** AI- ಚಾಲಿತ DevOps ಆಟೊಮೇಷನ್‌ಗಾಗಿ LangChain ಮತ್ತು DSPy ನೊಂದಿಗೆ ಏಜೆಂಟ್ ಗುಣಮಟ್ಟ ಆಪ್ಟಿಮೈಸೇಶನ್ ಅನ್ನು ಕಾರ್ಯಗತಗೊಳಿಸುವುದು**

ಪರಿಚಯ

ಆಧುನಿಕ ಸಾಫ್ಟ್‌ವೇರ್ ವ್ಯವಸ್ಥೆಗಳ ಹೆಚ್ಚುತ್ತಿರುವ ಸಂಕೀರ್ಣತೆಯು ದಕ್ಷ ಮತ್ತು ಪರಿಣಾಮಕಾರಿ DevOps ಯಾಂತ್ರೀಕೃತಗೊಂಡ ಅಗತ್ಯವನ್ನು ಹೆಚ್ಚಿಸಿದೆ. ಈ ಗುರಿಯನ್ನು ಸಾಧಿಸಲು ಏಜೆಂಟ್ ಆಧಾರಿತ ವ್ಯವಸ್ಥೆಗಳು ಒಂದು ಭರವಸೆಯ ವಿಧಾನವಾಗಿ ಹೊರಹೊಮ್ಮಿವೆ, ಸಿಸ್ಟಂ ಕಾರ್ಯಕ್ಷಮತೆಯನ್ನು ಉತ್ತಮಗೊಳಿಸಲು ಮತ್ತು ಗುಣಮಟ್ಟವನ್ನು ಸುಧಾರಿಸಲು ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆ (AI) ಮತ್ತು ಯಂತ್ರ ಕಲಿಕೆ (ML) ಅನ್ನು ನಿಯಂತ್ರಿಸುತ್ತದೆ. ಈ ಲೇಖನದಲ್ಲಿ, AgentCore ನಲ್ಲಿ ಏಜೆಂಟ್ ಗುಣಮಟ್ಟದ ಆಪ್ಟಿಮೈಸೇಶನ್‌ನ ತಾಂತ್ರಿಕ ಅನುಷ್ಠಾನವನ್ನು ನಾವು ಅನ್ವೇಷಿಸುತ್ತೇವೆ, AI-ಚಾಲಿತ DevOps ಆಟೊಮೇಷನ್‌ಗಾಗಿ LangChain ಮತ್ತು DSPy ಅನ್ನು ನಿಯಂತ್ರಿಸುತ್ತೇವೆ.

AgentCore: AI-ಚಾಲಿತ DevOps ಆಟೊಮೇಷನ್‌ಗಾಗಿ ಒಂದು ಅಡಿಪಾಯ

AgentCore AI-ಚಾಲಿತ DevOps ಯಾಂತ್ರೀಕೃತಗೊಂಡ ವ್ಯವಸ್ಥೆಗಳನ್ನು ನಿರ್ಮಿಸಲು ತೆರೆದ ಮೂಲ ಚೌಕಟ್ಟಾಗಿದೆ. ಇದು ಮಾಡ್ಯುಲರ್ ಆರ್ಕಿಟೆಕ್ಚರ್ ಅನ್ನು ಒದಗಿಸುತ್ತದೆ ಅದು ಡೆವಲಪರ್‌ಗಳಿಗೆ ವಿವಿಧ ಕಾರ್ಯಗಳಿಗಾಗಿ ಕಸ್ಟಮ್ ಏಜೆಂಟ್‌ಗಳನ್ನು ರಚಿಸಲು ಅನುವು ಮಾಡಿಕೊಡುತ್ತದೆ, ಉದಾಹರಣೆಗೆ ಮೇಲ್ವಿಚಾರಣೆ, ನಿಯೋಜನೆ ಮತ್ತು ಪರೀಕ್ಷೆ. ಏಜೆಂಟ್‌ಕೋರ್‌ನ ಪ್ರಮುಖ ವೈಶಿಷ್ಟ್ಯಗಳು ಸೇರಿವೆ:

