ਜਾਣ-ਪਛਾਣ

ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ (AI) ਅਤੇ ਮਸ਼ੀਨ ਲਰਨਿੰਗ (ML) ਦੇ ਤੇਜ਼ੀ ਨਾਲ ਵਿਕਾਸ ਨੇ ਏਜੰਟ AI ਦੇ ਵਿਕਾਸ ਵੱਲ ਅਗਵਾਈ ਕੀਤੀ ਹੈ, AI ਦੀ ਇੱਕ ਕਿਸਮ ਜੋ ਕਾਰਵਾਈਆਂ ਕਰ ਸਕਦੀ ਹੈ ਅਤੇ ਆਪਣੇ ਆਪ ਫੈਸਲੇ ਲੈ ਸਕਦੀ ਹੈ। ਇਸ ਤਕਨਾਲੋਜੀ ਵਿੱਚ ਸਾਡੇ ਦੁਆਰਾ ਸੌਫਟਵੇਅਰ ਆਰਕੀਟੈਕਚਰ ਅਤੇ DevOps ਆਟੋਮੇਸ਼ਨ ਤੱਕ ਪਹੁੰਚਣ ਦੇ ਤਰੀਕੇ ਵਿੱਚ ਕ੍ਰਾਂਤੀ ਲਿਆਉਣ ਦੀ ਸਮਰੱਥਾ ਹੈ। ਇਸ ਲੇਖ ਵਿੱਚ, ਅਸੀਂ ਸੌਫਟਵੇਅਰ ਆਰਕੀਟੈਕਚਰ, ਬੁਨਿਆਦੀ ਢਾਂਚੇ, ਅਤੇ DevOps ਪ੍ਰਕਿਰਿਆਵਾਂ ਨੂੰ ਸਵੈਚਲਿਤ ਕਰਨ ਲਈ ਏਜੰਟ AI, ਵੱਡੇ ਭਾਸ਼ਾ ਮਾਡਲਾਂ (LLMs), ਅਤੇ LangChain ਅਤੇ DSPy ਵਰਗੇ ਆਰਕੈਸਟਰੇਸ਼ਨ ਟੂਲਸ ਦੇ ਏਕੀਕਰਣ ਦੀ ਪੜਚੋਲ ਕਰਾਂਗੇ।

Agentic AI ਕੀ ਹੈ?

Agentic AI ਇੱਕ ਕਿਸਮ ਦੀ AI ਨੂੰ ਦਰਸਾਉਂਦਾ ਹੈ ਜੋ ਕਾਰਵਾਈਆਂ ਕਰ ਸਕਦਾ ਹੈ ਅਤੇ ਆਪਣੇ ਆਪ ਫੈਸਲੇ ਲੈ ਸਕਦਾ ਹੈ। ਇਹ ਪਰੰਪਰਾਗਤ AI ਪ੍ਰਣਾਲੀਆਂ ਦੇ ਉਲਟ ਹੈ, ਜੋ ਖਾਸ ਤੌਰ 'ਤੇ ਖਾਸ ਕੰਮ ਕਰਨ ਅਤੇ ਪੂਰਵ-ਪ੍ਰਭਾਸ਼ਿਤ ਨਿਯਮਾਂ ਦੇ ਸੈੱਟ ਦੀ ਪਾਲਣਾ ਕਰਨ ਲਈ ਤਿਆਰ ਕੀਤੇ ਗਏ ਹਨ। ਦੂਜੇ ਪਾਸੇ, ਏਜੰਟਿਕ ਏਆਈ ਪ੍ਰਣਾਲੀਆਂ ਨੂੰ ਵਧੇਰੇ ਖੁਦਮੁਖਤਿਆਰੀ ਅਤੇ ਅਨੁਕੂਲ ਬਣਾਉਣ ਲਈ ਤਿਆਰ ਕੀਤਾ ਗਿਆ ਹੈ, ਜਿਸ ਨਾਲ ਉਹ ਆਪਣੇ ਵਾਤਾਵਰਣ ਤੋਂ ਸਿੱਖ ਸਕਦੇ ਹਨ ਅਤੇ ਆਪਣੇ ਟੀਚਿਆਂ ਅਤੇ ਉਦੇਸ਼ਾਂ ਦੇ ਅਧਾਰ ਤੇ ਫੈਸਲੇ ਲੈ ਸਕਦੇ ਹਨ।

