د پرمختللي سافټویر جوړښت لپاره د لینګ چین او DSPy سره د AI اجنټانو تنظیم کول

پیژندنه

د نن ورځې په ګړندۍ ډیجیټل منظره کې ، د مصنوعي استخباراتو (AI) او ماشین زده کړې (ML) وړتیاو ادغام سره د سافټویر سیسټمونه ورځ تر بلې پیچلي کیږي. د پایلې په توګه ، د توزیع وړ او انعطاف وړ سیسټمونو ډیزاین کول چې کولی شي په مؤثره توګه د AI اجنټانو تنظیم کړي د سافټویر انجینرانو لپاره یوه جدي اندیښنه ګرځیدلې. دا مقاله د AI ، سافټویر انجینرۍ ، او آرکیسټریشن وسیلو تقاطع لټوي ترڅو د اغیزمن سافټویر جوړښت ډیزاین کړي ، د لینګ چین او DSPy په کارولو سره د AI اجنټانو پلي کولو تمرکز سره.

د AI آرکیسټریشن اړتیا

دودیز سافټویر سیسټمونه اکثرا د یو واحد معمارۍ سره ډیزاین شوي ، چیرې چې ټولې برخې په کلکه سره یوځای کیږي او په یو خطي فیشن کې یوځای کار کوي. په هرصورت، د AI او ML په راتګ سره، د سافټویر سیسټمونه په زیاتیدونکي توګه ویشل شوي او غیر متمرکز کیږي، د ډیری اجنټانو سره یوځای کار کوي ترڅو ګډ هدف ترلاسه کړي. دا د AI آرکیسټریشن ته اړتیا رامینځته کړې ، کوم چې د سیسټمونو ډیزاین کول پکې شامل دي چې کولی شي په مؤثره توګه د ډیری AI اجنټانو ترمینځ متقابل عمل اداره او همغږي کړي.

لینګ چین: د AI اجنټانو جوړولو لپاره چوکاټ

LangChain د AI اجنټانو جوړولو لپاره د Python چوکاټ دی چې کولی شي د یو بل او بهرني سیسټمونو سره اړیکه ونیسي. دا د وسیلو او کتابتونونو سیټ چمتو کوي چې پراختیا کونکو ته وړتیا ورکوي ترڅو اجنټ رامینځته کړي چې کولی شي دلیل ، زده کړي او د بدلیدونکي چاپیریال سره تطابق وکړي. LangChain د زنګ پروګرام کولو ژبې په سر کې جوړ شوی او د AI اجنټانو جوړولو لپاره د لوړې کچې API چمتو کوي.

DSPy: د آرکیسټریشن لپاره چوکاټ

DSPy د توزیع شوي سیسټمونو جوړولو لپاره د Python چوکاټ دی چې کولی شي ډیری AI اجنټان تنظیم کړي. دا د وسیلو او کتابتونونو سیټ چمتو کوي چې پراختیا کونکو ته وړتیا ورکوي ترڅو د توزیع وړ او انعطاف وړ سیسټمونه ډیزاین او ځای په ځای کړي چې کولی شي د ډیری اجنټانو ترمینځ پیچلي تعاملات اداره کړي. DSPy د اپاچي کافکا پیغام رسولو سیسټم په سر کې جوړ شوی او د توزیع شوي سیسټمونو جوړولو لپاره د لوړې کچې API چمتو کوي.

** د لینګ چین او DSPy سره د AI اجنټانو پلي کول**

د LangChain او DSPy په کارولو سره د AI اجنټانو پلي کولو لپاره، موږ باید دا ګامونه تعقیب کړو:

1. د اجنټ آرکیټیکچر تعریف کړئ: د AI اجنټ جوړښت تعریف کړئ، پشمول د آخذو، محصولاتو، او نورو اجنټانو سره تعامل.
2. د اجنټ منطق تطبیق کړئ: د AI اجنټ منطق د LangChain په کارولو سره پلي کړئ، په شمول د استدلال، زده کړې، او موافقت میکانیزمونه. د اجنټ تعاملات ترتیب کړئ: DSPy د څو AI اجنټانو ترمینځ تعاملات تنظیم کولو لپاره وکاروئ ، پشمول د مخابراتو پروتوکولونه او د معلوماتو تبادلې میکانیزمونه.
3. سیسټم ځای پرځای کړئ: سیسټم د کلاوډ پلیټ فارم یا د کانټینر کولو چوکاټ په کارولو سره ځای په ځای کړئ ، لکه ډاکر.