• ಮಾಡ್ಯುಲರ್ ಆರ್ಕಿಟೆಕ್ಚರ್: ಏಜೆಂಟ್‌ಕೋರ್‌ನ ಆರ್ಕಿಟೆಕ್ಚರ್ ಅನ್ನು ಹೆಚ್ಚು ಮಾಡ್ಯುಲರ್ ಆಗಿ ವಿನ್ಯಾಸಗೊಳಿಸಲಾಗಿದೆ, ಡೆವಲಪರ್‌ಗಳಿಗೆ ಕಸ್ಟಮ್ ಏಜೆಂಟ್‌ಗಳನ್ನು ರಚಿಸಲು ಮತ್ತು ಅವುಗಳನ್ನು ಕೋರ್ ಫ್ರೇಮ್‌ವರ್ಕ್‌ನೊಂದಿಗೆ ಮನಬಂದಂತೆ ಸಂಯೋಜಿಸಲು ಅನುವು ಮಾಡಿಕೊಡುತ್ತದೆ.
• AI-ಚಾಲಿತ ನಿರ್ಧಾರ ತಯಾರಿಕೆ: ಸಿಸ್ಟಮ್ ಕಾರ್ಯಕ್ಷಮತೆ ಮತ್ತು ಗುಣಮಟ್ಟದ ಬಗ್ಗೆ ತಿಳುವಳಿಕೆಯುಳ್ಳ ನಿರ್ಧಾರಗಳನ್ನು ತೆಗೆದುಕೊಳ್ಳಲು ಏಜೆಂಟ್‌ಕೋರ್ AI ಮತ್ತು ML ಅಲ್ಗಾರಿದಮ್‌ಗಳನ್ನು ನಿಯಂತ್ರಿಸುತ್ತದೆ.
• ರಿಯಲ್-ಟೈಮ್ ಮಾನಿಟರಿಂಗ್: ಏಜೆಂಟ್‌ಕೋರ್ ನೈಜ-ಸಮಯದ ಮೇಲ್ವಿಚಾರಣಾ ಸಾಮರ್ಥ್ಯಗಳನ್ನು ಒದಗಿಸುತ್ತದೆ, ಡೆವಲಪರ್‌ಗಳಿಗೆ ಸಿಸ್ಟಮ್ ಕಾರ್ಯಕ್ಷಮತೆಯನ್ನು ಟ್ರ್ಯಾಕ್ ಮಾಡಲು ಮತ್ತು ಪ್ರಮುಖ ಸಮಸ್ಯೆಗಳಾಗುವ ಮೊದಲು ಸಂಭಾವ್ಯ ಸಮಸ್ಯೆಗಳನ್ನು ಗುರುತಿಸಲು ಅನುವು ಮಾಡಿಕೊಡುತ್ತದೆ.

LangChain: ಸಂವಾದಾತ್ಮಕ AI ಏಜೆಂಟ್‌ಗಳನ್ನು ನಿರ್ಮಿಸಲು ಒಂದು ಚೌಕಟ್ಟು

LangChain ಸಂಭಾಷಣೆಯ AI ಏಜೆಂಟ್‌ಗಳನ್ನು ನಿರ್ಮಿಸಲು ಪೈಥಾನ್ ಚೌಕಟ್ಟಾಗಿದೆ. ಇದು ಬಳಕೆದಾರರೊಂದಿಗೆ ನೈಸರ್ಗಿಕ ಭಾಷೆಯ ಸಂಭಾಷಣೆಗಳಲ್ಲಿ ತೊಡಗಿಸಿಕೊಳ್ಳಬಹುದಾದ ಕಸ್ಟಮ್ ಏಜೆಂಟ್‌ಗಳನ್ನು ರಚಿಸಲು ಹಲವಾರು ಪರಿಕರಗಳು ಮತ್ತು ಗ್ರಂಥಾಲಯಗಳನ್ನು ಒದಗಿಸುತ್ತದೆ. LangChain ನ ಪ್ರಮುಖ ವೈಶಿಷ್ಟ್ಯಗಳು ಸೇರಿವೆ:

