LangChain yordamida maxsus agent yarating | B4N1

LangChain yordamida maxsus agent yarating

6 months ago · b4n1 Tiempo de lectura: 4 min

** AI quvvatli DevOps avtomatlashtirish uchun LangChain va DSPy bilan agent sifatini optimallashtirishni amalga oshirish**

Kirish

Zamonaviy dasturiy ta'minot tizimlarining ortib borayotgan murakkabligi samarali va samarali DevOps avtomatlashtirishga bo'lgan ehtiyojning ortib borishiga olib keldi. Ushbu maqsadga erishish uchun agentga asoslangan tizimlar tizim ish faoliyatini optimallashtirish va sifatni yaxshilash uchun sun'iy intellekt (AI) va mashinani o'rganish (ML) dan foydalangan holda istiqbolli yondashuv sifatida paydo bo'ldi. Ushbu maqolada biz sun'iy intellektga asoslangan DevOps avtomatizatsiyasi uchun LangChain va DSPy-dan foydalangan holda AgentCore-da agent sifatini optimallashtirishning texnik amalga oshirilishini o'rganamiz.

AgentCore: AI quvvatli DevOps avtomatlashtirish uchun asos

AgentCore - bu sun'iy intellektga asoslangan DevOps avtomatlashtirish tizimlarini yaratish uchun ochiq manbali ramka. U modulli arxitekturani taqdim etadi, bu ishlab chiquvchilarga monitoring, joylashtirish va sinov kabi turli vazifalar uchun maxsus agentlarni yaratish imkonini beradi. AgentCore-ning asosiy xususiyatlari quyidagilardan iborat:

  • Modulli arxitektura: AgentCore arxitekturasi yuqori darajada modulli boʻlib ishlab chiqilgan boʻlib, ishlab chiquvchilarga maxsus agentlarni yaratish va ularni asosiy ramka bilan muammosiz birlashtirish imkonini beradi.
  • AI quvvatiga asoslangan qarorlar qabul qilish: AgentCore tizimning ishlashi va sifati bo‘yicha asosli qarorlar qabul qilish uchun AI va ML algoritmlaridan foydalanadi.
  • Real-vaqt monitoringi: AgentCore real vaqt rejimida monitoring qilish imkoniyatlarini taqdim etadi, bu esa ishlab chiquvchilarga tizim ish faoliyatini kuzatish va yuzaga kelishi mumkin bo'lgan muammolarni asosiy muammolarga aylanishidan oldin aniqlash imkonini beradi.

LangChain: suhbatdosh AI agentlarini yaratish uchun asos

LangChain suhbatdosh AI agentlarini yaratish uchun Python asosidir. U foydalanuvchilar bilan tabiiy tilda suhbatlasha oladigan maxsus agentlarni yaratish uchun bir qator vositalar va kutubxonalarni taqdim etadi. LangChain-ning asosiy xususiyatlari quyidagilardan iborat:

  • Suhbatdosh AI: LangChain ishlab chiquvchilarga foydalanuvchilar bilan tabiiy tilda suhbatlasha oladigan maxsus suhbatdosh AI agentlarini yaratish imkonini beradi.
  • Modulli arxitektura: LangChain arxitekturasi yuqori darajada modulli boʻlib ishlab chiqilgan boʻlib, ishlab chiquvchilarga maxsus agentlarni yaratish va ularni asosiy ramka bilan muammosiz birlashtirish imkonini beradi.
  • DSPy bilan integratsiya: LangChain DSPy bilan uzluksiz integratsiyani ta'minlaydi, bu esa ishlab chiquvchilarga o'zlarining suhbatdosh AI agentlarida DSPy ning AI va ML imkoniyatlaridan foydalanish imkonini beradi.

DSPy: AI va ML modellarini yaratish uchun asos

DSPy - bu AI va ML modellarini yaratish uchun Python ramkasi. U turli xil ilovalarda, jumladan DevOps avtomatizatsiyasida foydalanish mumkin bo'lgan maxsus modellarni yaratish uchun bir qator vositalar va kutubxonalarni taqdim etadi. DSPy-ning asosiy xususiyatlari quyidagilardan iborat:

  • AI va ML modellashtirish: DSPy ishlab chiquvchilarga turli ilovalarda, jumladan DevOps avtomatlashtirishda foydalanish mumkin bo‘lgan maxsus AI va ML modellarini yaratish imkonini beradi.
  • LangChain bilan integratsiya: DSPy LangChain bilan uzluksiz integratsiyani ta'minlaydi, bu esa ishlab chiquvchilarga LangChainning suhbatdosh AI imkoniyatlaridan o'zlarining AI va ML modellarida foydalanish imkonini beradi.
  • Real vaqt rejimida bashoratli tahlillar: DSPy real vaqtda bashoratli tahlil qilish imkoniyatlarini taqdim etadi, bu esa ishlab chiquvchilarga tizimning ishlashi va sifati haqida ongli qarorlar qabul qilish imkonini beradi.

LangChain va DSPy bilan agent sifatini optimallashtirishni amalga oshirish

LangChain va DSPy bilan agent sifatini optimallashtirishni amalga oshirish uchun biz quyidagi bosqichlarni bajarishimiz kerak:

  1. Maxsus agent yaratish: LangChain yordamida foydalanuvchilar bilan tabiiy tilda suhbatlasha oladigan maxsus agent yarating.
  2. DSPy-ni integratsiyalash: DSPy-ning AI va ML imkoniyatlaridan foydalanish uchun DSPy-ni maxsus agent bilan birlashtiring.
  3. Modelni o'rgating: Agent sifatini optimallashtirish uchun DSPy yordamida AI va ML modelini o'rgating.
  4. Agentni joylashtirish: agent sifatini optimallashtirish uchun maxsus agentni o'qitilgan model bilan joylashtiring.

