Utekelezaji wa AI ya Kiajenti katika Uendeshaji wa Jaribio la Kuamua na LangChain na DSPy

Kutekeleza AI ya Kiajenti katika Uendeshaji wa Jaribio la Kuamua na LangChain na DSPy

Utangulizi

Kuongezeka kwa utata wa mifumo ya programu kumefanya majaribio ya otomatiki kuwa kipengele muhimu cha ukuzaji wa programu. Mifumo ya kiotomatiki ya majaribio ya jadi inategemea mbinu za maandishi, ambazo zinaweza kuwa tete na ngumu kutunza. Katika miaka ya hivi majuzi, kuibuka kwa Zana za Agentic AI na Orchestration kumefungua uwezekano mpya wa kufanya otomatiki matukio changamano ya majaribio. Katika makala haya, tutachunguza makutano ya AI ya Wakala, Zana za Okestration, na Uhandisi wa Programu ili kubinafsisha hali changamano za majaribio kwa kutumia LangChain na DSPy.

Agent AI ni nini?

Agentiki AI inarejelea aina ya akili bandia ambayo imeundwa kuchukua hatua kwa niaba ya mtumiaji au mfumo. Mifumo ya AI ya Kiajenti ina uwezo wa kufanya maamuzi, kujifunza kutokana na uzoefu, na kukabiliana na hali mpya. Katika muktadha wa uwekaji kiotomatiki wa majaribio, Agentiki AI inaweza kutumika kufanya matukio changamano ya majaribio kiotomatiki kwa kuiga mwingiliano wa watumiaji, kufanya maamuzi kulingana na data ya majaribio na kukabiliana na mabadiliko ya hali ya majaribio.

LangChain ni nini?

LangChain ni Zana ya Ochestration ya chanzo huria ambayo inaruhusu watengenezaji kujenga mifumo changamano ya AI kwa kutumia lugha mbalimbali za programu, ikiwa ni pamoja na Python, Rust, na Go. LangChain hutoa usanifu unaonyumbulika na wa kawaida unaowezesha watengenezaji kuunganisha vipengele tofauti vya AI, kama vile usindikaji wa lugha asilia (NLP) na maono ya kompyuta, ili kujenga mifumo ya kisasa ya AI.

DSPy ni nini?

DSPy ni maktaba ya Python ambayo hutoa seti ya zana za kujenga na kupeleka mifumo ya AI. DSPy imeundwa kufanya kazi bila mshono na LangChain na hutoa vipengele mbalimbali, ikiwa ni pamoja na usindikaji wa data, kujifunza kwa mashine, na kujifunza kwa kina.

Utekelezaji wa AI ya Kiajenti katika Uendeshaji wa Mtihani wa Kuamua

Ili kutekeleza Agentik AI katika uwekaji kiotomatiki wa jaribio la kubaini, tunaweza kutumia LangChain na DSPy kuunda mfumo wa otomatiki wa majaribio ambao huiga mwingiliano wa watumiaji, hufanya maamuzi kulingana na data ya jaribio, na kubadilika ili kubadilisha hali za jaribio.

Hapa kuna mfano rahisi wa jinsi tunaweza kutumia LangChain na DSPy kuhariri hali ya jaribio:

kuagiza langchain
kutoka kwa langchain.chains kuagiza LLMChain
kutoka kwa langchain.llms agiza DSPyLLM


test_scenario = {
    "user_input": "ingia",
    "expected_output": "kuingia kumefaulu"
}

# Bainisha wakala wa AI
wakala = LLMChain(
    llm=DSPyLLM(),
    input_type="text",
    output_type="text"
)

# Fafanua kazi ya otomatiki ya jaribio
def test_automatisering(scenario_ya_mtihani):
    # Iga mwingiliano wa watumiaji
    user_input = test_scenario["user_input"]
    # Fanya uamuzi kulingana na data ya mtihani
    uamuzi = wakala.run(mtumiaji_ingizo)
    # Badilisha kwa kubadilisha hali ya mtihani
    ikiwa uamuzi == "kuingia kumefaulu":
        chapa ("Mtihani umepitishwa")
    kwingine:
        chapa ("Jaribio limeshindwa")

# Endesha kazi ya otomatiki ya jaribio
test_otomatiki(scenario_ya_jaribio)

Katika mfano huu, tunafafanua hali ya majaribio ambayo inahusisha kuiga mwingiliano wa mtumiaji, kufanya uamuzi kulingana na data ya majaribio, na kukabiliana na mabadiliko ya hali ya mtihani. Kisha tunafafanua wakala wa AI ya Ajenti kwa kutumia LangChain na DSPy, na kuitumia kugeuza hali ya jaribio kiotomatiki.