• ಸಂಭಾಷಣಾ AI: ಲ್ಯಾಂಗ್‌ಚೈನ್ ಡೆವಲಪರ್‌ಗಳಿಗೆ ಕಸ್ಟಮ್ ಸಂಭಾಷಣಾ AI ಏಜೆಂಟ್‌ಗಳನ್ನು ರಚಿಸಲು ಅನುವು ಮಾಡಿಕೊಡುತ್ತದೆ, ಅದು ಬಳಕೆದಾರರೊಂದಿಗೆ ನೈಸರ್ಗಿಕ ಭಾಷೆಯ ಸಂಭಾಷಣೆಗಳಲ್ಲಿ ತೊಡಗಬಹುದು.
• ಮಾಡ್ಯುಲರ್ ಆರ್ಕಿಟೆಕ್ಚರ್: ಲ್ಯಾಂಗ್‌ಚೈನ್‌ನ ಆರ್ಕಿಟೆಕ್ಚರ್ ಅನ್ನು ಹೆಚ್ಚು ಮಾಡ್ಯುಲರ್ ಆಗಿ ವಿನ್ಯಾಸಗೊಳಿಸಲಾಗಿದೆ, ಡೆವಲಪರ್‌ಗಳಿಗೆ ಕಸ್ಟಮ್ ಏಜೆಂಟ್‌ಗಳನ್ನು ರಚಿಸಲು ಮತ್ತು ಅವುಗಳನ್ನು ಕೋರ್ ಫ್ರೇಮ್‌ವರ್ಕ್‌ನೊಂದಿಗೆ ಮನಬಂದಂತೆ ಸಂಯೋಜಿಸಲು ಅನುವು ಮಾಡಿಕೊಡುತ್ತದೆ.
• DSPy ಜೊತೆ ಏಕೀಕರಣ: LangChain DSPy ಯೊಂದಿಗೆ ತಡೆರಹಿತ ಏಕೀಕರಣವನ್ನು ಒದಗಿಸುತ್ತದೆ, ಡೆವಲಪರ್‌ಗಳು ತಮ್ಮ ಸಂವಾದಾತ್ಮಕ AI ಏಜೆಂಟ್‌ಗಳಲ್ಲಿ DSPy ಯ AI ಮತ್ತು ML ಸಾಮರ್ಥ್ಯಗಳನ್ನು ಹತೋಟಿಗೆ ತರಲು ಅನುವು ಮಾಡಿಕೊಡುತ್ತದೆ.

DSPy: AI ಮತ್ತು ML ಮಾದರಿಗಳನ್ನು ನಿರ್ಮಿಸಲು ಒಂದು ಚೌಕಟ್ಟು

DSPy AI ಮತ್ತು ML ಮಾದರಿಗಳನ್ನು ನಿರ್ಮಿಸಲು ಪೈಥಾನ್ ಚೌಕಟ್ಟಾಗಿದೆ. ಇದು DevOps ಆಟೊಮೇಷನ್ ಸೇರಿದಂತೆ ವಿವಿಧ ಅಪ್ಲಿಕೇಶನ್‌ಗಳಲ್ಲಿ ಬಳಸಬಹುದಾದ ಕಸ್ಟಮ್ ಮಾದರಿಗಳನ್ನು ರಚಿಸಲು ಪರಿಕರಗಳು ಮತ್ತು ಲೈಬ್ರರಿಗಳ ಶ್ರೇಣಿಯನ್ನು ಒದಗಿಸುತ್ತದೆ. DSPy ನ ಪ್ರಮುಖ ಲಕ್ಷಣಗಳು ಸೇರಿವೆ:

