LangChain භාවිතයෙන් අභිරුචි නියෝජිතයෙකු සාදන්න

** AI-බලවත් DevOps ස්වයංක්‍රීයකරණය සඳහා LangChain සහ DSPy සමඟ නියෝජිත තත්ත්ව ප්‍රශස්තකරණය ක්‍රියාත්මක කිරීම**

හැඳින්වීම

නවීන මෘදුකාංග පද්ධතිවල වැඩිවන සංකීර්ණත්වය කාර්යක්ෂම හා ඵලදායී DevOps ස්වයංක්‍රීයකරණය සඳහා වැඩෙන අවශ්‍යතාවයට හේතු වී ඇත. කෘත්‍රිම බුද්ධිය (AI) සහ යන්ත්‍ර ඉගෙනීම (ML) මගින් පද්ධති ක්‍රියාකාරිත්වය ප්‍රශස්ත කිරීමට සහ ගුණාත්මකභාවය වැඩි දියුණු කිරීම සඳහා මෙම ඉලක්කය සාක්ෂාත් කර ගැනීම සඳහා පොරොන්දු වූ ප්‍රවේශයක් ලෙස නියෝජිතයන් මත පදනම් වූ පද්ධති මතු වී ඇත. මෙම ලිපියෙන්, අපි AgentCore හි නියෝජිත තත්ත්ව ප්‍රශස්තකරණයේ තාක්ෂණික ක්‍රියාත්මක කිරීම, AI බලයෙන් ක්‍රියාත්මක වන DevOps ස්වයංක්‍රීයකරණය සඳහා LangChain සහ DSPy භාවිතා කිරීම ගවේෂණය කරන්නෙමු.

AgentCore: AI-බලවත් DevOps ස්වයංක්‍රීයකරණය සඳහා පදනමක්

AgentCore යනු AI බලයෙන් ක්‍රියාත්මක වන DevOps ස්වයංක්‍රීයකරණ පද්ධති ගොඩනැගීම සඳහා විවෘත මූලාශ්‍ර රාමුවකි. එය මොඩියුලර් ගෘහ නිර්මාණ ශිල්පයක් සපයන අතර එය සංවර්ධකයින්ට අධීක්ෂණය, යෙදවීම සහ පරීක්ෂා කිරීම වැනි විවිධ කාර්යයන් සඳහා අභිරුචි නියෝජිතයන් නිර්මාණය කිරීමට ඉඩ සලසයි. AgentCore හි ප්‍රධාන විශේෂාංගවලට ඇතුළත් වන්නේ:

මොඩියුලර් ගෘහ නිර්මාණ ශිල්පය: AgentCore හි ගෘහ නිර්මාණ ශිල්පය ඉතා මොඩියුලර් ලෙස නිර්මාණය කර ඇති අතර, සංවර්ධකයින්ට අභිරුචි නියෝජිතයන් නිර්මාණය කිරීමට සහ ඒවා මූලික රාමුව සමඟ බාධාවකින් තොරව ඒකාබද්ධ කිරීමට ඉඩ සලසයි.
AI-බලවත් තීරණ ගැනීම: පද්ධති ක්‍රියාකාරිත්වය සහ ගුණාත්මකභාවය පිළිබඳ දැනුවත් තීරණ ගැනීමට AgentCore AI සහ ML ඇල්ගොරිතම භාවිතා කරයි.
Real-Time Monitoring: AgentCore තත්‍ය කාලීන අධීක්ෂණ හැකියාවන් සපයයි, සංවර්ධකයින්ට පද්ධති ක්‍රියාකාරිත්වය නිරීක්ෂණය කිරීමට සහ ඒවා ප්‍රධාන ගැටළු බවට පත්වීමට පෙර විභව ගැටළු හඳුනා ගැනීමට හැකි වේ.

