כאַרנאַסינג אַי אַגענץ פֿאַר אָטאַמייטיד ווייכווארג עקספּרעס: ינטאַגרייטינג LangChain און DSPy אין DevOps פּייפּליינז
הקדמה
די ווייכווארג אַנטוויקלונג לאַנדשאַפט איז ראַפּאַדלי יוואַלווינג, מיט די ינקריסינג אַדאַפּשאַן פון אַרטיפיסיאַל ינטעלליגענסע (AI) און מאַשין לערנען (ML) אין פאַרשידן אַספּעקץ פון די אַנטוויקלונג לייפסייק. איינער פון די מערסט פּראַמאַסינג געביטן פון אַפּלאַקיישאַן פֿאַר אַי איז אין אָטאַמייטינג ווייכווארג עקספּרעס פּראַסעסאַז, אַרייַנגערעכנט טעלעמעטרי און קעסיידערדיק ינטאַגריישאַן / קעסיידערדיק דיפּלוימאַנט (סי / סי). אין דעם אַרטיקל, מיר וועלן ויספאָרשן די ראָלע פון אַי אגענטן אין אָטאַמייטינג ווייכווארג עקספּרעס פּראַסעסאַז און דעלוו אין די פּראַקטיש ימפּלאַמענטיישאַן פון אָרקעסטראַטיאָן מכשירים ווי LangChain און DSPy.
די ראָלע פון אַי אַגענץ אין ווייכווארג עקספּרעס
אַי אגענטן זענען ווייכווארג מגילה וואָס קענען דורכפירן טאַסקס אָטאַנאַמאַסלי, מאַכן דיסיזשאַנז באזירט אויף דאַטן און כּללים. אין דעם קאָנטעקסט פון ווייכווארג עקספּרעס, אַי אגענטן קענען ווערן גענוצט צו אָטאַמייט פאַרשידן פּראַסעסאַז, אַזאַ ווי:
- טעלעמעטרי: אַי אגענטן קענען קלייַבן און אַנאַלייז דאַטן פון פאַרשידן קוואלן, אַזאַ ווי אַפּלאַקיישאַן לאָגס, פאָרשטעלונג מעטריקס און באַניצער באַמערקונגען, צו צושטעלן ינסייץ אין די נאַטור און פאָרשטעלונג פון די אַפּלאַקיישאַן.
- ** קעסיידערדיק ינטעגראַטיאָן **: אַי אגענטן קענען אָטאַמייט די בויען, פּרובירן, און דיפּלוימאַנט פון קאָד ענדערונגען, ינשורינג אַז די אַפּלאַקיישאַן איז שטענדיק אין אַ דיפּלויאַבאַל שטאַט.
- ** קעסיידערדיק דיפּלוימאַנט **: אַי אגענטן קענען אָטאַמייט די דיפּלוימאַנט פון ענדערונגען צו פּראָדוקציע, רידוסינג די צייט און מי פארלאנגט צו באַקומען נייַ פֿעיִקייטן און פיקסיז צו ניצערס.
- ** מאָניטאָרינג און אַלערטינג **: אַי אגענטן קענען מאָניטאָר די פאָרשטעלונג פון די אַפּלאַקיישאַן און פלינק דעוועלאָפּערס און אָפּערייטערז צו פּאָטענציעל ישוז איידער זיי ווערן קריטיש.
LangChain: א פריימווערק פֿאַר בנין אַי אַגענץ
LangChain איז אַ פּיטהאָן פריימווערק פֿאַר בנין אַי אגענטן וואָס קענען ינטעראַקט מיט פאַרשידן דאַטן קוואלן און דורכפירן טאַסקס אָטאַנאַמאַסלי. LangChain גיט אַ פּשוט און ינטואַטיוו אַפּי פֿאַר בנין אגענטן וואָס קענען:
- ** ינטעראַקט מיט דאַטן קוואלן **: LangChain גיט אַ קייט פון דאַטן קוואלן, אַרייַנגערעכנט דאַטאַבייסיז, אַפּיס און טעקע סיסטעמען, מיט וואָס אגענטן קענען ינטעראַקט.
- ** דורכפירן טאַסקס **: LangChain גיט אַ קייט פון טאַסקס אַז אגענטן קענען דורכפירן, אַרייַנגערעכנט טעקסט פּראַסעסינג, בילד דערקענונג, און נאַטירלעך שפּראַך פּראַסעסינג.
