Ṣiṣẹda Aifọwọyi DevOps Agbara AI-agbara pẹlu DSPy ati LangChain | B4N1

Ṣiṣẹda Aifọwọyi DevOps Agbara AI-agbara pẹlu DSPy ati LangChain

5 months ago · b4n1 Read time: 5 min

===========================================

Ifihan

Ilẹ-ilẹ idagbasoke sọfitiwia ti n dagba ni iyara, pẹlu isọdọmọ ti o pọ si ti oye Artificial (AI) ati Ẹkọ Ẹrọ (ML) ni adaṣe DevOps. Aifọwọyi ti o ni agbara AI le ṣe iranlọwọ lati mu awọn ṣiṣan iṣẹ ṣiṣe eka ṣiṣẹ, mu ilọsiwaju ṣiṣẹ, ati dinku iṣeeṣe aṣiṣe eniyan. Ninu àpilẹkọ yii, a yoo ṣawari bi o ṣe le mu DSPy ati LangChain ṣiṣẹ lati ṣe awọn aṣoju ti o ni agbara AI fun ipilẹ-itupalẹ root ati iṣapeye ṣiṣe ni awọn pipelines idagbasoke software.

Kini DSPy?

DSPy jẹ ile-ikawe Python ti o fun laaye awọn olupilẹṣẹ lati kọ ati ran awọn iṣan-iṣẹ adaṣe adaṣe agbara AI ṣiṣẹ. O pese ilana iwọn ati irọrun fun iṣọpọ ọpọlọpọ awọn awoṣe AI ati ML, ṣiṣe ni yiyan pipe fun adaṣe DevOps.

Kini LangChain?

LangChain jẹ ile-ikawe Python ti o fun laaye awọn idagbasoke lati kọ ati ran awọn aṣoju AI ibaraẹnisọrọ ṣiṣẹ. O pese API ti o rọrun ati ogbon inu fun ṣiṣẹda awọn aṣoju ti o le loye ati dahun si awọn igbewọle ede adayeba.

Ṣiṣe awọn Aṣoju AI fun Itupalẹ Idi Gbongbo

Itupalẹ idi gbongbo jẹ paati pataki ti adaṣe DevOps, bi o ṣe ṣe iranlọwọ ṣe idanimọ awọn okunfa okunfa ti awọn ọran ati ṣe idiwọ wọn lati ṣẹlẹ ni ọjọ iwaju. Lati ṣe imuse onínọmbà idi root ti AI, a le lo DSPy lati ṣẹda iṣan-iṣẹ ti o ṣepọ pẹlu LangChain.

Eyi ni awotẹlẹ ipele-giga ti iṣan-iṣẹ:

  1. ** Gbigba data ***: Gba data ti o yẹ lati awọn orisun oriṣiriṣi, gẹgẹbi awọn akọọlẹ, awọn metiriki, ati awọn faili iṣeto.
  2. ** Iṣagbekalẹ data ***: Ṣe ilana data ti a gba lati murasilẹ fun itupalẹ.
  3. ** Ikẹkọ Awoṣe ***: Kọ awoṣe ML kan lori data ti a ti ṣe tẹlẹ lati ṣe idanimọ awọn ilana ati awọn ibatan.
  4. ** Awoṣe imuṣiṣẹ ***: Ran awọn oṣiṣẹ awoṣe ni a DSPy bisesenlo.
  5. ** Isopọpọ Aṣoju ***: Ṣepọ iṣan-iṣẹ DSPy pẹlu aṣoju LangChain lati jẹ ki ibaraẹnisọrọ ede adayeba ṣiṣẹ.

Code Apeere: Gbongbo Fa Analysis Workflow

`` Python gbe wọle dspy bi dsp lati Aṣoju agbewọle langchain

Ṣetumo iṣan-iṣẹ DSPy

iṣan-iṣẹ = dsp.Iṣẹ iṣẹ ( orukọ = "root_cause_analysis", awọn iṣẹ-ṣiṣe=[ dsp.Task ("data_collection", "Gba data lati awọn akọọlẹ ati awọn metiriki"), dsp.Task ("data_preprocessing", "Data ilana iṣaaju fun itupalẹ"), dsp.Task ("awoṣe_ikẹkọ", "Kọrin awoṣe ML lori data ti a ti ṣe tẹlẹ"), dsp.Task ("model_deployment", "Fi awoṣe ikẹkọ ṣiṣẹ ni iṣan-iṣẹ DSPy"), ], )

Ṣetumo aṣoju LangChain

aṣoju = Aṣoju ( orukọ = "root_cause_agent", awoṣe = "distilbert-base-uncased", kiakia="Kini idi gbòǹgbò ọrọ naa?", )

Ṣepọ iṣan-iṣẹ DSPy pẹlu aṣoju LangChain

workflow.add_agent(aṣoju)

Ṣiṣe iṣẹ ṣiṣe

workflow.run ()


## Ṣiṣe Awọn Aṣoju AI fun Imudara Imudara

Imudara imudara jẹ paati pataki miiran ti adaṣe DevOps, bi o ṣe ṣe iranlọwọ ilọsiwaju iyara ati iṣelọpọ ti awọn opo gigun ti idagbasoke sọfitiwia. Lati ṣe imudara imudara ṣiṣe ti AI-agbara, a le lo DSPy lati ṣẹda iṣan-iṣẹ ti o ṣepọ pẹlu LangChain.