Amri/Vijisehemu 5-10 Bora Zaidi

Hapa kuna amri/vijisehemu 5-10 vya juu vinavyotumika zaidi kwa LangChain na DSPy:

langchain.LLMChain(llm=DSPyLLM()): Hutengeneza wakala wa AI kwa kutumia LangChain na DSPy.
DSPyLLM(): Inaanzisha mfano wa DSPy LLM (Mfano wa Lugha Kubwa).
LLMChain(input_type="text", output_type="text"): Inaunda wakala wa AI ya Kiajenti na aina za maandishi na towe.
agent.run(mtumiaji_input): Huendesha wakala wa AI ya Wakala kwa kuingiza mtumiaji.
test_scenario = {"user_input": "login", "expected_output": "login successful"}: Inafafanua hali ya majaribio yenye ingizo la mtumiaji na matokeo yanayotarajiwa.
langchain.chains.LLMChain(llm=DSPyLLM()): Hutengeneza wakala wa AI kwa kutumia LangChain na DSPy.
DSPyLLM().predict(user_input): Hutabiri matokeo ya DSPy LLM kwa kuingiza mtumiaji.
LLMChain(input_type="text", output_type="text").run(mtumiaji_input): Huendesha wakala wa AI ya Ajenti na aina za maandishi na utoaji.
test_automation(test_scenario): Huendesha kitendakazi cha majaribio kiotomatiki kwa hali ya jaribio.
langchain.chains.LLMChain(llm=DSPyLLM()).run(user_input): Huendesha wakala wa AI ya Kiajenti kwa kuingiza mtumiaji.

Taswira

Huu hapa ni taswira ya wakala wa AI kwa kutumia Chart.js:

{
  "type": "bar",
  "data": {
    "labels": ["Ingizo la Mtumiaji", "Decision", "Adaptation"],
    "seti za data": [
      {
        "label": "Agent AI Agent",
        "data": [10, 20, 30],
        "backgroundColor": "rgba(255, 99, 132, 0.2)",
        "borderColor": "rgba(255, 99, 132, 1)",
        "upana wa mpaka": 1
      }
    ]
  },
  "chaguo": {
    "kichwa": {
      "onyesha": kweli,
      "text": "Agent AI Agent"
    },
    "mizani": {
      "yAxes": [
        {
          "tiki": {
            "beginAtZero": kweli
          }
        }
      ]
    }
  }
}

Mwonekano huu unaonyesha utendaji wa wakala wa AI katika kuiga mwingiliano wa watumiaji, kufanya maamuzi kulingana na data ya majaribio, na kukabiliana na mabadiliko ya hali ya jaribio.

Hitimisho

Katika nakala hii, tuligundua makutano ya AI ya Ajenti, Zana za Okestration, na Uhandisi wa Programu ili kubinafsisha hali ngumu za majaribio kwa kutumia LangChain na DSPy. Tulitekeleza mfano rahisi wa Agent AI katika uwekaji otomatiki wa majaribio ya kubainisha na kutoa amri/vijisehemu mbalimbali vya LangChain na DSPy. Pia tulifanya taswira ya utendaji wa wakala wa AI kwa kutumia Chart.js. Kwa kutumia zana za Agent AI na Ochestration, wasanidi programu wanaweza kuunda mifumo ya kisasa ya uendeshaji otomatiki ambayo huiga mwingiliano wa watumiaji, kufanya maamuzi kulingana na data ya jaribio na kukabiliana na mabadiliko ya hali ya jaribio.

Utekelezaji wa AI ya Kiajenti katika Uendeshaji wa Jaribio la Kuamua na LangChain na DSPy

¿Tienes preguntas?