** د کوډ مثال: د لینګ چین سره د ساده AI اجنټ پلي کول**

دلته یو ساده کوډ مثال دی چې ښیي چې څنګه د LangChain په کارولو سره د AI اجنټ پلي کول: ``پېتون langchain واردول له langchain.chains څخه LLMCchain وارد کړئ

اجنټ = langchain.Agent( input_schema={"text": str}, output_schema={"text": str}, زنځیر=LLMCchain( model="davinci:instructix" max_length=2048, حرارت = 0.7 ) )

د اجنټ منطق پلي کړئ

def agent_logic(input_text): output_text = agent.run(input_text) output_text بیرته راګرځي

اجنټ معاینه کړئ

input_text = "د ژوند معنی څه ده؟" output_text = agent_logic(input_text) چاپ (output_text) `` دا کوډ بیلګه ښیې چې څنګه د AI اجنټ د LangChain په کارولو سره تعریف کړئ ، پشمول د ننوتلو او محصول سکیمونو ، او د اجنټ منطق. اجنټ د لوی ژبې ماډل (LLM) سلسلې په کارولو سره پلي کیږي ، کوم چې د AI اجنټ یو ډول دی چې کولی شي دلیل او متن تولید کړي.

د لینګ چین او DSPy لپاره تر ټولو غوره 5-10 ډیری کارول شوي کمانډونه/ ټوټې

دلته د LangChain او DSPy لپاره غوره 5-10 ډیری کارول شوي کمانډونه / ټوټې دي:

1. langchain.Agent(): د نوي AI اجنټ مثال جوړوي. پېتون اجنټ = langchain.Agent( input_schema={"text": str}, output_schema={"text": str}, زنځیر=LLMCchain( model="davinci:instructix" max_length=2048, حرارت = 0.7 ) ) agent.run(): د AI اجنټ د ورکړل شوي ان پټ سره چلوي. پېتون output_text = agent.run(input_text)
2. DSPy.create_cluster(): د ویشل شوي سیسټم لپاره د نوډونو نوی کلستر جوړوي. پېتون کلستر = DSPy.create_cluster( num_nodes=5, node_type="کارګر" )
3. DSPy.create_agent(): د ویشل شوي سیسټم لپاره د نوي AI اجنټ مثال رامینځته کوي. پېتون اجنټ = DSPy.create_agent( کلستر = کلستر agent_type="LLM" )
4. DSPy.deploy_agent(): د AI اجنټ ویشل شوي سیسټم ته ځای په ځای کوي. پېتون DSPy.deploy_agent( اجنټ = استازی کلستر = کلستر ) DSPy.get_agent_status(): د AI اجنټ حالت بیرته ترلاسه کوي. پېتون حالت = DSPy.get_agent_status( اجنټ = استازی کلستر = کلستر )
5. DSPy.update_agent(): د نوي ډیټا یا پیرامیټونو سره د AI اجنټ تازه کوي. پېتون DSPy.update_agent( اجنټ = استازی کلستر = کلستر new_data="text": "نوی داخل متن"}, )
6. DSPy.delete_agent(): د توزیع شوي سیسټم څخه د AI اجنټ حذف کوي. پېتون DSPy.delete_agent( اجنټ = استازی کلستر = کلستر )
7. DSPy.create_chain(): د ویشل شوي سیسټم لپاره د AI اجنټانو نوې لړۍ رامینځته کوي. پېتون زنځیر = DSPy.create_chain( اجنټ = [اجنټ1، اجنټ2، اجنټ3]، )
8. DSPy.deploy_chain(): د AI اجنټانو سلسله ویشل شوي سیسټم ته ځای په ځای کوي. پېتون DSPy.deploy_chain( زنځیر = زنځیر کلستر = کلستر ) بصری کول

دلته د Chart.js په کارولو سره د LangChain او DSPy جوړښت لید دی: json { "type": "pieChart", "ډاټا": { "labels": ["LangChain", "DSPy"], "ډاټاسایټ": [ { "label": "AI اجنټان" "ډاټا": [50, 50], "backgroundColor": ["#4CAF50", "#FF9800"] } ] }، "اختیارونه": { "عنوان": { "ښکاره": ریښتیا، "text": "LangChain او DSPy معمارۍ" }، "legend": { "ښکاره": ریښتیا } } } دا لید د LangChain او DSPy ترمنځ د AI اجنټانو ویش څرګندوي، 50٪ اجنټان په LangChain کې او 50٪ په DSPy کې روان دي.

پایله

LangChain او DSPy د AI اجنټانو رامینځته کولو او تنظیم کولو لپاره یو پیاوړی چوکاټ چمتو کوي ، پراختیا کونکو ته وړتیا ورکوي ترڅو د توزیع وړ او انعطاف وړ سیسټمونه ډیزاین کړي چې کولی شي په مؤثره توګه د ډیری اجنټانو ترمینځ پیچلي تعاملات اداره کړي. په دې مقاله کې د بیان شوي ګامونو په تعقیب سره، پراختیا کونکي کولی شي د AI اجنټان د LangChain او DSPy په کارولو سره پلي کړي، او د DSPy په کارولو سره ویشل شوي سیسټم ته یې ځای پرځای کړي. د کوډ مثالونه او لید وړاندې شوي د LangChain او DSPy وړتیاوې ښیې، او د 5-10 ډیری کارول شوي کمانډونه / ټوټې د پراختیا کونکو لپاره چټک حواله چمتو کوي.