Bi karanîna LangChain û DSPy re bi Otomasyona DevOps re yekkirina AI-ya Agentîkî

Destpêk

Xaberdana Îstixbarata Hunerî (AI), DevOps, û otomasyonê di awayê ku em binesaziya nermalavê birêve dibin û diparêzin şoreş dike. Agent AI, ku karanîna kargêrên AI-ê ji bo pêkanîna peywiran li ser navê mirovan vedihewîne, bi taybetî ji bo otomasyona DevOps xweş e. Di vê gotarê de, em ê entegrasyona AI-ya agentî bi otomasyona DevOps re bi karanîna LangChain û DSPy, du teknolojiyên pêşkeftî yên ku çêkirina pergalên rêveberiya binesaziya biaqil, bi AI-ê ve têne rêve kirin vekolînin.

Fêmkirina LangChain û DSPy

LangChain çarçoveyek çavkaniyek vekirî ye ku ji bo avakirina sepanên AI-ya danûstendinê ye. Ew komek amûr û pirtûkxane ji bo afirandina modelên pêvajoya zimanê xwezayî (NLP), pergalên rêveberiya diyalogê, û hêmanên din ên ku ji bo avakirina pergalên AI-ya danûstendinê hewce ne peyda dike. LangChain li ser zimanê bernamenûsê Rust hatî çêkirin û ji bo avakirina sepanên AI-ê yên danûstendinê yên xwerû mîmariyek maqûl, modular peyda dike.

DSPy, ji hêla din ve, pirtûkxaneyek Python e ku ji bo çêkirin û bicîhkirina modelên fêrbûna kûr. Ew ji bo avakirin û perwerdekirina torên neuralî API-yek hêsan, xwerû peyda dike, û her weha komek amûran ji bo bicihkirin û rêvebirina modelan di hawîrdorên hilberînê de peyda dike. DSPy hatiye dîzaynkirin ku bi LangChain re bêkêmasî bixebite, rê dide afirandina pergalên tevlihev, yên AI-ê ku dikarin ji daneyan fêr bibin û bi hawîrdorên guheztinê re biguncînin.

Yekkirina LangChain û DSPy ji bo Otomasyona DevOps

Ji bo yekkirina LangChain û DSPy ji bo otomasyona DevOps, pêdivî ye ku em pergalek biafirînin ku bikaribe hêza her du teknolojiyên bibandor bike. Li vir nêrînek asta bilind a mîmariyê heye:

1. Danûstandina daneyan: Em ê DSPy-ê bikar bînin da ku daneyên ji çavkaniyên cihêreng, wek têketin, metrîk, û pelên veavakirinê têxin hundir.
2. Perwerdehiya Modelê: Em ê DSPy-ê bikar bînin da ku modelek fêrbûna makîneyê li ser daneya xwar perwerde bikin, ku pergalê bikaribe di daneyan de şêwaz û têkiliyên fêr bibe.
3. Rêveberiya Diyalogê: Em ê LangChain bikar bînin da ku pergalek rêveberiya diyalogê biafirînin ku dikare bi modela perwerdekirî re têkildar be û têgihîştin û pêşniyaran ji tîmên DevOps re peyda bike.
4. Pêkanîna Çalakiyê: Em ê DSPy-ê bikar bînin da ku çalakiyan li ser bingeha pêşniyarên ku ji hêla pergala rêveberiya diyalogê ve hatine peyda kirin bimeşînin.

