##परिचय

आर्टिफिसियल इन्टेलिजेन्स (AI) र मेसिन लर्निङ (ML) को द्रुत विकासले एजेन्टिक AI को विकास गर्न निम्त्याएको छ, एक प्रकारको AI जसले कार्य गर्न र आफै निर्णय गर्न सक्छ। यो प्रविधिसँग हामीले सफ्टवेयर आर्किटेक्चर र DevOps स्वचालनमा जाने तरिकामा क्रान्तिकारी परिवर्तन गर्ने क्षमता छ। यस लेखमा, हामी सफ्टवेयर वास्तुकला, पूर्वाधार, र DevOps प्रक्रियाहरू स्वचालित गर्न एजेन्टिक AI, ठूला भाषा मोडेलहरू (LLMs), र LangChain र DSPy जस्ता अर्केस्ट्रेशन उपकरणहरूको एकीकरणको अन्वेषण गर्नेछौं।

एजेन्टिक एआई के हो?

Agentic AI ले एक प्रकारको AI लाई जनाउँछ जसले कार्यहरू गर्न र आफै निर्णय गर्न सक्छ। यो परम्परागत AI प्रणालीहरूको विपरित हो, जुन सामान्यतया विशिष्ट कार्यहरू गर्न र पूर्वनिर्धारित नियमहरूको सेट पालना गर्न डिजाइन गरिएको हो। अर्कोतर्फ, एजेन्टिक एआई प्रणालीहरू अधिक स्वायत्त र अनुकूलनीय हुन डिजाइन गरिएका छन्, उनीहरूलाई उनीहरूको वातावरणबाट सिक्न र आफ्नै लक्ष्य र उद्देश्यहरूमा आधारित निर्णयहरू गर्न अनुमति दिन्छ।

एजेन्टिक एआई मा LLM को भूमिका

ठूला भाषा मोडेलहरू (LLMs) AI को एक प्रकार हो जुन पाठ डेटाको ठूलो मात्रामा प्रशिक्षित हुन्छ र मानव-जस्तो भाषा उत्पन्न गर्न सक्षम हुन्छ। LLMs एजेन्टिक AI प्रणालीहरूको एक प्रमुख घटक हो, किनकि तिनीहरूले मानव भाषा बुझ्न र उत्पन्न गर्ने क्षमता प्रदान गर्छन्। यसले एजेन्टिक एआई प्रणालीहरूलाई मानव र अन्य प्रणालीहरूसँग थप प्राकृतिक र सहज तरिकाले सञ्चार गर्न अनुमति दिन्छ।

अर्केस्ट्रेशन उपकरणहरू: LangChain र DSPy

LangChain र DSPy जस्ता अर्केस्ट्रेशन उपकरणहरू विभिन्न प्रणाली र घटकहरू बीचको अन्तरक्रियालाई व्यवस्थित र समन्वय गर्न डिजाइन गरिएका छन्। यी उपकरणहरूले कार्यप्रवाहहरू परिभाषित र कार्यान्वयन गर्ने तरिका प्रदान गर्दछ, जसमा डेटा प्रशोधन, मोडेल प्रशिक्षण, र तैनाती जस्ता कार्यहरू समावेश हुन सक्छन्।

LangChain

LangChain एक खुला स्रोत अर्केस्ट्रेशन उपकरण हो जसले कार्यप्रवाहहरू निर्माण र व्यवस्थापन गर्न लचिलो र एक्स्टेन्सिबल फ्रेमवर्क प्रदान गर्दछ। LangChain लाई LLM, डाटाबेस र API लगायतका प्रणाली र कम्पोनेन्टहरूको विस्तृत दायरासँग काम गर्न डिजाइन गरिएको हो।

डीएसपी

DSPy एक पाइथन-आधारित अर्केस्ट्रेशन उपकरण हो जसले कार्यप्रवाहहरू परिभाषित र कार्यान्वयन गर्न सरल र सहज तरिका प्रदान गर्दछ। DSPy लाई LLM, डाटाबेस र API लगायतका प्रणाली र कम्पोनेन्टहरूको विस्तृत दायरासँग काम गर्न डिजाइन गरिएको हो।