ਏਜੰਟ ਏਆਈ ਵਿੱਚ ਐਲਐਲਐਮ ਦੀ ਭੂਮਿਕਾ

ਲਾਰਜ ਲੈਂਗੂਏਜ ਮਾਡਲ (LLMs) ਇੱਕ ਕਿਸਮ ਦੀ AI ਹੈ ਜੋ ਟੈਕਸਟ ਡੇਟਾ ਦੀ ਵਿਸ਼ਾਲ ਮਾਤਰਾ 'ਤੇ ਸਿਖਲਾਈ ਦਿੱਤੀ ਜਾਂਦੀ ਹੈ ਅਤੇ ਮਨੁੱਖ ਵਰਗੀ ਭਾਸ਼ਾ ਬਣਾਉਣ ਦੇ ਸਮਰੱਥ ਹੁੰਦੀ ਹੈ। LLM ਏਜੰਟ ਏਆਈ ਪ੍ਰਣਾਲੀਆਂ ਦਾ ਇੱਕ ਮੁੱਖ ਹਿੱਸਾ ਹਨ, ਕਿਉਂਕਿ ਇਹ ਮਨੁੱਖੀ ਭਾਸ਼ਾ ਨੂੰ ਸਮਝਣ ਅਤੇ ਬਣਾਉਣ ਦੀ ਯੋਗਤਾ ਪ੍ਰਦਾਨ ਕਰਦੇ ਹਨ। ਇਹ ਏਜੰਟ AI ਪ੍ਰਣਾਲੀਆਂ ਨੂੰ ਮਨੁੱਖਾਂ ਅਤੇ ਹੋਰ ਪ੍ਰਣਾਲੀਆਂ ਨਾਲ ਵਧੇਰੇ ਕੁਦਰਤੀ ਅਤੇ ਅਨੁਭਵੀ ਤਰੀਕੇ ਨਾਲ ਸੰਚਾਰ ਕਰਨ ਦੀ ਆਗਿਆ ਦਿੰਦਾ ਹੈ।

ਆਰਕੈਸਟਰੇਸ਼ਨ ਟੂਲ: ਲੈਂਗਚੇਨ ਅਤੇ ਡੀਐਸਪੀ

ਆਰਕੈਸਟਰੇਸ਼ਨ ਟੂਲ ਜਿਵੇਂ ਕਿ LangChain ਅਤੇ DSPy ਵੱਖ-ਵੱਖ ਪ੍ਰਣਾਲੀਆਂ ਅਤੇ ਭਾਗਾਂ ਵਿਚਕਾਰ ਪਰਸਪਰ ਪ੍ਰਭਾਵ ਦਾ ਪ੍ਰਬੰਧਨ ਅਤੇ ਤਾਲਮੇਲ ਕਰਨ ਲਈ ਤਿਆਰ ਕੀਤੇ ਗਏ ਹਨ। ਇਹ ਟੂਲ ਵਰਕਫਲੋ ਨੂੰ ਪਰਿਭਾਸ਼ਿਤ ਕਰਨ ਅਤੇ ਚਲਾਉਣ ਦਾ ਇੱਕ ਤਰੀਕਾ ਪ੍ਰਦਾਨ ਕਰਦੇ ਹਨ, ਜਿਸ ਵਿੱਚ ਡੇਟਾ ਪ੍ਰੋਸੈਸਿੰਗ, ਮਾਡਲ ਸਿਖਲਾਈ, ਅਤੇ ਤੈਨਾਤੀ ਵਰਗੇ ਕੰਮ ਸ਼ਾਮਲ ਹੋ ਸਕਦੇ ਹਨ।