- ** לערן פֿון דאַטן **: LangChain גיט אַ קייט פון מאַשין לערנען אַלגערידאַמז אַז אגענטן קענען נוצן צו לערנען פֿון דאַטן.
DSPy: א פראַמעוואָרק פֿאַר בנין דיסטריביוטיד אַי אַגענץ
DSPy איז אַ פּיטהאָן פריימווערק פֿאַר בנין פונאנדערגעטיילט אַי אגענטן וואָס קענען וואָג צו טרעפן די באדערפענישן פון גרויס-וואָג אַפּלאַקיישאַנז. DSpy גיט אַ קייט פון פֿעיִקייטן, אַרייַנגערעכנט:
- ** דיסטריביוטיד קאַמפּיוטינג **: DSPy אַלאַוז אגענטן צו לויפן אויף קייפל מאשינען, מאכן עס ידעאַל פֿאַר גרויס-וואָג אַפּלאַקיישאַנז.
- ** דאַטאַ פּאַראַלעליסם **: דספּי אַלאַוז אגענטן צו פּראָצעס דאַטן אין פּאַראַלעל, מאכן עס ידעאַל פֿאַר אַפּלאַקיישאַנז וואָס דאַרפן הויך-פאָרשטעלונג קאַמפּיוטינג.
- ** סקאַלאַביליטי **: דספּי אַלאַוז אַגענץ צו וואָג צו טרעפן די באדערפענישן פון גרויס-וואָג אַפּלאַקיישאַנז.
ינטאַגרייטינג LangChain און DSPy אין DevOps Pipelines
צו ויסשטימען LangChain און DSPy אין DevOps פּייפּליינז, מיר קענען נוצן די פאלגענדע סטעפּס:
- ** ינסטאַלירן לאַנגטשאַין און דספּי **: ינסטאַלירן לאַנגטשאַין און דספּי ניצן פּיפּ. "באַש פּיפּ ינסטאַלירן לאַנגטשאַין דספּי
2. ** שאַפֿן אַ לאַנגטשאַין אַגענט **: שאַפֿן אַ לאַנגטשאַין אַגענט וואָס קענען ינטעראַקט מיט דאַטן קוואלן און דורכפירן טאַסקס.
``` פּיטהאָן
אַרייַנפיר לאַנגטשאַין
אַגענט = לאַנגטשאַין.אַגענט(
נאָמען = "מיין_אַגענט",
data_sources=[langchain.DataSource ("דייטאַבייס", "מיין_דאַטאַבייס")],
טאַסקס = [לאַנגטשאַין.טאַסק ("טעקסט_פּראַסעסינג", "מיין_טעקסט_פּראַסעסינג")]
)
- ** שאַפֿן אַ DSPy אַגענט **: שאַפֿן אַ DSPy אַגענט וואָס קענען לויפן אויף קייפל מאשינען און פּראָצעס דאַטן אין פּאַראַלעל.
אַרייַנפיר דספּי
# שאַפֿן אַ DSPy אַגענט
אַגענט = דספּי.אַגענט(
נאָמען = "מיין_אַגענט",
data_sources=[dspy.DataSource("דאַטאַבייס", "מיין_דאַטאַבאַסע")],
טאַסקס=[דספּי.טאַסק("טעקסט_פּראַסעסינג", "מיין_טעקסט_פּראַסעסינג")]
)
- ** ויסשטימען LangChain און DSPy אגענטן **: ויסשטימען די LangChain און DSPy אגענטן אין אַ DevOps רערנ - ליניע ניצן אַ געצייַג ווי Jenkins אָדער GitLab CI / CD.