• AI ಮತ್ತು ML ಮಾಡೆಲಿಂಗ್: DevOps ಆಟೊಮೇಷನ್ ಸೇರಿದಂತೆ ವಿವಿಧ ಅಪ್ಲಿಕೇಶನ್‌ಗಳಲ್ಲಿ ಬಳಸಬಹುದಾದ ಕಸ್ಟಮ್ AI ಮತ್ತು ML ಮಾದರಿಗಳನ್ನು ರಚಿಸಲು DSPy ಡೆವಲಪರ್‌ಗಳನ್ನು ಸಕ್ರಿಯಗೊಳಿಸುತ್ತದೆ.
• LangChain ನೊಂದಿಗೆ ಏಕೀಕರಣ: DSPy ಲ್ಯಾಂಗ್‌ಚೈನ್‌ನೊಂದಿಗೆ ತಡೆರಹಿತ ಏಕೀಕರಣವನ್ನು ಒದಗಿಸುತ್ತದೆ, ಡೆವಲಪರ್‌ಗಳು ತಮ್ಮ AI ಮತ್ತು ML ಮಾದರಿಗಳಲ್ಲಿ LangChain ನ ಸಂಭಾಷಣೆಯ AI ಸಾಮರ್ಥ್ಯಗಳನ್ನು ಹತೋಟಿಗೆ ತರಲು ಅನುವು ಮಾಡಿಕೊಡುತ್ತದೆ.
• ರಿಯಲ್-ಟೈಮ್ ಪ್ರಿಡಿಕ್ಟಿವ್ ಅನಾಲಿಟಿಕ್ಸ್: DSPy ನೈಜ-ಸಮಯದ ಮುನ್ಸೂಚಕ ವಿಶ್ಲೇಷಣಾ ಸಾಮರ್ಥ್ಯಗಳನ್ನು ಒದಗಿಸುತ್ತದೆ, ಸಿಸ್ಟಮ್ ಕಾರ್ಯಕ್ಷಮತೆ ಮತ್ತು ಗುಣಮಟ್ಟದ ಬಗ್ಗೆ ತಿಳುವಳಿಕೆಯುಳ್ಳ ನಿರ್ಧಾರಗಳನ್ನು ಮಾಡಲು ಡೆವಲಪರ್‌ಗಳಿಗೆ ಅನುವು ಮಾಡಿಕೊಡುತ್ತದೆ.

** ಲ್ಯಾಂಗ್‌ಚೈನ್ ಮತ್ತು ಡಿಎಸ್‌ಪಿಯೊಂದಿಗೆ ಏಜೆಂಟ್ ಗುಣಮಟ್ಟ ಆಪ್ಟಿಮೈಸೇಶನ್ ಅನ್ನು ಕಾರ್ಯಗತಗೊಳಿಸುವುದು**

LangChain ಮತ್ತು DSPy ಜೊತೆಗೆ ಏಜೆಂಟ್ ಗುಣಮಟ್ಟದ ಆಪ್ಟಿಮೈಸೇಶನ್ ಅನ್ನು ಕಾರ್ಯಗತಗೊಳಿಸಲು, ನಾವು ಈ ಹಂತಗಳನ್ನು ಅನುಸರಿಸಬೇಕು:

1. ಕಸ್ಟಮ್ ಏಜೆಂಟ್ ಅನ್ನು ರಚಿಸಿ: LangChain ಅನ್ನು ಬಳಸಿಕೊಂಡು ಕಸ್ಟಮ್ ಏಜೆಂಟ್ ಅನ್ನು ರಚಿಸಿ ಅದು ಬಳಕೆದಾರರೊಂದಿಗೆ ನೈಸರ್ಗಿಕ ಭಾಷೆಯ ಸಂಭಾಷಣೆಗಳಲ್ಲಿ ತೊಡಗಬಹುದು.
2. DSPy ಅನ್ನು ಸಂಯೋಜಿಸಿ: DSPy ನ AI ಮತ್ತು ML ಸಾಮರ್ಥ್ಯಗಳನ್ನು ಹತೋಟಿಗೆ ತರಲು ಕಸ್ಟಮ್ ಏಜೆಂಟ್‌ನೊಂದಿಗೆ DSPy ಅನ್ನು ಸಂಯೋಜಿಸಿ.
3. ** ಮಾದರಿಗೆ ತರಬೇತಿ ನೀಡಿ**: ಏಜೆಂಟ್ ಗುಣಮಟ್ಟವನ್ನು ಅತ್ಯುತ್ತಮವಾಗಿಸಲು DSPy ಬಳಸಿಕೊಂಡು AI ಮತ್ತು ML ಮಾದರಿಗೆ ತರಬೇತಿ ನೀಡಿ.
4. ಏಜೆಂಟ್ ಅನ್ನು ನಿಯೋಜಿಸಿ: ಏಜೆಂಟ್ ಗುಣಮಟ್ಟವನ್ನು ಅತ್ಯುತ್ತಮವಾಗಿಸಲು ತರಬೇತಿ ಪಡೆದ ಮಾದರಿಯೊಂದಿಗೆ ಕಸ್ಟಮ್ ಏಜೆಂಟ್ ಅನ್ನು ನಿಯೋಜಿಸಿ.