ਲੈਂਗਚੇਨ

ਲੈਂਗਚੈਨ ਇੱਕ ਓਪਨ-ਸੋਰਸ ਆਰਕੈਸਟਰੇਸ਼ਨ ਟੂਲ ਹੈ ਜੋ ਵਰਕਫਲੋ ਨੂੰ ਬਣਾਉਣ ਅਤੇ ਪ੍ਰਬੰਧਨ ਲਈ ਇੱਕ ਲਚਕਦਾਰ ਅਤੇ ਵਿਸਤ੍ਰਿਤ ਢਾਂਚਾ ਪ੍ਰਦਾਨ ਕਰਦਾ ਹੈ। LangChain ਨੂੰ LLM, ਡੇਟਾਬੇਸ, ਅਤੇ API ਸਮੇਤ ਬਹੁਤ ਸਾਰੇ ਸਿਸਟਮਾਂ ਅਤੇ ਭਾਗਾਂ ਦੇ ਨਾਲ ਕੰਮ ਕਰਨ ਲਈ ਤਿਆਰ ਕੀਤਾ ਗਿਆ ਹੈ।

ਡੀ.ਐਸ.ਪੀ

DSPy ਇੱਕ ਪਾਈਥਨ-ਆਧਾਰਿਤ ਆਰਕੈਸਟਰੇਸ਼ਨ ਟੂਲ ਹੈ ਜੋ ਵਰਕਫਲੋ ਨੂੰ ਪਰਿਭਾਸ਼ਿਤ ਕਰਨ ਅਤੇ ਚਲਾਉਣ ਦਾ ਇੱਕ ਸਧਾਰਨ ਅਤੇ ਅਨੁਭਵੀ ਤਰੀਕਾ ਪ੍ਰਦਾਨ ਕਰਦਾ ਹੈ। DSPy ਨੂੰ LLM, ਡੇਟਾਬੇਸ, ਅਤੇ API ਸਮੇਤ ਬਹੁਤ ਸਾਰੇ ਸਿਸਟਮਾਂ ਅਤੇ ਭਾਗਾਂ ਨਾਲ ਕੰਮ ਕਰਨ ਲਈ ਤਿਆਰ ਕੀਤਾ ਗਿਆ ਹੈ।

ਸਾਫਟਵੇਅਰ ਆਰਕੀਟੈਕਚਰ ਅਤੇ DevOps ਪ੍ਰਕਿਰਿਆਵਾਂ ਨੂੰ ਆਟੋਮੈਟਿਕ ਕਰਨਾ

Agentic AI, LLMs, ਅਤੇ Orchestration ਟੂਲ ਜਿਵੇਂ LangChain ਅਤੇ DSPy ਦੀ ਵਰਤੋਂ ਸੌਫਟਵੇਅਰ ਆਰਕੀਟੈਕਚਰ ਅਤੇ DevOps ਪ੍ਰਕਿਰਿਆਵਾਂ ਦੀ ਇੱਕ ਵਿਸ਼ਾਲ ਸ਼੍ਰੇਣੀ ਨੂੰ ਸਵੈਚਾਲਿਤ ਕਰਨ ਲਈ ਕੀਤੀ ਜਾ ਸਕਦੀ ਹੈ। ਕੁਝ ਉਦਾਹਰਣਾਂ ਵਿੱਚ ਸ਼ਾਮਲ ਹਨ:

• ਆਟੋਮੈਟਿਕ ਕੋਡ ਸਮੀਖਿਆ: ਏਜੰਟਿਕ AI ਸਿਸਟਮਾਂ ਦੀ ਵਰਤੋਂ ਕੋਡ ਦੀ ਸਮੀਖਿਆ ਕਰਨ ਅਤੇ ਸੰਭਾਵੀ ਮੁੱਦਿਆਂ, ਜਿਵੇਂ ਕਿ ਬੱਗ ਅਤੇ ਸੁਰੱਖਿਆ ਕਮਜ਼ੋਰੀਆਂ ਦੀ ਪਛਾਣ ਕਰਨ ਲਈ ਕੀਤੀ ਜਾ ਸਕਦੀ ਹੈ।
• ਆਟੋਮੈਟਿਕ ਟੈਸਟਿੰਗ: ਏਜੇਂਟਿਕ AI ਸਿਸਟਮਾਂ ਦੀ ਵਰਤੋਂ ਆਟੋਮੈਟਿਕ ਟੈਸਟਿੰਗ ਲਈ ਕੀਤੀ ਜਾ ਸਕਦੀ ਹੈ, ਜਿਸ ਵਿੱਚ ਯੂਨਿਟ ਟੈਸਟਿੰਗ, ਏਕੀਕਰਣ ਟੈਸਟਿੰਗ, ਅਤੇ ਐਂਡ-ਟੂ-ਐਂਡ ਟੈਸਟਿੰਗ ਸ਼ਾਮਲ ਹੈ।
• ਆਟੋਮੇਟਿਡ ਡਿਪਲਾਇਮੈਂਟ: ਏਜੇਂਟਿਕ ਏਆਈ ਸਿਸਟਮਾਂ ਦੀ ਵਰਤੋਂ ਡਿਪਲਾਇਮੈਂਟ ਨੂੰ ਸਵੈਚਲਿਤ ਕਰਨ ਲਈ ਕੀਤੀ ਜਾ ਸਕਦੀ ਹੈ, ਜਿਸ ਵਿੱਚ ਕੋਡ, ਕੌਂਫਿਗਰੇਸ਼ਨ ਅਤੇ ਹੋਰ ਸਰੋਤਾਂ ਦੀ ਤੈਨਾਤੀ ਸ਼ਾਮਲ ਹੈ।
• ਆਟੋਮੈਟਿਕ ਮਾਨੀਟਰਿੰਗ: Agentic AI ਸਿਸਟਮਾਂ ਦੀ ਵਰਤੋਂ ਨਿਗਰਾਨੀ ਨੂੰ ਸਵੈਚਾਲਤ ਕਰਨ ਲਈ ਕੀਤੀ ਜਾ ਸਕਦੀ ਹੈ, ਜਿਸ ਵਿੱਚ ਸਿਸਟਮ ਦੀ ਕਾਰਗੁਜ਼ਾਰੀ, ਸੁਰੱਖਿਆ ਅਤੇ ਹੋਰ ਮੈਟ੍ਰਿਕਸ ਦੀ ਨਿਗਰਾਨੀ ਸ਼ਾਮਲ ਹੈ।

ਅਮਲੀ ਅਮਲ

ਇਸ ਭਾਗ ਵਿੱਚ, ਅਸੀਂ ਇੱਕ ਸੌਫਟਵੇਅਰ ਆਰਕੀਟੈਕਚਰ ਅਤੇ DevOps ਪ੍ਰਕਿਰਿਆ ਨੂੰ ਸਵੈਚਲਿਤ ਕਰਨ ਲਈ LangChain ਅਤੇ DSPy ਦੀ ਵਰਤੋਂ ਕਰਨ ਦੀ ਇੱਕ ਸਧਾਰਨ ਉਦਾਹਰਣ ਪ੍ਰਦਾਨ ਕਰਾਂਗੇ।

ਉਦਾਹਰਨ: ਸਵੈਚਲਿਤ ਕੋਡ ਸਮੀਖਿਆ

ਇਸ ਉਦਾਹਰਨ ਵਿੱਚ, ਅਸੀਂ ਕੋਡ ਸਮੀਖਿਆ ਨੂੰ ਸਵੈਚਲਿਤ ਕਰਨ ਲਈ LangChain ਅਤੇ DSPy ਦੀ ਵਰਤੋਂ ਕਰਾਂਗੇ। ਅਸੀਂ ਇੱਕ ਵਰਕਫਲੋ ਨੂੰ ਪਰਿਭਾਸ਼ਿਤ ਕਰਾਂਗੇ ਜਿਸ ਵਿੱਚ ਹੇਠਾਂ ਦਿੱਤੇ ਕਦਮ ਸ਼ਾਮਲ ਹਨ:

1. ਕੋਡ ਵਿਸ਼ਲੇਸ਼ਣ: ਵਰਕਫਲੋ ਕੋਡ ਦਾ ਵਿਸ਼ਲੇਸ਼ਣ ਕਰਨ ਅਤੇ ਸੰਭਾਵੀ ਮੁੱਦਿਆਂ ਦੀ ਪਛਾਣ ਕਰਨ ਲਈ ਇੱਕ LLM ਦੀ ਵਰਤੋਂ ਕਰੇਗਾ।
2. ਕੋਡ ਸਮੀਖਿਆ: ਵਰਕਫਲੋ ਕੋਡ ਦੀ ਸਮੀਖਿਆ ਕਰਨ ਅਤੇ ਸੰਭਾਵੀ ਮੁੱਦਿਆਂ ਦੀ ਪਛਾਣ ਕਰਨ ਲਈ ਇੱਕ ਏਜੰਟਿਕ AI ਸਿਸਟਮ ਦੀ ਵਰਤੋਂ ਕਰੇਗਾ।
3. ਕੋਡ ਡਿਪਲਾਇਮੈਂਟ: ਵਰਕਫਲੋ ਇੱਕ ਪ੍ਰੋਡਕਸ਼ਨ ਵਾਤਾਵਰਨ ਵਿੱਚ ਕੋਡ ਨੂੰ ਤੈਨਾਤ ਕਰਨ ਲਈ ਇੱਕ ਡਿਪਲਾਇਮੈਂਟ ਟੂਲ ਦੀ ਵਰਤੋਂ ਕਰੇਗਾ।

ਇੱਥੇ LangChain ਅਤੇ DSPy ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਇਸ ਵਰਕਫਲੋ ਨੂੰ ਕਿਵੇਂ ਲਾਗੂ ਕਰਨਾ ਹੈ ਦੀ ਇੱਕ ਉਦਾਹਰਨ ਹੈ: ``ਅਜਗਰ langchain ਆਯਾਤ ਲੈਂਗਚੈਨ ਆਯਾਤ ਐਲਐਲਐਮ ਤੋਂ

LLM ਨੂੰ ਪਰਿਭਾਸ਼ਿਤ ਕਰੋ

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

ਏਜੰਟ ਏਆਈ ਸਿਸਟਮ ਨੂੰ ਪਰਿਭਾਸ਼ਤ ਕਰੋ

ai_system = langchain.AgenticAI()

ਵਰਕਫਲੋ ਨੂੰ ਪਰਿਭਾਸ਼ਿਤ ਕਰੋ

workflow = langchain.Workflow( ਕਦਮ=[ langchain.Step( name="ਕੋਡ ਵਿਸ਼ਲੇਸ਼ਣ", func=llm.analyze_code, inputs={"code": "def hello_world(): print('Hello World')"}, ), langchain.Step( name="ਕੋਡ ਸਮੀਖਿਆ", func=ai_system.review_code, inputs={"code": "def hello_world(): print('Hello World')"}, ), langchain.Step( name="ਕੋਡ ਡਿਪਲਾਇਮੈਂਟ", func=langchain.deploy_code, inputs={"code": "def hello_world(): print('Hello World')"}, ), ] )

ਵਰਕਫਲੋ ਚਲਾਓ

workflow.execute() `` ਇਹ ਕੋਡ ਇੱਕ ਵਰਕਫਲੋ ਨੂੰ ਪਰਿਭਾਸ਼ਿਤ ਕਰਦਾ ਹੈ ਜਿਸ ਵਿੱਚ ਤਿੰਨ ਪੜਾਅ ਸ਼ਾਮਲ ਹੁੰਦੇ ਹਨ: ਕੋਡ ਵਿਸ਼ਲੇਸ਼ਣ, ਕੋਡ ਸਮੀਖਿਆ, ਅਤੇ ਕੋਡ ਤੈਨਾਤੀ। ਵਰਕਫਲੋ ਕੋਡ ਦਾ ਵਿਸ਼ਲੇਸ਼ਣ ਕਰਨ ਲਈ ਇੱਕ LLM, ਕੋਡ ਦੀ ਸਮੀਖਿਆ ਕਰਨ ਲਈ ਇੱਕ ਏਜੰਟਿਕ AI ਸਿਸਟਮ, ਅਤੇ ਇੱਕ ਉਤਪਾਦਨ ਵਾਤਾਵਰਣ ਵਿੱਚ ਕੋਡ ਨੂੰ ਤੈਨਾਤ ਕਰਨ ਲਈ ਇੱਕ ਡਿਪਲਾਇਮੈਂਟ ਟੂਲ ਦੀ ਵਰਤੋਂ ਕਰਦਾ ਹੈ।

