Whakataki
Ko te whakaurunga o Artificial Intelligence (AI) ki roto i nga tono rorohiko kua huri ke te huarahi e whakatata atu ai tatou ki te whakaoti rapanga, ki te whakatau, me te mahi aunoa. Heoi, i te mea kua piki haere te uaua o nga tono a AI, ko te hiahia mo te hoahoanga haumaru me te tauineine kua waiho hei awangawanga nui. I roto i tenei tuhinga, ka tirotirohia e matou te whakawhitinga o AI, te hangarau rorohiko, me te DevOps, me te aro nui ki te whakamahi i nga taputapu orchestration pera i DSPy me LangChain ki te whakauru i nga kaihoko AI ki roto i nga pipelines DevOps.
Nga Werohanga o te Hanganga Pūmanawa Aki-Ai
Ko nga tono rorohiko a AI he wero ahurei ki nga miihini rorohiko me nga roopu DevOps. Ko etahi o nga wero matua ko:
- Te Whakanuia: Ko nga tauira AI e hiahia ana i nga rauemi rorohiko nui, ka puta pea nga take tauineine i roto i nga taiao whakaputa.
- Haumarutanga: Ka whakaraerae nga tauira AI ki nga whakaeke, penei i te paihana raraunga me nga whakaeke hurihuri tauira.
- Whakakotahi: Me whakauru nga tauira AI ki nga punaha rorohiko o naianei, he mahi uaua.
- Te Aroturuki me te Tiaki: Ko nga tauira AI e hiahia ana kia mau tonu te aroturuki me te tiaki kia noho tika, kia pono.
Utauta Whakaraupapa: DSPy me LangChain
Ko nga taputapu orchestration pera i a DSPy me LangChain e whakarato ana i te otinga ki enei wero ma te whakauru i nga kaihoko AI ki roto i nga pipeline DevOps. Ka whakaratohia e enei taputapu he anga mo te hanga, te tuku, me te whakahaere i nga tauira AI, me te whakarite i te hoahoanga haumaru me te tauine mo nga tono a AI.
DSPy
Ko te DSPy he taputapu whakahiato puna tuwhera i hangaia ki runga ake o Python. Ka whakaratohia he API ngawari me te mohio mo te hanga, te tuku, me te whakahaere i nga tauira AI. Ka tautokohia e DSPy te whānuitanga o nga anga AI, tae atu ki te TensorFlow, PyTorch, me te ako-scikit.
LangChain
Ko LangChain tetahi atu taputapu orchestration puna tuwhera e whakarato ana i te anga mo te hanga, te tuku, me te whakahaere i nga tauira AI. Ka hangaia a LangChain ki runga o Rust me te whakarato i te API mahi-nui mo te whakauru i nga kaihoko AI ki roto i nga pipelines DevOps.
Te Whakatinana i te Hanganga Pūmanawa Haumaru me te Tauine AI-Aia me DSPy
I roto i tenei waahanga, ka tirotirohia e matou he tauira ngawari o te whakatinana i te hoahoanga rorohiko a AI-aia me te DSPy.
Tauira: Hangaia he Tauira AI Maamaa me DSPy
Me whakaaro tatou ki tetahi tauira ngawari mo te hanga tauira ako miihini ma te whakamahi i te DSPy. Ka whakamahia e matou te whare pukapuka scikit-ako ki te hanga i tetahi tauira whakahekenga rarangi.
kawemai i te dspy hei dsp
mai sklearn.linear_model kawemai LinearRegression
mai i sklearn.datasets kawemai load_diabetes
# Utaina te huinga raraunga mate huka
huingararaunga = load_diabetes()
# Wehea te huinga raraunga ki nga huinga whakangungu me te whakamatautau
X_train, X_test, y_train, y_test = dsp.split_dataset(raunga raraunga, raraunga.target, rahi_whakamatautau=0.2)
# Hangaia he tauira whakaheke ahorangi
tauira = LinearRegression()
# Whakangunguhia te tauira mo nga raraunga whakangungu
model.fit(X_tereina, y_tereina)
# Te arotake i te tauira mo nga raraunga whakamatautau
tika = model.score(X_test, y_test)
tā(f"Tauira tika: {tika:.2f}")
Ko tenei poraka waehere e whakaatu ana me pehea te hanga tauira ako miihini ngawari ma te whakamahi i te DSPy. Ka utaina e matou te huinga raraunga o te mate huka, ka wehea ki nga huinga whakangungu me te whakamatautau, ka hanga i tetahi tauira whakahekenga raina, whakangungu i runga i nga raraunga whakangungu, me te arotake i te tika o nga raraunga whakamatautau.
Te Whakatinana i te Hangahanga Pūmanawa Haumaru me te Tauine AI-Aia me LangChain
I roto i tenei waahanga, ka tirotirohia e matou he tauira ngawari o te whakatinana i te hoahoanga raupaparorohiko a-Ai me te tauine me te LangChain.