אַרייַנפיר לאַנגטשאַין
אַרייַנפיר דספּי
# שאַפֿן אַ LangChain אַגענט
לאַנגטשאַין_אַגענט = לאַנגטשאַין.אַגענט(
נאָמען = "מיין_לאַנגטשאַין_אַגענט",
data_sources=[langchain.DataSource ("דייטאַבייס", "מיין_דאַטאַבייס")],
טאַסקס = [לאַנגטשאַין.טאַסק ("טעקסט_פּראַסעסינג", "מיין_טעקסט_פּראַסעסינג")]
)
# שאַפֿן אַ DSPy אַגענט
dspy_agent = dspy.Agent(
נאָמען = "מיין_דספּיאַ_אַגענט",
data_sources=[dspy.DataSource("דאַטאַבייס", "מיין_דאַטאַבאַסע")],
טאַסקס=[דספּי.טאַסק("טעקסט_פּראַסעסינג", "מיין_טעקסט_פּראַסעסינג")]
)
# ויסשטימען די אגענטן אין אַ DevOps רערנ - ליניע
רערנ - ליניע = [
לאַנגטשאַין_אַגענט,
dspy_agent
]
** שפּיץ 5-10 מערסט געוויינט קאַמאַנדז / סניפּאַץ **
דאָ זענען די שפּיץ 5-10 מערסט געוויינט קאַמאַנדז / סניפּאַץ פֿאַר LangChain און DSPy:
- LangChain: שאַפֿן אַ LangChain אַגענט
אַרייַנפיר לאַנגטשאַין
אַגענט = לאַנגטשאַין.אַגענט(
נאָמען = "מיין_אַגענט",
data_sources=[langchain.DataSource ("דייטאַבייס", "מיין_דאַטאַבייס")],
טאַסקס = [לאַנגטשאַין.טאַסק ("טעקסט_פּראַסעסינג", "מיין_טעקסט_פּראַסעסינג")]
)
- DSPy: שאַפֿן אַ DSPy אַגענט
אַרייַנפיר דספּי
אַגענט = דספּי.אַגענט(
נאָמען = "מיין_אַגענט",
data_sources=[dspy.DataSource("דאַטאַבייס", "מיין_דאַטאַבאַסע")],
טאַסקס=[דספּי.טאַסק("טעקסט_פּראַסעסינג", "מיין_טעקסט_פּראַסעסינג")]
)
- LangChain: ינטעראַקט מיט אַ דאַטן מקור
אַרייַנפיר לאַנגטשאַין
אַגענט = לאַנגטשאַין.אַגענט(
נאָמען = "מיין_אַגענט",
data_sources=[langchain.DataSource ("דייטאַבייס", "מיין_דאַטאַבייס")],
טאַסקס = [לאַנגטשאַין.טאַסק ("טעקסט_פּראַסעסינג", "מיין_טעקסט_פּראַסעסינג")]
)
דאַטן = אַגענט.דאַטאַ_סאָורסעס[0].געט_דאַטאַ()
- DSPy: ינטעראַקט מיט אַ דאַטן מקור
אַרייַנפיר דספּי
אַגענט = דספּי.אַגענט(
נאָמען = "מיין_אַגענט",
data_sources=[dspy.DataSource("דאַטאַבייס", "מיין_דאַטאַבאַסע")],
טאַסקס=[דספּי.טאַסק("טעקסט_פּראַסעסינג", "מיין_טעקסט_פּראַסעסינג")]
)
דאַטן = אַגענט.דאַטאַ_סאָורסעס[0].געט_דאַטאַ()
- LangChain: דורכפירן אַ אַרבעט
אַרייַנפיר לאַנגטשאַין
אַגענט = לאַנגטשאַין.אַגענט(
נאָמען = "מיין_אַגענט",
data_sources=[langchain.DataSource ("דייטאַבייס", "מיין_דאַטאַבייס")],
טאַסקס = [לאַנגטשאַין.טאַסק ("טעקסט_פּראַסעסינג", "מיין_טעקסט_פּראַסעסינג")]
)
רעזולטאַט = agent.tasks[0].perform_task(דאַטאַ)
- DSPy: דורכפירן אַ אַרבעט
אַרייַנפיר דספּי
אַגענט = דספּי.אַגענט(
נאָמען = "מיין_אַגענט",
data_sources=[dspy.DataSource("דאַטאַבייס", "מיין_דאַטאַבאַסע")],
טאַסקס=[דספּי.טאַסק("טעקסט_פּראַסעסינג", "מיין_טעקסט_פּראַסעסינג")]
)
רעזולטאַט = agent.tasks[0].perform_task(דאַטאַ)
- LangChain: לערן פֿון דאַטן
אַרייַנפיר לאַנגטשאַין
אַגענט = לאַנגטשאַין.אַגענט(
