LangChain һәм DSPy белән детерминистик тест автоматизациясендә Агент ЯИ кертү

Кереш

Программа системаларының арту катлаулылыгы тест автоматизациясен программа тәэминатының мөһим аспектына әйләндерде. Традицион тестны автоматлаштыру нигезләре скриптлы алымнарга таяна, алар ватык һәм саклау авыр булырга мөмкин. Соңгы елларда Agentic AI һәм оркестр коралларының барлыкка килүе катлаулы сынау сценарийларын автоматлаштыру өчен яңа мөмкинлекләр ача. Бу мәкаләдә без LangChain һәм DSPy ярдәмендә катлаулы сынау сценарийларын автоматлаштыру өчен Агент ЯИ, Оркестр Кораллары һәм Программа Инженериясе киселешен тикшерәчәкбез.

Агентик ЯИ нәрсә ул?

Агент ЯИ ясалма интеллектның бер төрен аңлата, ул кулланучы яки система исеменнән чаралар күрү өчен эшләнгән. Агентик ЯИ системалары карарлар кабул итәргә, тәҗрибәдән өйрәнергә һәм яңа ситуацияләргә яраклашырга сәләтле. Тестны автоматлаштыру контекстында, Agentic AI катлаулы тест сценарийларын автоматлаштыру өчен, кулланучының үзара бәйләнешен симуляцияләү, тест мәгълүматларына нигезләнеп карарлар кабул итү һәм тест шартларының үзгәрүенә яраклашу өчен кулланылырга мөмкин.

LangChain нәрсә ул?

LangChain - ачык чыганаклы оркестр коралы, уйлап табучыларга Python, Rust, Go кебек төрле программалаштыру телләрен кулланып катлаулы AI системаларын төзергә мөмкинлек бирә. LangChain сыгылучан һәм модульле архитектура белән тәэмин итә, бу эшләүчеләргә табигый тел эшкәртү (NLP) һәм компьютер күренеше кебек төрле ЯИ компонентларын интеграцияләргә мөмкинлек бирә, катлаулы AI системаларын төзергә.

DSPy нәрсә ул?

DSPy - Python китапханәсе, AI системаларын төзү һәм урнаштыру өчен кораллар җыелмасы белән тәэмин итә. DSPy LangChain белән бертуктаусыз эшләнгән һәм мәгълүмат эшкәртү, машина өйрәнү, тирәнтен өйрәнү кебек берничә үзенчәлек бирә.

Детерминистик тестны автоматлаштыруда агент ЯИ кертү

Агентик ЯИны детерминистик тест автоматизациясендә куллану өчен, без LangChain һәм DSPy куллана алабыз, кулланучының үзара бәйләнешен симуляцияли торган, тест мәгълүматларына нигезләнеп карар кабул итә һәм үзгәрү шартларына яраклашкан тест автоматизация базасын төзи алабыз.

Тест сценарийын автоматлаштыру өчен без LangChain һәм DSPy-ны ничек куллана алуыбызның гади мисалы: "питон импорт лангчейн langchain.chains LLMChain импортыннан langchain.llms дан DSPyLLM импортлый

test_scenario = { "user_input": "логин", "expected_output": "логин уңышлы" }

Agentic AI агентын билгеләгез

агент = LLMChain ( llm = DSPyLLM (), input_type = "текст", output_type = "текст" )

Тестны автоматлаштыру функциясен билгеләгез

def test_automation (test_scenario): # Кулланучының үзара бәйләнешен охшату user_input = test_scenario ["user_input"] # Тест мәгълүматларына нигезләнеп карар кабул итегез карар = агент.рун (кулланучы_инпут) # Тест шартларын үзгәртүгә яраклашу әгәр карар == "логин уңышлы": бастыру ("Тест үтте") бүтән: бастыру ("Тест уңышсыз")

Тестны автоматлаштыру функциясен эшләгез

test_automation (test_scenario) " Бу мисалда без сынау сценарийын билгелибез, ул кулланучының үзара бәйләнешен симуляцияләү, тест мәгълүматларына нигезләнеп карар кабул итү һәм тест шартларының үзгәрүенә яраклашуны үз эченә ала. Аннары без LangChain һәм DSPy ярдәмендә Agentic AI агентын билгелибез, һәм аны сынау сценарийын автоматлаштыру өчен кулланабыз.

Иң күп кулланылган командалар / фрагментлар

LangChain һәм DSPy өчен иң күп кулланылган 5-10 командалар / фрагментлар:

1. "Langchain.LLMChain (llm = DSPyLLM ())": LangChain һәм DSPy ярдәмендә Agentic AI агентын ясый.
2. "DSPyLLM ()": DSPy LLM (Зур тел моделе) инстанциясен башлый.
4. "Agent.run (user_input)": Agentic AI агентын кулланучы кертүе белән эшли. 5 ..
5. "Langchain.chains.LLMChain (llm = DSPyLLM ())": LangChain һәм DSPy ярдәмендә Agentic AI агентын ясый.
6. "DSPyLLM (). Фаразлагыз (user_input)": DSPy LLM чыгарылышын кулланучы кертүе белән фаразлый.
8. "Test_automation (test_scenario)": Тест сценариясе белән тестны автоматлаштыру функциясен эшли.
9. "Langchain.chains.LLMChain (llm = DSPyLLM ()). Эшләү (user_input)": Agentic AI агентын кулланучы кертүе белән эшли.

Визуализация

Менә Chart.js ярдәмендә Agentic AI агентын визуализацияләү: "json { "тип": "бар", "мәгълүмат": { "этикеткалар": ["Кулланучы кертү", "Карар", "Адаптация"], "мәгълүматлар базасы": [ { "ярлык": "Агент агент", "мәгълүмат": [10, 20, 30], "backgroundColor": "rgba (255, 99, 132, 0,2)", "borderColor": "rgba (255, 99, 132, 1)", "чик киңлеге": 1 } ] }, "вариантлар": { "титул": { "күрсәтү": дөрес, "текст": "Агент ЯИ Агенты" }, "тараза": { "yAxes": [ { "таллар": { "startAtZero": дөрес } } ] } } } " Бу визуализация Agentic AI агентының кулланучының үзара бәйләнешен симуляцияләүдә, тест мәгълүматларына нигезләнеп карар кабул итүдә һәм үзгәрү шартларына яраклашуда күрсәтә.

Йомгаклау

Бу мәкаләдә без LangChain һәм DSPy ярдәмендә катлаулы сынау сценарийларын автоматлаштыру өчен Агент ЯИ, Оркестр Кораллары һәм Программа Инженериясе киселешен өйрәндек. Без детерминистик тест автоматизациясендә Agentic AI-ның гади мисалын тормышка ашырдык һәм LangChain һәм DSPy өчен берничә боерык / фрагмент тәкъдим иттек. Без шулай ук ​​Chart.js ярдәмендә Agentic AI агентының эшләвен күз алдына китердек. Агент ЯИ һәм Оркестр Коралларын кулланып, уйлап табучылар катлаулы тест автоматлаштыру базаларын төзи алалар, алар үзара бәйләнешне охшаталар, тест мәгълүматларына нигезләнеп карарлар кабул итәләр, һәм тест шартларының үзгәрүенә яраклашалар.