**Pêkanîna pratîk **

Li vir mînakek hêsan e ku em çawa dikarin LangChain û DSPy ji bo otomasyona DevOps yek bikin: `` python zincîra îthalatê import dspy

model = dspy.Model ("log_ingestion")

Modelê li ser daneya xwar perwerde bikin

model.train(dane)

Pergalek rêveberiya diyalogê ya LangChain biafirînin

dialogue_manager = langchain.DialogueManager(model)

Herikîna diyalogê ya hêsan diyar bikin

diyalog_herikîna = [ { "nîyet": "rewşa_check", "response": "Rewşa heyî {status} e" }, { "niyeta": "xizmet_restart", "response": "Xizmet ji nû ve dest pê kir" } ]

Herikîna diyalogê pêk bînin

bersiv = dialogue_manager.execute(dialogue_flow)

Li ser bingeha bersivê çalakiyek pêk bînin

heke bersiv == "Xizmet ji nû ve dest pê kir": dspy.execute_action("restart_service")

Ev mînak destnîşan dike ka em çawa dikarin LangChain û DSPy bikar bînin da ku pergalek rêveberiya diyalogê ya hêsan biafirînin ku dikare bi modelek perwerdekirî re têkilî daynin û li ser bingeha bersivê çalakiyan pêk bînin.

** Serê 5-10 Fermanên Herî Bikaranîn / Parçeyên **

Li vir ji bo LangChain û DSPy çend ferman û hûrgelên herî gelemperî têne bikar anîn hene:

1. **LangZincîra **:
	* `langchain.DialogueManager(model)`: Pergalek rêveberiya diyalogê bi karanîna modelek perwerdekirî diafirîne.
	* `langchain.execute_dialogue_flow(dialogue_flow)`: Bi herikîna diyalogê ya ji berê ve diyarkirî herikîna diyalogê pêk tîne.
	* `langchain.get_intent(niyeta)`: Mebestê ji têketina bikarhêner vedigire.
2. **DSPy**:
	* `dspy.Model("log_ingestion")`: Modelek DSPy ji bo girtina daneyan ji têketinê diafirîne.
	* `dspy.train(model, dane)`: Modelek DSPy li ser daneya xwar perwerde dike.
	* `dspy.execute_action(action)`: Çalakiyek li ser bingeha pêşniyara modelek perwerdekirî pêk tîne.

**Visualization **

Li vir dîmenek hêsan a yekbûna LangChain û DSPy ji bo otomasyona DevOps heye:
`` chart
{
  "type": "bar",
  "dane": {
    "etîket": ["Danûstandina daneyan", "Perwerdehiya Modelê", "Rêveberiya Diyalogê", "Pêkanîna Çalakiyê"],
    "daneyên": [
      {
        "label": "LangChain",
        "dane": [10, 15, 20, 25],
        "backgroundColor": "rgba(255, 99, 132, 0.2)",
        "borderColor": "rgba(255, 99, 132, 1)",
        "Berfirehiya sînor": 1
      },
      {
        "label": "DSPy",
        "dane": [15, 20, 25, 30],
        "backgroundColor": "rgba(54, 162, 235, 0.2)",
        "borderColor": "rgba(54, 162, 235, 1)",
        "Berfirehiya sînor": 1
      }
    ]
  },
  "vebijark": {
    "sernav": {
      "nîşandan": rast,
      "text": "Yekhevkirina LangChain û DSPy ji bo Otomasyona DevOps"
    },
    "pîvan": {
      "yAxes": [
        {
          "tik": {
            "beginAtZero": rast
          }
        }
      ]
    }
  }
}

Ev dîtbarî destnîşan dike ka LangChain û DSPy çawa dikarin werin yek kirin da ku boriyek xweseriya DevOps-ê bêkêmasî biafirînin.

Encam

Di vê gotarê de, me bi karanîna LangChain û DSPy re yekbûna AI-ya agentî bi otomasyona DevOps re vekolîn. Me destnîşan kir ka meriv çawa van her du teknolojiyên dikare bikar bîne da ku pergalek rêveberiya diyalogê ya hêsan biafirîne ku dikare bi modelek perwerdekirî re têkildar be û li ser bingeha bersivê çalakiyan pêk bîne. Di heman demê de me mînakek pêkanîna pratîkî û 5-10 beşên fermanên / perçeyên herî zêde têne bikar anîn ji bo LangChain û DSPy jî peyda kir. Di dawiyê de, me beşek dîtbariyê vedihewîne da ku yekbûna LangChain û DSPy ji bo otomasyona DevOps nîşan bide.