נאָמען = "מיין_אַגענט",
data_sources=[langchain.DataSource ("דייטאַבייס", "מיין_דאַטאַבייס")],
טאַסקס = [לאַנגטשאַין.טאַסק ("טעקסט_פּראַסעסינג", "מיין_טעקסט_פּראַסעסינג")]
)
agent.learn_from_data(דאַטאַ)
- DSPy: לערן פֿון דאַטן
אַרייַנפיר דספּי
אַגענט = דספּי.אַגענט(
נאָמען = "מיין_אַגענט",
data_sources=[dspy.DataSource("דאַטאַבייס", "מיין_דאַטאַבאַסע")],
טאַסקס=[דספּי.טאַסק("טעקסט_פּראַסעסינג", "מיין_טעקסט_פּראַסעסינג")]
)
agent.learn_from_data(דאַטאַ)
- LangChain: ויסשטימען מיט אַ DevOps רערנ - ליניע
אַרייַנפיר לאַנגטשאַין
אַגענט = לאַנגטשאַין.אַגענט(
נאָמען = "מיין_אַגענט",
data_sources=[langchain.DataSource ("דייטאַבייס", "מיין_דאַטאַבייס")],
טאַסקס = [לאַנגטשאַין.טאַסק ("טעקסט_פּראַסעסינג", "מיין_טעקסט_פּראַסעסינג")]
)
רערנ - ליניע = [
אַגענט
]
- DSPy: ויסשטימען מיט אַ DevOps רערנ - ליניע
אַרייַנפיר דספּי
אַגענט = דספּי.אַגענט(
נאָמען = "מיין_אַגענט",
data_sources=[dspy.DataSource("דאַטאַבייס", "מיין_דאַטאַבאַסע")],
טאַסקס=[דספּי.טאַסק("טעקסט_פּראַסעסינג", "מיין_טעקסט_פּראַסעסינג")]
)
רערנ - ליניע = [
אַגענט
]
** וויסואַליזאַטיאָן **
דאָ איז אַ וויזשוואַלאַזיישאַן פון די LangChain און DSPy אגענטן אין אַ DevOps רערנ - ליניע:
{
"type": "באַר",
"דאַטן": {
"labels": ["לאַנגטשאַין", "DSPy"],
"דאַטאַסעטס": [
{
"label": "אַגענט",
"דאַטן": [10, 20],
"backgroundColor": ["rgba(255, 99, 132, 0.2)", "rgba(54, 162, 235, 0.2)"],
"borderColor": ["rgba(255, 99, 132, 1)", "rgba(54, 162, 235, 1)"],
"באָרדערווידטה": 1
}
]
},
"אָפּציעס": {
"טיטל": {
"ווייַז": אמת,
"text": "LangChain און DSPy אַגענטן אין דעוואָפּס רערנ - ליניע"
},
"סקאַלעס": {
"יאַקסעס": [
{
"טיקס": {
"באַגינאַט זעראָ": אמת
}
}
]
}
}
}
די וויזשוואַלאַזיישאַן ווייזט די LangChain און DSPy אגענטן אין אַ DevOps רערנ - ליניע, מיט די LangChain אַגענט מיט 10 טאַסקס און די DSPy אַגענט מיט 20 טאַסקס.
** מסקנא**
אין דעם אַרטיקל, מיר ויספאָרשן די ראָלע פון אַי אגענטן אין אָטאַמייטינג ווייכווארג עקספּרעס פּראַסעסאַז און דעלוווד אין די פּראַקטיש ימפּלאַמענטיישאַן פון אָרקעסטראַטיאָן מכשירים ווי LangChain און DSPy. מיר האָבן געזען ווי LangChain און DSPy קענען זיין געוויינט צו שאַפֿן אַי אגענטן וואָס קענען ינטעראַקט מיט דאַטן קוואלן, דורכפירן טאַסקס און לערנען פון דאַטן. מיר אויך געזען ווי LangChain און DSPy קענען זיין ינאַגרייטיד אין DevOps פּייפּליינז מיט מכשירים ווי Jenkins אָדער GitLab CI / CD. מיט די ינקריסינג אַדאַפּשאַן פון AI און ML אין ווייכווארג אַנטוויקלונג, LangChain און DSPy ווערן ינקריסינגלי וויכטיק מכשירים פֿאַר דעוועלאָפּערס און אָפּערייטערז וואָס זוכן צו אָטאַמייט ווייכווארג עקספּרעס פּראַסעסאַז.