Gabatarwa
Ƙaƙƙarfan ƙaƙƙarfan tsarin software na zamani ya haifar da karuwa a cikin mita da tsanani na al'amura, yin bincike mai zurfi da ƙuduri wani muhimmin al'amari na DevOps. Hankali na wucin gadi (AI) da koyan injin (ML) sun fito azaman kayan aiki masu ƙarfi don haɓaka bututun DevOps, yana ba da damar sarrafa AI da ƙira don ganowa da warware abubuwan da suka faru kafin su tasiri kasuwancin. A cikin wannan labarin, za mu bincika yadda ake aiwatar da bututun DevOps masu amfani da AI ta amfani da DSPy da LangChain, tare da mai da hankali kan binciken da ya faru da sauri da ƙuduri ta amfani da samfuran AIOps da RAG, da haɗawa tare da AWS DevOps Agent don binciken da ya faru ta atomatik.
Bayanin DSPy da LangChain
DSPy ɗakin karatu ne na Python wanda ke ba da hanya mai sauƙi da inganci don ginawa da tura bututun DevOps masu ƙarfin AI. Yana ba masu haɓakawa damar haɗa nau'ikan AI da ML daban-daban, gami da sarrafa harshe na halitta (NLP), hangen nesa na kwamfuta, da ƙididdigar tsinkaya, cikin bututun su na DevOps. LangChain, a gefe guda, ɗakin karatu ne na Python wanda ke ba masu haɓakawa damar ginawa da tura manyan samfuran AI ta amfani da tsarin gine-gine na zamani da ƙima.
Aiwatar da bututun DevOps masu ƙarfin AI tare da DSPy da LangChain
Don aiwatar da bututun DevOps masu ƙarfin AI tare da DSPy da LangChain, muna buƙatar bin waɗannan matakan:
- **Tarin Bayanai ***: Tattara bayanai masu dacewa daga tushe daban-daban, kamar rajistan ayyukan, ma'auni, da fayilolin daidaitawa.
- **Tsarin bayanan bayanai ***: Shirya bayanan da aka tattara don shirya su don bincike da ƙirar ƙira.
- ** Horon Samfurin ***: Horar da AI da samfuran ML ta amfani da bayanan da aka riga aka tsara don ganowa da hasashen abubuwan da suka faru.
- ** Ƙirƙirar Samfuran ***: Sanya samfuran horarwa a cikin bututun DevOps ta amfani da DSPy da LangChain.
- Binciken Bala'i: Yi amfani da samfuran da aka tura don bincika abubuwan da suka faru da gano tushen tushen.
- **Shawarar Haƙiƙa ***: Yi amfani da bayanan da aka samu daga binciken abin da ya faru don warware abubuwan da suka faru a hankali.
Misalin Code: Aiwatar da Sauƙaƙe Samfurin RAG tare da DSPy da LangChain
Ga misali mai sauƙi na lamba wanda ke nuna yadda ake aiwatar da samfurin RAG (Tsarin Tushen Tushen) ta amfani da DSPy da LangChain: `` Python shigo da dspy daga langchain shigo da LLMChain
Load da bayanan da aka riga aka sarrafa
data = pd.read_csv("data.csv")
Ƙayyade samfurin RAG
rag_model = dspy.RAGModel( input_features=["log_level", "error_message"], fitarwa_features = ["tushen_cause"] )
Horar da samfurin RAG
rag_model.train (bayanai)
Sanya samfurin RAG
llm_chain = LLMChain ( model="davinci:002", max_length=2048 ) rag_model.deploy(lm_chain)
Yi amfani da ƙirar RAG da aka tura don bincika abubuwan da suka faru
Event_data = pd.DataFrame ({ "log_level": ["KUSKURE"], "error_message": ["Wani abu yayi kuskure"] }) tushen_cause = rag_model.predict(bayanai) buga (tushen_dalilin)
Wannan misalin lambar yana nuna yadda ake aiwatar da samfurin RAG mai sauƙi ta amfani da DSPy da LangChain. Samfurin RAG yana ɗaukar matakin log da saƙon kuskure azaman fasalin shigarwa kuma yana tsinkaya tushen abin da ya faru.