Tauira: Hangaia he Tauira AI ngawari me te LangChain
Me whakaaro tatou ki tetahi tauira ngawari mo te hanga tauira ako miihini ma te whakamahi i te LangChain. Ka whakamahia e matou te whare pukapuka TensorFlow ki te hanga tauira whatunga neural.
whakamahia te langchain hei lc;
whakamahia tensorflow::prelude::*;
// Tautuhia he tauira whatunga neural ngawari
tauira fn(whakauru: &Tensor) -> Tensor {
tuku putanga = input.matmul(&Tensor::new(1, 1));
putanga
}
// Waihangahia he kaihoko LangChain
tuku kaihoko = lc::Agent::hou(tauira);
// Tautuhia he huingararaunga
me tuku raraunga = lc::Raraunga Raraunga::hou(vec![
lc::Tauira::hou(vec![1.0, 2.0], vec![3.0]),
lc::Tauira::hou(vec![4.0, 5.0], vec![6.0]),
]);
// Whakangunguhia te tauira ki te huingararaunga
agent.train(&te huinga raraunga);
// Aromātaihia te tauira o te huingararaunga
kia tika = agent.evaluate(&raunga raraunga);
println!("Tauira tika: {}", tika);
Ko tenei poraka waehere e whakaatu ana me pehea te hanga i tetahi tauira ako miihini ngawari ma te whakamahi i te LangChain. Ka tautuhia e matou he tauira whatunga neural ngawari, ka hangaia he kaihoko LangChain, ka tautuhia he huingararaunga, ka whakangungu i te tauira ki te huingararaunga, ka arotake i tona tika i runga i te huingararaunga.
Top 5-10 Whakamahinga Whakahau/Snippets
Anei nga 5-10 o runga o nga whakahau/snippets e whakamahia ana mo DSPy me LangChain:
DSPy
dsp.split_dataset(data, target, test_size=0.2): Wehea te huingararaunga ki nga huinga whakangungu me te whakamatautau.dsp.build_model(model_name, model_params): Hangaia he tauira ako miihini ma te whakamahi i te ingoa tauira me nga tawhā kua tohua.dsp.train_model(tauira, raraunga): Whakangunguhia te tauira ako miihini ki nga raraunga kua tohua.dsp.evaluate_model(tauira, raraunga): Ka arotake i te mahinga o te tauira ako miihini i runga i nga raraunga kua tohua.dsp.deploy_model(tauira, server_url): Ka tukuna te tauira ako miihini ki te URL tūmau kua tohua.
LangChain
lc::Agent::new(model): Ka hangaia he kaihoko LangChain ma te whakamahi i te tauira kua tohua.lc::Raraunga Raraunga::hou(tauira): Waihangahia he huingararaunga LangChain ma te whakamahi i nga tauira kua tohua.lc::train(agent, dataset): Whakangungu i te kaihoko LangChain i runga i te huingararaunga kua tohua.lc::evaluate(agent, dataset): Aromatawai i te mahi a te kaihoko LangChain i runga i te huingararaunga kua tohua.lc::deploy(agent, server_url): Ka tukuna te kaihoko LangChain ki te URL tūmau kua tohua.
Whakaaturanga
Anei he tirohanga ngawari o te hoahoanga rorohiko a AI ma te whakamahi i te Chart.js:
const ctx = document.getElementById('myChart').getContext('2d');
tūtohi const = Tūtohi hou(ctx, {
momo: 'pa',
raraunga: {
tapanga: ['Wā Whakangungu', 'Wā Inference', 'Tauira Tika'],
huingararaunga: [{
tapanga: 'DSPy',
raraunga: [10, 5, 90],
Tae papamuri: 'rgba(255, 99, 132, 0.2)',
Tae taitapa: 'rgba(255, 99, 132, 1)',
TaitapaWhanui: 1
}, {
tapanga: 'LangChain',
raraunga: [8, 6, 92],
Tae papamuri: 'rgba(54, 162, 235, 0.2)',
Tae taitapa: 'rgba(54, 162, 235, 1)',
TaitapaWhanui: 1
}]
},
kōwhiringa: {
pauna: {
y: {
beginAtZero: pono
}
}
}
});
Ka hangaia e tenei poraka waehere he tūtohi pae ngawari ma te whakamahi i te Chart.js hei tiro i nga mahi a DSPy me LangChain.
Whakamutunga
I roto i tenei tuhinga, i tirotirohia e matou te whakawhitinga o AI, te hangarau rorohiko, me te DevOps, me te aro nui ki te whakamahi i nga taputapu orchestration pera i DSPy me LangChain ki te whakauru i nga kaihoko AI ki roto i nga pipelines DevOps. I whakaatuhia e matou me pehea te whakatinana i te hoahoanga rorohiko a AI-aia ana ma te whakamahi i te DSPy me te LangChain, ka hoatu he tauira ngawari mo te hanga tauira ako miihini ma te whakamahi i ia taputapu. I tukuna ano e matou he 5-10 o runga o nga whakahau/snippets e whakamahia ana mo ia taputapu me te tirohanga ngawari o te hoahoanga rorohiko a AI ma te whakamahi i te Chart.js.