استعمال ڪندي LangChain ۽ DSPy آرڪيٽيڪچر کي ڏٺو. LangChain ۽ DSPy سان، ڊولپرز وڌيڪ موثر، اسپيبلبل، ۽ خودڪار DevOps پائيپ لائينون ٺاهي سگھن ٿيون جيڪي AI ۽ مشين لرننگ جي طاقت کي استعمال ڪن ٿيون.