ਸਿਖਰ ਦੇ 5-10 ਸਭ ਤੋਂ ਵੱਧ ਵਰਤੀਆਂ ਜਾਣ ਵਾਲੀਆਂ ਕਮਾਂਡਾਂ/ਸਨਿੱਪਟ

ਇੱਥੇ LangChain ਅਤੇ DSPy ਲਈ ਸਭ ਤੋਂ ਵੱਧ ਵਰਤੀਆਂ ਜਾਣ ਵਾਲੀਆਂ 5-10 ਕਮਾਂਡਾਂ/ਸਨਿਪਟ ਹਨ:

1. langchain.Workflow(steps=[...]): ਕਈ ਪੜਾਵਾਂ ਦੇ ਨਾਲ ਇੱਕ ਵਰਕਫਲੋ ਨੂੰ ਪਰਿਭਾਸ਼ਿਤ ਕਰੋ।
2. langchain.Step(name="...", func=..., inputs={...}): ਇੱਕ ਵਰਕਫਲੋ ਵਿੱਚ ਇੱਕ ਸਿੰਗਲ ਪੜਾਅ ਨੂੰ ਪਰਿਭਾਸ਼ਿਤ ਕਰੋ।
3. llm.analyze_code(inputs={"code": ...}): ਕੋਡ ਦਾ ਵਿਸ਼ਲੇਸ਼ਣ ਕਰਨ ਲਈ ਇੱਕ LLM ਦੀ ਵਰਤੋਂ ਕਰੋ।
4. ai_system.review_code(inputs={"code": ...}): ਕੋਡ ਦੀ ਸਮੀਖਿਆ ਕਰਨ ਲਈ ਇੱਕ ਏਜੰਟਿਕ AI ਸਿਸਟਮ ਦੀ ਵਰਤੋਂ ਕਰੋ।
5. langchain.deploy_code(inputs={"code": ...}): ਇੱਕ ਉਤਪਾਦਨ ਵਾਤਾਵਰਣ ਵਿੱਚ ਕੋਡ ਤੈਨਾਤ ਕਰੋ।
6. langchain.AgenticAI(): ਇੱਕ ਏਜੰਟਿਕ AI ਸਿਸਟਮ ਦੀ ਇੱਕ ਉਦਾਹਰਣ ਬਣਾਓ।
7. langchain.LLM(): ਇੱਕ LLM ਦੀ ਇੱਕ ਉਦਾਹਰਣ ਬਣਾਓ।
8. langchain.deploy_code(): ਇੱਕ ਉਤਪਾਦਨ ਵਾਤਾਵਰਣ ਵਿੱਚ ਕੋਡ ਤੈਨਾਤ ਕਰੋ।
9. langchain.execute_workflow(): ਇੱਕ ਵਰਕਫਲੋ ਚਲਾਓ।
10. langchain.get_workflow_status(): ਇੱਕ ਵਰਕਫਲੋ ਦੀ ਸਥਿਤੀ ਪ੍ਰਾਪਤ ਕਰੋ।