स्वचालित सफ्टवेयर आर्किटेक्चर र DevOps प्रक्रियाहरू

Agentic AI, LLMs, र LangChain र DSPy जस्ता अर्केस्ट्रेशन उपकरणहरू सफ्टवेयर आर्किटेक्चर र DevOps प्रक्रियाहरूको विस्तृत दायरालाई स्वचालित गर्न प्रयोग गर्न सकिन्छ। केही उदाहरणहरू समावेश छन्:

स्वचालित कोड समीक्षा: एजेन्टिक एआई प्रणालीहरू कोड समीक्षा गर्न र सम्भावित समस्याहरू, जस्तै बग र सुरक्षा कमजोरीहरू पहिचान गर्न प्रयोग गर्न सकिन्छ।
स्वचालित परीक्षण: एजेन्टिक एआई प्रणालीहरू एकाइ परीक्षण, एकीकरण परीक्षण, र अन्त-देखि-अन्त परीक्षण सहित परीक्षण स्वचालित गर्न प्रयोग गर्न सकिन्छ।
स्वचालित डिप्लोइमेन्ट: एजेन्टिक एआई प्रणालीहरू कोड, कन्फिगरेसन, र अन्य स्रोतहरूको प्रयोग सहित डिप्लोयमेन्ट स्वचालित गर्न प्रयोग गर्न सकिन्छ।
स्वचालित निगरानी: एजेन्टिक एआई प्रणालीहरू प्रणाली प्रदर्शन, सुरक्षा, र अन्य मेट्रिक्सको निगरानी सहित, स्वचालित निगरानी गर्न प्रयोग गर्न सकिन्छ।

व्यावहारिक कार्यान्वयन

यस खण्डमा, हामी सफ्टवेयर आर्किटेक्चर र DevOps प्रक्रिया स्वचालित गर्न LangChain र DSPy कसरी प्रयोग गर्ने भन्ने एक सरल उदाहरण प्रदान गर्नेछौं।

उदाहरण: स्वचालित कोड समीक्षा

यस उदाहरणमा, हामी कोड समीक्षा स्वचालित गर्न LangChain र DSPy प्रयोग गर्नेछौं। हामी निम्न चरणहरू समावेश गर्ने कार्यप्रवाह परिभाषित गर्नेछौं:

कोड विश्लेषण: कार्यप्रवाहले कोडको विश्लेषण गर्न र सम्भावित समस्याहरू पहिचान गर्न LLM प्रयोग गर्नेछ।
कोड समीक्षा: कार्यप्रवाहले कोडको समीक्षा गर्न र सम्भावित समस्याहरू पहिचान गर्न एजेन्टिक एआई प्रणाली प्रयोग गर्नेछ।
कोड डिप्लोइमेन्ट: कार्यप्रवाहले उत्पादन वातावरणमा कोड डिप्लोइमेन्ट गर्न डिप्लोइमेन्ट उपकरण प्रयोग गर्नेछ।

यहाँ LangChain र DSPy प्रयोग गरेर यो कार्यप्रवाह कसरी कार्यान्वयन गर्ने भन्ने उदाहरण छ: पाइथन langchain आयात गर्नुहोस् langchain आयात LLM बाट

LLM परिभाषित गर्नुहोस्

llm = LLM("text-davinci-003")

एजेन्टिक एआई प्रणाली परिभाषित गर्नुहोस्

ai_system = langchain.AgenticAI()

कार्यप्रवाह परिभाषित गर्नुहोस्

कार्यप्रवाह = langchain.Workflow( कदम = [ langchain.Step( नाम="कोड विश्लेषण", func=llm.analyze_code, inputs=""code": "def hello_world(): print('Hello World')"}, ), langchain.Step( नाम="कोड समीक्षा", func=ai_system.review_code, inputs=""code": "def hello_world(): print('Hello World')"}, ), langchain.Step( नाम="कोड डिप्लोइमेन्ट", func=langchain.deploy_code, inputs=""code": "def hello_world(): print('Hello World')"}, ), ] )

कार्यप्रवाह कार्यान्वयन गर्नुहोस्

workflow.execute()

यो कोडले तीन चरणहरू समावेश गर्ने कार्यप्रवाहलाई परिभाषित गर्दछ: कोड विश्लेषण, कोड समीक्षा, र कोड डिप्लोइमेन्ट। कार्यप्रवाहले कोडको विश्लेषण गर्न LLM, कोड समीक्षा गर्न एजेन्टिक एआई प्रणाली, र उत्पादन वातावरणमा कोड प्रयोग गर्न डिप्लोइमेन्ट उपकरण प्रयोग गर्दछ।