Mana, LangChain yordamida maxsus agentni qanday yaratish va DSPy ni birlashtirishni ko'rsatadigan oddiy kod bloki:

import langchain
langchain import LMChain dan
langchain.chains dan ConversationalChain import
langchain.embeddings dan Embeddings import
langchain.llms import LLM dan


agent = LMCchain (
    llm=LLM(
        model="text-davinci-003",
        harorat = 0,7,
        max_tokens=100,
        min_tokens=10,
    ),
    input_format = "matn",
    output_format="matn",
)

# DSPy ni integratsiyalash
dsp = DSPy(
    model = "dspb",
    harorat = 0,7,
    max_tokens=100,
    min_tokens=10,
)

# DSPy yordamida modelni o'rgating
dsp.poezd(
    agent,
    maʼlumotlar=[
        {"input": "Hozirgi harorat qancha?", "chiqish": "Hozirgi harorat 25°C."},
        {"input": "Hozirgi namlik qancha?", "chiqish": "Hozirgi namlik 60%."},
    ],
)

# O'qitilgan model bilan agentni joylashtiring
agent.deploy(dsp)

Dasturiy ta'minotni ishlab chiqish va arxitekturaga ta'siri

LangChain va DSPy bilan agent sifatini optimallashtirishni amalga oshirish dasturiy ta'minotni ishlab chiqish va arxitekturaga bir nechta ta'sir ko'rsatadi:

  • Tizim unumdorligi yaxshilandi: Agent sifatini optimallashtirish ishlab chiquvchilarga tizim ish faoliyatini optimallashtirish va sifatni yaxshilash imkonini beruvchi maxsus agentlarni yaratish imkonini beradi.
  • Kengaytirilgan foydalanuvchi tajribasi: Suhbatdosh AI agentlari foydalanuvchilarga yanada shaxsiylashtirilgan va qiziqarli tajribani taqdim etishi mumkin.
  • Oshgan samaradorlik: Agent sifatini optimallashtirish ishlab chiquvchilarga takrorlanadigan vazifalarni avtomatlashtirish va yanada murakkab va ijodiy vazifalarga e'tibor qaratish imkonini beradi.

Eng koʻp ishlatiladigan 5-10 ta buyruq/parchalar

LangChain va DSPy uchun eng ko'p ishlatiladigan 5-10 ta eng yaxshi buyruqlar/parchalar:

  1. langchain.LLMCain(): LangChain yordamida maxsus agent yaratadi.
  2. langchain.Embeddings(): Maxsus agentda foydalanish uchun o'rnatish ob'ektini yaratadi.
  3. langchain.LLM(): Maxsus agentda foydalanish uchun til modeli obyektini yaratadi.
  4. dsp.DSPy(): Maxsus agentda foydalanish uchun DSPy obyektini yaratadi.
  5. dsp.train(): DSPy yordamida AI va ML modelini o'rgatadi.
  6. dsp.deploy(): Tayyorlangan model bilan maxsus agentni joylashtiradi.
  7. langchain.ConversationalChain(): LangChain yordamida suhbatdosh AI agentini yaratadi.
  8. langchain.chains.ConversationalChain(): LangChain yordamida suhbatdosh AI agentini yaratadi.
  9. langchain.embeddings.Embeddings(): Maxsus agentda foydalanish uchun o'rnatish ob'ektini yaratadi.
  10. langchain.llms.LLM(): Maxsus agentda foydalanish uchun til modeli obyektini yaratadi.

Vizualizatsiya

Mana Chart.js yordamida agent sifatini optimallashtirishning tizim ishlashiga ta'sirini ko'rsatadigan oddiy vizualizatsiya:

{
    "turi": "bar",
    "ma'lumotlar": {
        "yorliqlar": ["Optimallashtirishdan oldin", "Optimallashdan keyin"],
        "ma'lumotlar to'plami": [
            {
                "label": "Tizimning ishlashi",
                "ma'lumotlar": [80, 95],
                "backgroundColor": "rgba(255, 99, 132, 0.2)",
                "borderColor": "rgba(255, 99, 132, 1)",
                "borderWidth": 1
            }
        ]
    },
    "variantlar": {
        "sarlavha": {
            "displey": rost,
            "matn": "Optimallashtirishdan oldin va keyin tizimning ishlashi"
        },
        "tarozi": {
            "yAxes": [
                {
                    "tiklash": {
                        "beginAtZero": rost
                    }
                }
            ]
        }
    }
}

Ushbu vizualizatsiya agent sifatini optimallashtirishning tizim ishlashiga ta'sirini ko'rsatadi, optimallashtirishdan so'ng tizim ishining sezilarli yaxshilanishini ko'rsatadi.

Xulosa

LangChain va DSPy bilan agent sifatini optimallashtirishni amalga oshirish tizim ish faoliyatini yaxshilash, foydalanuvchi tajribasini oshirish va samaradorlikni oshirish kabi bir qator afzalliklarga ega. LangChain va DSPy imkoniyatlaridan foydalangan holda ishlab chiquvchilar tizim ish faoliyatini optimallashtiradigan va sifatni yaxshilaydigan maxsus agentlarni yaratishi mumkin. Taqdim etilgan kod bloki va vizualizatsiya agent sifatini optimallashtirishning texnik amalga oshirilishini va uning dasturiy ta'minotni ishlab chiqish va arxitekturaga ta'sirini ko'rsatadi.

¿Tienes preguntas?

Hablemos

Contáctame en LinkedIn