## Manyan Dokoki 5-10 da Akafi Amfani da su/Snippets
Anan akwai manyan 5-10 da aka fi amfani da umarni/snippets don DSPy da LangChain:
1. `dspy.RAGModel(input_features, output_features)`: Ƙayyade samfurin RAG tare da ƙayyadaddun abubuwan shigarwa da fitarwa.
2. `dspy.RAGModel.train(data)`: Horar da samfurin RAG ta amfani da bayanan da aka bayar.
3. `dspy.RAGModel.deploy(llm_chain)`: Aiki da ƙwararren ƙirar RAG ta amfani da LangChain LLMChain.
4. `llm_chain = LLMChain (samfurin, max_length)`: Ƙirƙiri LangChain LLMChain tare da ƙayyadadden ƙira da tsayin max.
5. `rag_model.predict(data)`: Yi amfani da ƙirar RAG da aka tura don hasashen tushen abin da ya faru.
6. `dspy.DataPreprocessor(input_data)`: Ƙayyade bututun sarrafa bayanai ta amfani da DSPy.
7. `dspy.ModelTrainer(model, data): Horar da wani AI ko ML model ta amfani da DSPy.
8. `dspy.ModelDeployer(samfurin, llm_chain)`: Sanya samfurin horarwa ta amfani da DSPy da LangChain.
9. `langchain.LLMChain.predict(input_data)`: Yi amfani da LangChain LLMChain don hango hasashen fitowar samfur.
10. `dspy.RAGModel.evaluate(bayanai)`: Ƙimar aikin samfurin RAG ta amfani da DSPy.
## Kallon gani
Ga misalin hangen nesa ta amfani da Chart.js:
Json
{
"type": "bar",
"data": {
"labels": ["Nau'in Nau'in A", "Nau'in B", "Nau'in Nau'in C"],
"datasets": [
{
"label": "Tsarin Dalili A",
"bayanai": [10, 15, 7],
"backgroundColor": "rgba(255, 99, 132, 0.2)",
"BorderColor": "rgba(255, 99, 132, 1)",
"BorderWidth": 1
},
{
"label": "Tsarin Dalili na B",
"bayanai": [8, 12, 9],
"backgroundColor": "rgba(54, 162, 235, 0.2)",
"BorderColor": "rgba(54, 162, 235, 1)",
"BorderWidth": 1
},
{
"label": "Tsarin Dalili C",
"bayanai": [14, 18, 11],
"backgroundColor": "rgba(255, 206, 86, 0.2)",
"BorderColor": "rgba(255, 206, 86, 1)",
"BorderWidth": 1
}
]
},
"zaɓi": {
"take": {
"nuna": gaskiya,
"text": "Binciken Dalilin Tushen"
},
"ma'auni": {
"yAxes": [
{
"zama": {
"beginAtZero": gaskiya
}
}
]
}
}
}
Wannan hangen nesa yana nuna rarraba tushen abubuwan da ke haifar da nau'ikan abubuwan da suka faru.
Kammalawa
A cikin wannan labarin, mun bincika yadda ake aiwatar da bututun DevOps masu amfani da AI ta amfani da DSPy da LangChain, tare da mai da hankali kan binciken da ya faru da sauri da ƙuduri ta amfani da samfuran AIOps da RAG, da kuma haɗawa tare da AWS DevOps Agent don binciken da ya faru ta atomatik. Mun nuna misali mai sauƙi mai sauƙi wanda ke aiwatar da samfurin RAG ta amfani da DSPy da LangChain, kuma ya ba da jerin manyan 5-10 mafi yawan amfani da umarni / snippets don DSPy da LangChain. Mun kuma haɗa misali na gani ta amfani da Chart.js. Ta bin matakan da aka zayyana a cikin wannan labarin, masu haɓakawa za su iya ginawa da tura bututun DevOps masu ƙarfin AI waɗanda ke ganowa da warware abubuwan da suka faru a hankali, haɓaka ingantaccen aiki da amincin tsarin software ɗin su.