LangChain ಅನ್ನು ಬಳಸಿಕೊಂಡು ಕಸ್ಟಮ್ ಏಜೆಂಟ್ ಅನ್ನು ಹೇಗೆ ರಚಿಸುವುದು ಮತ್ತು DSPy ಅನ್ನು ಸಂಯೋಜಿಸುವುದು ಹೇಗೆ ಎಂಬುದನ್ನು ಪ್ರದರ್ಶಿಸುವ ಸರಳ ಕೋಡ್ ಬ್ಲಾಕ್ ಇಲ್ಲಿದೆ:

``ಹೆಬ್ಬಾವು ಲ್ಯಾಂಗ್ಚೈನ್ ಅನ್ನು ಆಮದು ಮಾಡಿಕೊಳ್ಳಿ Langchain ಆಮದು LLMCchain ನಿಂದ langchain.chains ನಿಂದ ConversationalChain ಅನ್ನು ಆಮದು ಮಾಡಿಕೊಳ್ಳಿ langchain.embeddings ನಿಂದ ಎಂಬೆಡಿಂಗ್‌ಗಳನ್ನು ಆಮದು ಮಾಡಿಕೊಳ್ಳಿ langchain.llms ನಿಂದ LLM ಅನ್ನು ಆಮದು ಮಾಡಿಕೊಳ್ಳಿ

ಏಜೆಂಟ್ = LLMCchain( llm=LLM( ಮಾದರಿ="text-davinci-003", ತಾಪಮಾನ=0.7, max_tokens=100, ನಿಮಿಷ_ಟೋಕನ್‌ಗಳು=10, ), input_format="text", output_format="text", )

ಡಿಎಸ್‌ಪಿಯನ್ನು ಸಂಯೋಜಿಸಿ

dsp = DSPy( ಮಾದರಿ="dspb", ತಾಪಮಾನ=0.7, max_tokens=100, ನಿಮಿಷ_ಟೋಕನ್‌ಗಳು=10, )

DSPy ಬಳಸಿ ಮಾದರಿಗೆ ತರಬೇತಿ ನೀಡಿ

dsp.train( ಏಜೆಂಟ್, ಡೇಟಾ=[ {"input": "ಪ್ರಸ್ತುತ ತಾಪಮಾನ ಏನು?", "ಔಟ್‌ಪುಟ್": "ಪ್ರಸ್ತುತ ತಾಪಮಾನವು 25 °C ಆಗಿದೆ."}, {"input": "ಪ್ರಸ್ತುತ ಆರ್ದ್ರತೆ ಏನು?", "ಔಟ್‌ಪುಟ್": "ಪ್ರಸ್ತುತ ಆರ್ದ್ರತೆಯು 60% ಆಗಿದೆ."}, ], )

ತರಬೇತಿ ಪಡೆದ ಮಾದರಿಯೊಂದಿಗೆ ಏಜೆಂಟ್ ಅನ್ನು ನಿಯೋಜಿಸಿ

agent.deploy(dsp)