LangChain: සංවාදාත්මක AI නියෝජිතයන් ගොඩනැගීම සඳහා රාමුවක්

LangChain යනු සංවාදාත්මක AI නියෝජිතයන් ගොඩනැගීම සඳහා වන පයිතන් රාමුවකි. එය පරිශීලකයන් සමඟ ස්වභාවික භාෂා සංවාදවල යෙදිය හැකි අභිරුචි නියෝජිතයන් නිර්මාණය කිරීම සඳහා මෙවලම් සහ පුස්තකාල මාලාවක් සපයයි. LangChain හි ප්‍රධාන විශේෂාංගවලට ඇතුළත් වන්නේ:

සංවාදාත්මක AI: පරිශීලකයන් සමඟ ස්වභාවික භාෂා සංවාදවල යෙදිය හැකි අභිරුචි සංවාද AI නියෝජිතයන් නිර්මාණය කිරීමට LangChain සංවර්ධකයින්ට හැකියාව ලබා දෙයි.
මොඩියුලර් ගෘහ නිර්මාණ ශිල්පය: LangChain හි ගෘහ නිර්මාණ ශිල්පය නිර්මාණය කර ඇත්තේ ඉතා මොඩියුලර් ලෙස වන අතර, සංවර්ධකයින්ට අභිරුචි නියෝජිතයන් නිර්මාණය කිරීමට සහ ඒවා මූලික රාමුව සමඟ බාධාවකින් තොරව ඒකාබද්ධ කිරීමට ඉඩ සලසයි.
DSPy සමඟ ඒකාබද්ධ වීම: LangChain DSPy සමඟ බාධාවකින් තොරව ඒකාබද්ධ කිරීමක් සපයයි, සංවර්ධකයින්ට ඔවුන්ගේ සංවාදාත්මක AI නියෝජිතයන් තුළ DSPy හි AI සහ ML හැකියාවන් උපයෝගී කර ගැනීමට හැකි වේ.

DSPy: AI සහ ML ආකෘති ගොඩනැගීම සඳහා රාමුවක්

DSPy යනු AI සහ ML ආකෘති තැනීම සඳහා වන පයිතන් රාමුවකි. එය DevOps ස්වයංක්‍රීයකරණය ඇතුළු විවිධ යෙදුම්වල භාවිතා කළ හැකි අභිරුචි ආකෘති නිර්මාණය කිරීම සඳහා මෙවලම් සහ පුස්තකාල මාලාවක් සපයයි. DSPy හි ප්රධාන ලක්ෂණ ඇතුළත් වේ:

*AI සහ ML ආකෘතිකරණය: DSPy මඟින් DevOps ස්වයංක්‍රීයකරණය ඇතුළු විවිධ යෙදුම්වල භාවිත කළ හැකි අභිරුචි AI සහ ML ආකෘති නිර්මාණය කිරීමට සංවර්ධකයන්ට හැකියාව ලබා දේ.

LangChain සමඟ ඒකාබද්ධ වීම: DSPy LangChain සමඟ බාධාවකින් තොරව ඒකාබද්ධ කිරීමක් සපයයි, සංවර්ධකයින්ට ඔවුන්ගේ AI සහ ML මාදිලිවල LangChain හි සංවාදාත්මක AI හැකියාවන් උපයෝගී කර ගැනීමට හැකි වේ.
Real-Time Predictive Analytics: DSPy තත්‍ය කාලීන අනාවැකි විශ්ලේෂණ හැකියාවන් සපයයි, පද්ධති ක්‍රියාකාරිත්වය සහ ගුණාත්මකභාවය පිළිබඳව දැනුවත් තීරණ ගැනීමට සංවර්ධකයින්ට හැකියාව ලබා දෙයි.