ਵਿਜ਼ੂਅਲਾਈਜ਼ੇਸ਼ਨ

ਇੱਥੇ Chart.js ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਇੱਕ ਵਰਕਫਲੋ ਦੀ ਕਲਪਨਾ ਕਰਨ ਦੀ ਇੱਕ ਉਦਾਹਰਨ ਹੈ: ਜੇਸਨ { "type": "ਪੱਟੀ", "ਡਾਟਾ": { "labels": ["ਕੋਡ ਵਿਸ਼ਲੇਸ਼ਣ", "ਕੋਡ ਸਮੀਖਿਆ", "ਕੋਡ ਡਿਪਲਾਇਮੈਂਟ"], "datasets": [ { "label": "ਵਰਕਫਲੋ ਸਟੈਪਸ", "ਡਾਟਾ": [10, 20, 30], "ਬੈਕਗ੍ਰਾਉਂਡ ਰੰਗ": [ "rgba(255, 99, 132, 0.2)", "rgba(54, 162, 235, 0.2)", "rgba(255, 206, 86, 0.2)" ], "ਬਾਰਡਰ ਕਲਰ": [ "rgba(255, 99, 132, 1)", "rgba(54, 162, 235, 1)", "rgba(255, 206, 86, 1)" ], "ਬਾਰਡਰ ਚੌੜਾਈ": 1 } ] }, "ਵਿਕਲਪ": {} } ਇਹ ਕੋਡ ਤਿੰਨ ਲੇਬਲਾਂ ਦੇ ਨਾਲ ਇੱਕ ਬਾਰ ਚਾਰਟ ਨੂੰ ਪਰਿਭਾਸ਼ਿਤ ਕਰਦਾ ਹੈ: ਕੋਡ ਵਿਸ਼ਲੇਸ਼ਣ, ਕੋਡ ਸਮੀਖਿਆ, ਅਤੇ ਕੋਡ ਡਿਪਲਾਇਮੈਂਟ। ਚਾਰਟ ਵਰਕਫਲੋ ਦੇ ਹਰੇਕ ਪੜਾਅ ਵਿੱਚ ਕਦਮਾਂ ਦੀ ਸੰਖਿਆ ਦਿਖਾਉਂਦਾ ਹੈ।

ਸਿੱਟਾ

Agentic AI, LLM, ਅਤੇ LangChain ਅਤੇ DSPy ਵਰਗੇ ਆਰਕੈਸਟ੍ਰੇਸ਼ਨ ਟੂਲਸ ਵਿੱਚ ਸਾਫਟਵੇਅਰ ਆਰਕੀਟੈਕਚਰ ਅਤੇ DevOps ਆਟੋਮੇਸ਼ਨ ਤੱਕ ਪਹੁੰਚਣ ਦੇ ਤਰੀਕੇ ਵਿੱਚ ਕ੍ਰਾਂਤੀ ਲਿਆਉਣ ਦੀ ਸਮਰੱਥਾ ਹੈ। ਕੋਡ ਸਮੀਖਿਆ, ਟੈਸਟਿੰਗ, ਅਤੇ ਤੈਨਾਤੀ ਵਰਗੇ ਕੰਮਾਂ ਨੂੰ ਸਵੈਚਾਲਤ ਕਰਕੇ, ਅਸੀਂ ਆਪਣੀਆਂ ਵਿਕਾਸ ਪ੍ਰਕਿਰਿਆਵਾਂ ਦੀ ਕੁਸ਼ਲਤਾ ਅਤੇ ਪ੍ਰਭਾਵ ਨੂੰ ਬਿਹਤਰ ਬਣਾ ਸਕਦੇ ਹਾਂ। ਇਸ ਲੇਖ ਵਿੱਚ, ਅਸੀਂ ਇਹਨਾਂ ਤਕਨਾਲੋਜੀਆਂ ਦੇ ਏਕੀਕਰਣ ਦੀ ਪੜਚੋਲ ਕੀਤੀ ਹੈ ਅਤੇ ਇੱਕ ਸਾੱਫਟਵੇਅਰ ਆਰਕੀਟੈਕਚਰ ਅਤੇ DevOps ਪ੍ਰਕਿਰਿਆ ਨੂੰ ਸਵੈਚਲਿਤ ਕਰਨ ਲਈ ਇਹਨਾਂ ਦੀ ਵਰਤੋਂ ਕਿਵੇਂ ਕਰਨੀ ਹੈ ਦੀ ਇੱਕ ਸਧਾਰਨ ਉਦਾਹਰਣ ਪ੍ਰਦਾਨ ਕੀਤੀ ਹੈ।