** ಸಾಫ್ಟ್‌ವೇರ್ ಅಭಿವೃದ್ಧಿ ಮತ್ತು ವಾಸ್ತುಶಿಲ್ಪದ ಮೇಲೆ ಪರಿಣಾಮ **

ಲ್ಯಾಂಗ್‌ಚೈನ್ ಮತ್ತು ಡಿಎಸ್‌ಪಿಯೊಂದಿಗೆ ಏಜೆಂಟ್ ಗುಣಮಟ್ಟದ ಆಪ್ಟಿಮೈಸೇಶನ್ ಅನ್ನು ಕಾರ್ಯಗತಗೊಳಿಸುವುದು ಸಾಫ್ಟ್‌ವೇರ್ ಅಭಿವೃದ್ಧಿ ಮತ್ತು ವಾಸ್ತುಶಿಲ್ಪದ ಮೇಲೆ ಹಲವಾರು ಪರಿಣಾಮಗಳನ್ನು ಬೀರುತ್ತದೆ:

* **ಸುಧಾರಿತ ಸಿಸ್ಟಂ ಕಾರ್ಯಕ್ಷಮತೆ**: ಏಜೆಂಟ್ ಗುಣಮಟ್ಟ ಆಪ್ಟಿಮೈಸೇಶನ್ ಡೆವಲಪರ್‌ಗಳಿಗೆ ಸಿಸ್ಟಮ್ ಕಾರ್ಯಕ್ಷಮತೆಯನ್ನು ಉತ್ತಮಗೊಳಿಸುವ ಮತ್ತು ಗುಣಮಟ್ಟವನ್ನು ಸುಧಾರಿಸುವ ಕಸ್ಟಮ್ ಏಜೆಂಟ್‌ಗಳನ್ನು ರಚಿಸಲು ಶಕ್ತಗೊಳಿಸುತ್ತದೆ.
* **ವರ್ಧಿತ ಬಳಕೆದಾರ ಅನುಭವ**: ಸಂವಾದಾತ್ಮಕ AI ಏಜೆಂಟ್‌ಗಳು ಬಳಕೆದಾರರಿಗೆ ಹೆಚ್ಚು ವೈಯಕ್ತೀಕರಿಸಿದ ಮತ್ತು ತೊಡಗಿಸಿಕೊಳ್ಳುವ ಅನುಭವವನ್ನು ಒದಗಿಸಬಹುದು.
* **ಹೆಚ್ಚಿದ ದಕ್ಷತೆ**: ಏಜೆಂಟ್ ಗುಣಮಟ್ಟ ಆಪ್ಟಿಮೈಸೇಶನ್ ಡೆವಲಪರ್‌ಗಳಿಗೆ ಪುನರಾವರ್ತಿತ ಕಾರ್ಯಗಳನ್ನು ಸ್ವಯಂಚಾಲಿತಗೊಳಿಸಲು ಮತ್ತು ಹೆಚ್ಚು ಸಂಕೀರ್ಣ ಮತ್ತು ಸೃಜನಶೀಲ ಕಾರ್ಯಗಳ ಮೇಲೆ ಕೇಂದ್ರೀಕರಿಸಲು ಅನುವು ಮಾಡಿಕೊಡುತ್ತದೆ.

**ಟಾಪ್ 5-10 ಹೆಚ್ಚು ಬಳಸಿದ ಆಜ್ಞೆಗಳು/ತುಣುಕುಗಳು**

LangChain ಮತ್ತು DSPy ಗಾಗಿ ಹೆಚ್ಚು ಬಳಸಿದ 5-10 ಕಮಾಂಡ್‌ಗಳು/ತುಣುಕುಗಳು ಇಲ್ಲಿವೆ:

1. **`langchain.LLMCchain()`**: LangChain ಬಳಸಿಕೊಂಡು ಕಸ್ಟಮ್ ಏಜೆಂಟ್ ಅನ್ನು ರಚಿಸುತ್ತದೆ.
2. **`langchain.Embeddings()`**: ಕಸ್ಟಮ್ ಏಜೆಂಟ್‌ನಲ್ಲಿ ಬಳಸಲು ಎಂಬೆಡಿಂಗ್‌ಗಳ ವಸ್ತುವನ್ನು ರಚಿಸುತ್ತದೆ.
3. **`langchain.LLM()`**: ಕಸ್ಟಮ್ ಏಜೆಂಟ್‌ನಲ್ಲಿ ಬಳಸಲು ಭಾಷಾ ಮಾದರಿ ವಸ್ತುವನ್ನು ರಚಿಸುತ್ತದೆ.
4. **`dsp.DSPy()`**: ಕಸ್ಟಮ್ ಏಜೆಂಟ್‌ನಲ್ಲಿ ಬಳಸಲು DSPy ವಸ್ತುವನ್ನು ರಚಿಸುತ್ತದೆ.
5. **`dsp.train()`**: DSPy ಬಳಸಿಕೊಂಡು AI ಮತ್ತು ML ಮಾದರಿಗೆ ತರಬೇತಿ ನೀಡುತ್ತದೆ.
6. **`dsp.deploy()`**: ತರಬೇತಿ ಪಡೆದ ಮಾದರಿಯೊಂದಿಗೆ ಕಸ್ಟಮ್ ಏಜೆಂಟ್ ಅನ್ನು ನಿಯೋಜಿಸುತ್ತದೆ.
7. **`langchain.ConversationalChain()`**: LangChain ಬಳಸಿಕೊಂಡು ಸಂವಾದಾತ್ಮಕ AI ಏಜೆಂಟ್ ಅನ್ನು ರಚಿಸುತ್ತದೆ.
8. **`langchain.chains.ConversationalChain()`**: LangChain ಬಳಸಿಕೊಂಡು ಸಂವಾದಾತ್ಮಕ AI ಏಜೆಂಟ್ ಅನ್ನು ರಚಿಸುತ್ತದೆ.
9. **`langchain.embeddings.Embeddings()`**: ಕಸ್ಟಮ್ ಏಜೆಂಟ್‌ನಲ್ಲಿ ಬಳಸಲು ಎಂಬೆಡಿಂಗ್‌ಗಳ ವಸ್ತುವನ್ನು ರಚಿಸುತ್ತದೆ.
10. **`langchain.llms.LLM()`**: ಕಸ್ಟಮ್ ಏಜೆಂಟ್‌ನಲ್ಲಿ ಬಳಸಲು ಭಾಷಾ ಮಾದರಿ ವಸ್ತುವನ್ನು ರಚಿಸುತ್ತದೆ.