## शीर्ष 5-10 धेरै प्रयोग गरिएका आदेशहरू/स्निपेटहरू

यहाँ LangChain र DSPy को लागि शीर्ष 5-10 धेरै प्रयोग गरिएका आदेशहरू/स्निपेटहरू छन्:

1. `langchain.Workflow(steps=[...])`: धेरै चरणहरू भएको कार्यप्रवाह परिभाषित गर्नुहोस्।
2. `langchain.Step(name="...", func=..., inputs={...})`: कार्यप्रवाहमा एकल चरण परिभाषित गर्नुहोस्।
3. `llm.analyze_code(inputs={"code": ...})`: कोडको विश्लेषण गर्न LLM प्रयोग गर्नुहोस्।
4. `ai_system.review_code(inputs="code": ...})`: कोड समीक्षा गर्न एजेन्टिक AI प्रणाली प्रयोग गर्नुहोस्।
5. `langchain.deploy_code(inputs={"code": ...})`: उत्पादन वातावरणमा कोड प्रयोग गर्नुहोस्।
6. `langchain.AgenticAI()`: एजेन्टिक एआई प्रणालीको उदाहरण सिर्जना गर्नुहोस्।
7. `langchain.LLM()`: LLM को एउटा उदाहरण बनाउनुहोस्।
8. `langchain.deploy_code()`: उत्पादन वातावरणमा कोड प्रयोग गर्नुहोस्।
९. `langchain.execute_workflow()`: कार्यप्रवाह कार्यान्वयन गर्नुहोस्।
10. `langchain.get_workflow_status()`: कार्यप्रवाहको स्थिति प्राप्त गर्नुहोस्।

## भिजुअलाइजेशन

यहाँ Chart.js प्रयोग गरेर कार्यप्रवाह कसरी कल्पना गर्ने भन्ने एउटा उदाहरण छ:
``json
{
  "प्रकार": "पट्टी",
  "डेटा": {
    "labels": ["कोड विश्लेषण", "कोड समीक्षा", "कोड परिनियोजन"],
    "डेटासेटहरू": [
      {
        "label": "कार्यप्रवाह चरणहरू",
        "डेटा": [१०, २०, ३०],
        "पृष्ठभूमिको रंग": [
          "rgba(255, 99, 132, 0.2)",
          "rgba(54, 162, 235, 0.2)",
          "rgba(२५५, २०६, ८६, ०.२)"
        ],
        "bordercolor": [
          "rgba(255, 99, 132, 1)",
          "rgba(54, 162, 235, 1)",
          "rgba(255, 206, 86, 1)"
        ],
        "borderWidth": 1
      }
    ]
  },
  "विकल्पहरू": {}
}

यो कोडले तीनवटा लेबलहरू भएको बार चार्ट परिभाषित गर्दछ: कोड विश्लेषण, कोड समीक्षा, र कोड डिप्लोइमेन्ट। चार्टले कार्यप्रवाहको प्रत्येक चरणमा चरणहरूको संख्या देखाउँछ।

निष्कर्ष

एजेन्टिक AI, LLMs, र LangChain र DSPy जस्ता अर्केस्ट्रेशन उपकरणहरूमा हामीले सफ्टवेयर आर्किटेक्चर र DevOps स्वचालनमा जाने तरिकामा क्रान्तिकारी परिवर्तन गर्ने क्षमता छ। कोड समीक्षा, परीक्षण, र तैनाती जस्ता कार्यहरू स्वचालित गरेर, हामी हाम्रो विकास प्रक्रियाहरूको दक्षता र प्रभावकारिता सुधार गर्न सक्छौं। यस लेखमा, हामीले यी प्रविधिहरूको एकीकरणको अन्वेषण गरेका छौं र तिनीहरूलाई सफ्टवेयर वास्तुकला र DevOps प्रक्रिया स्वचालित गर्न कसरी प्रयोग गर्ने भन्ने सरल उदाहरण प्रदान गरेका छौं।

सफ्टवेयर आर्किटेक्चर र DevOps स्वचालन को लागी एजेन्टिक AI को लाभ