Eyi ni awotẹlẹ ipele-giga ti iṣan-iṣẹ:

1. ** Gbigba data ***: Gba data ti o yẹ lati awọn orisun oriṣiriṣi, gẹgẹbi awọn akọọlẹ, awọn metiriki, ati awọn faili iṣeto.
2. ** Iṣagbekalẹ data ***: Ṣe ilana data ti a gba lati murasilẹ fun itupalẹ.
3. ** Ikẹkọ Awoṣe ***: Kọ awoṣe ML kan lori data ti a ti ṣe tẹlẹ lati ṣe idanimọ awọn ilana ati awọn ibatan.
4. ** Awoṣe imuṣiṣẹ ***: Ran awọn oṣiṣẹ awoṣe ni a DSPy bisesenlo.
5. ** Isopọpọ Aṣoju ***: Ṣepọ iṣan-iṣẹ DSPy pẹlu aṣoju LangChain lati jẹ ki ibaraẹnisọrọ ede adayeba ṣiṣẹ.

### Apeere koodu: Iṣapejuwe Iṣe-ṣiṣe Iṣẹ-ṣiṣe

`` Python
gbe wọle dspy bi dsp
lati Aṣoju agbewọle langchain

# Ṣetumo iṣan-iṣẹ DSPy
iṣan-iṣẹ = dsp.Ṣiṣẹ iṣẹ (
    oruko = "eficiency_optimization",
    awọn iṣẹ-ṣiṣe=[
        dsp.Task ("data_collection", "Gba data lati awọn akọọlẹ ati awọn metiriki"),
        dsp.Task ("data_preprocessing", "Data ilana iṣaaju fun itupalẹ"),
        dsp.Task ("awoṣe_ikẹkọ", "Kọrin awoṣe ML lori data ti a ti ṣe tẹlẹ"),
        dsp.Task ("model_deployment", "Fi awoṣe ikẹkọ ṣiṣẹ ni iṣan-iṣẹ DSPy"),
    ],
)

# Ṣetumo aṣoju LangChain
aṣoju = Aṣoju (
    orukọ = "efficiency_agent",
    awoṣe = "distilbert-base-uncased",
    kiakia = "Bawo ni MO ṣe le mu opo gigun ti epo pọ si fun ṣiṣe to dara julọ?",
)

# Ṣepọ iṣan-iṣẹ DSPy pẹlu aṣoju LangChain
workflow.add_agent(aṣoju)

# Ṣiṣe iṣẹ ṣiṣe
workflow.run ()

Top 5-10 Awọn aṣẹ ti a lo julọ / awọn snippets

Eyi ni diẹ ninu awọn aṣẹ ti o wọpọ julọ ti a lo ati awọn snippets fun DSPy ati LangChain:

DSPy

  1. `dsp.Workflow (orukọ = "my_workflow", awọn iṣẹ-ṣiṣe = [...])": Ṣẹda titun DSPy bisesenlo.
  2. dsp.Task (orukọ = "my_task", apejuwe = "Mi-ṣiṣe"): Ṣẹda titun kan iṣẹ-ṣiṣe ni a DSPy bisesenlo.
  3. workflow.add_agent(oluranlowo): Fi kan LangChain oluranlowo to a DSPy bisesenlo.
  4. workflow.run (): Ṣiṣe a DSPy bisesenlo.
  5. dsp.get_task_output (ṣiṣe): Gba awọn o wu ti iṣẹ-ṣiṣe ni a DSPy bisesenlo.

LangChain

  1. `Aṣoju (orukọ = "my_agent", awoṣe = "distilbert-base-uncased", kiakia = "Mi tọ")': Ṣẹda aṣoju LangChain tuntun kan.
  2. agent.respond(kiakia = "Mi kiakia"): Gba esi lati ọdọ aṣoju LangChain kan.
  3. `agent.add_context (o tọ = "Mi ọrọ-ọrọ")': Ṣafikun ọrọ-ọrọ si aṣoju LangChain kan.
  4. `agent.remove_context(o tọ = "Mi ọrọ-ọrọ")': Yọ ọrọ-ọrọ kuro lati aṣoju LangChain kan.
  5. agent.get_model (): Gba awoṣe ML ti o wa labẹ aṣoju LangChain kan.

Wiwo

Eyi ni iwoye ti DSPy ati ṣiṣan iṣẹ LangChain nipa lilo Chart.js:

`` json { "type": "ọgọ", "data": { "labels": ["Itupalẹ Idi Gbongbo", "Imudara Imudara"], "awọn ipilẹ data": [ { "label": "DSPy Ṣiṣan Iṣẹ", "data": [10, 20], "backgroundColor": ["#4CAF50", "#FF9800"] }, { "label": "Aṣojú LangChain", "data": [5, 15], "awọ abẹlẹ": ["#2196F3", "#009688"] } ] }, "awọn aṣayan": { "akọle": { "ifihan": otitọ, "ọrọ": "DSPy ati LangChain Workflow" }, "iwọn": { "yAxes": [ { "awọn ami": { "beginAtZero": otitọ } } ] } } }


Iwoye yii fihan nọmba awọn iṣẹ-ṣiṣe ni iṣan-iṣẹ DSPy kọọkan ati nọmba awọn idahun lati ọdọ aṣoju LangChain kọọkan.

## Ipari

Ninu àpilẹkọ yii, a ṣawari bi o ṣe le mu DSPy ati LangChain ṣiṣẹ lati ṣe awọn aṣoju ti o ni agbara AI fun iṣeduro idii root ati imudara ṣiṣe ni awọn pipelines idagbasoke software. A pese awọn apẹẹrẹ koodu ati awọn iwoye lati ṣe afihan awọn imọran, ati pe a ṣe afihan diẹ ninu awọn aṣẹ ti o wọpọ julọ ati awọn snippets fun DSPy ati LangChain. Nipa titẹle itọsọna yii, awọn olupilẹṣẹ le ṣẹda awọn iṣan-iṣẹ adaṣe adaṣe ti ara wọn AI nipa lilo DSPy ati LangChain.

Have Questions?

Let's Talk

Contact me on LinkedIn