**ದೃಶ್ಯೀಕರಣ**

ಸಿಸ್ಟಂ ಕಾರ್ಯಕ್ಷಮತೆಯ ಮೇಲೆ ಏಜೆಂಟ್ ಗುಣಮಟ್ಟದ ಆಪ್ಟಿಮೈಸೇಶನ್‌ನ ಪ್ರಭಾವವನ್ನು ಪ್ರದರ್ಶಿಸುವ Chart.js ಅನ್ನು ಬಳಸಿಕೊಂಡು ಸರಳವಾದ ದೃಶ್ಯೀಕರಣ ಇಲ್ಲಿದೆ:

```json
{
    "ಪ್ರಕಾರ": "ಬಾರ್",
    "ಡೇಟಾ": {
        "ಲೇಬಲ್‌ಗಳು": ["ಆಪ್ಟಿಮೈಸೇಶನ್ ಮೊದಲು", "ಆಪ್ಟಿಮೈಸೇಶನ್ ನಂತರ"],
        "ಡೇಟಾಸೆಟ್‌ಗಳು": [
            {
                "ಲೇಬಲ್": "ಸಿಸ್ಟಮ್ ಕಾರ್ಯಕ್ಷಮತೆ",
                "ಡೇಟಾ": [80, 95],
                "backgroundColor": "rgba(255, 99, 132, 0.2)",
                "borderColor": "rgba(255, 99, 132, 1)",
                "ಬಾರ್ಡರ್ ಅಗಲ": 1
            }
        ]
    },
    "ಆಯ್ಕೆಗಳು": {
        "ಶೀರ್ಷಿಕೆ": {
            "ಪ್ರದರ್ಶನ": ನಿಜ,
            "ಪಠ್ಯ": "ಸಿಸ್ಟಮ್ ಕಾರ್ಯಕ್ಷಮತೆ ಮೊದಲು ಮತ್ತು ಆಪ್ಟಿಮೈಸೇಶನ್ ನಂತರ"
        },
        "ಮಾಪಕಗಳು": {
            "yAxes": [
                {
                    "ಉಣ್ಣಿ": {
                        "beginAtZero": ನಿಜ
                    }
                }
            ]
        }
    }
}

ಈ ದೃಶ್ಯೀಕರಣವು ಸಿಸ್ಟಮ್ ಕಾರ್ಯಕ್ಷಮತೆಯ ಮೇಲೆ ಏಜೆಂಟ್ ಗುಣಮಟ್ಟದ ಆಪ್ಟಿಮೈಸೇಶನ್‌ನ ಪರಿಣಾಮವನ್ನು ಪ್ರದರ್ಶಿಸುತ್ತದೆ, ಆಪ್ಟಿಮೈಸೇಶನ್ ನಂತರ ಸಿಸ್ಟಮ್ ಕಾರ್ಯಕ್ಷಮತೆಯಲ್ಲಿ ಗಮನಾರ್ಹ ಸುಧಾರಣೆಯನ್ನು ತೋರಿಸುತ್ತದೆ.

** ತೀರ್ಮಾನ **

ಲ್ಯಾಂಗ್‌ಚೈನ್ ಮತ್ತು ಡಿಎಸ್‌ಪಿಯೊಂದಿಗೆ ಏಜೆಂಟ್ ಗುಣಮಟ್ಟದ ಆಪ್ಟಿಮೈಸೇಶನ್ ಅನ್ನು ಕಾರ್ಯಗತಗೊಳಿಸುವುದರಿಂದ ಸುಧಾರಿತ ಸಿಸ್ಟಮ್ ಕಾರ್ಯಕ್ಷಮತೆ, ವರ್ಧಿತ ಬಳಕೆದಾರ ಅನುಭವ ಮತ್ತು ಹೆಚ್ಚಿದ ದಕ್ಷತೆ ಸೇರಿದಂತೆ ಹಲವಾರು ಪ್ರಯೋಜನಗಳಿವೆ. ಲ್ಯಾಂಗ್‌ಚೈನ್ ಮತ್ತು ಡಿಎಸ್‌ಪಿಯ ಸಾಮರ್ಥ್ಯಗಳನ್ನು ನಿಯಂತ್ರಿಸುವ ಮೂಲಕ, ಡೆವಲಪರ್‌ಗಳು ಸಿಸ್ಟಂ ಕಾರ್ಯಕ್ಷಮತೆಯನ್ನು ಉತ್ತಮಗೊಳಿಸುವ ಮತ್ತು ಗುಣಮಟ್ಟವನ್ನು ಸುಧಾರಿಸುವ ಕಸ್ಟಮ್ ಏಜೆಂಟ್‌ಗಳನ್ನು ರಚಿಸಬಹುದು. ಒದಗಿಸಲಾದ ಕೋಡ್ ಬ್ಲಾಕ್ ಮತ್ತು ದೃಶ್ಯೀಕರಣವು ಏಜೆಂಟ್ ಗುಣಮಟ್ಟದ ಆಪ್ಟಿಮೈಸೇಶನ್‌ನ ತಾಂತ್ರಿಕ ಅನುಷ್ಠಾನ ಮತ್ತು ಸಾಫ್ಟ್‌ವೇರ್ ಅಭಿವೃದ್ಧಿ ಮತ್ತು ವಾಸ್ತುಶಿಲ್ಪದ ಮೇಲೆ ಅದರ ಪ್ರಭಾವವನ್ನು ಪ್ರದರ್ಶಿಸುತ್ತದೆ.