LangChain සහ DSPy සමඟ නියෝජිත තත්ත්ව ප්‍රශස්තකරණය ක්‍රියාත්මක කිරීම

LangChain සහ DSPy සමඟ නියෝජිත තත්ත්ව ප්‍රශස්තකරණය ක්‍රියාත්මක කිරීමට, අපි මෙම පියවර අනුගමනය කළ යුතුය:

අභිරුචි නියෝජිතයෙකු සාදන්න: පරිශීලකයන් සමඟ ස්වභාවික භාෂා සංවාදවල යෙදිය හැකි LangChain භාවිතයෙන් අභිරුචි නියෝජිතයෙකු සාදන්න.
DSPy අනුකලනය: DSPy හි AI සහ ML හැකියාවන් උපයෝගී කර ගැනීම සඳහා අභිරුචි නියෝජිතයා සමඟ DSPy ඒකාබද්ධ කරන්න.
ආකෘතිය පුහුණු කරන්න: නියෝජිත ගුණත්වය ප්‍රශස්ත කිරීමට DSPy භාවිතයෙන් AI සහ ML මාදිලිය පුහුණු කරන්න.
නියෝජිතයා යොදවන්න: නියෝජිතයාගේ ගුණාත්මකභාවය ප්‍රශස්ත කිරීම සඳහා පුහුණු ආකෘතිය සමඟ අභිරුචි නියෝජිතයා යොදවන්න.

LangChain භාවිතයෙන් අභිරුචි නියෝජිතයෙකු නිර්මාණය කරන්නේ කෙසේද සහ DSPy ඒකාබද්ධ කරන්නේ කෙසේද යන්න පෙන්නුම් කරන සරල කේත බ්ලොක් එකක් මෙන්න:

langchain ආනයනය කරන්න
langchain ආනයනය LLMCchain වෙතින්
langchain.chains වෙතින් ConversationalChain ආනයනය කරන්න
langchain.embeddings වෙතින් Embeddings ආනයනය කරන්න
langchain.llms වෙතින් LLM ආනයනය කරන්න


නියෝජිතයා = LLMCchain(
    llm=LLM(
        model="text-davinci-003",
        උෂ්ණත්වය = 0.7,
        max_tokens=100,
        min_tokens=10,
    ),
    input_format="text",
    output_format="text",
)

# DSPy ඒකාබද්ධ කරන්න
dsp = DSPy(
    ආකෘතිය="dspb",
    උෂ්ණත්වය = 0.7,
    max_tokens=100,
    min_tokens=10,
)

# DSPy භාවිතයෙන් ආකෘතිය පුහුණු කරන්න
dsp.දුම්රිය(
    නියෝජිතයා,
    දත්ත =[
        {"input": "වත්මන් උෂ්ණත්වය කුමක්ද?", "ප්‍රතිදානය": "වත්මන් උෂ්ණත්වය 25°C වේ."},
        {"input": "වත්මන් ආර්ද්‍රතාවය යනු කුමක්ද?", "ප්‍රතිදානය": "වත්මන් ආර්ද්‍රතාවය 60%."},
    ],
)

# පුහුණු ආකෘතිය සමඟ නියෝජිතයා යොදවන්න
agent.deploy(dsp)

මෘදුකාංග සංවර්ධනය සහ ගෘහ නිර්මාණ ශිල්පය කෙරෙහි බලපෑම

LangChain සහ DSPy සමඟ නියෝජිත තත්ත්ව ප්‍රශස්තිකරණය ක්‍රියාත්මක කිරීම මෘදුකාංග සංවර්ධනය සහ ගෘහ නිර්මාණ ශිල්පය කෙරෙහි බලපෑම් කිහිපයක් ඇත:

වැඩිදියුණු කළ පද්ධති කාර්ය සාධනය: නියෝජිත තත්ත්ව ප්‍රශස්තකරණය මඟින් පද්ධතියේ ක්‍රියාකාරිත්වය ප්‍රශස්ත කිරීමට සහ ගුණාත්මකභාවය වැඩි දියුණු කිරීමට හැකි අභිරුචි නියෝජිතයන් නිර්මාණය කිරීමට සංවර්ධකයින්ට හැකියාව ලැබේ.
වැඩිදියුණු කළ පරිශීලක අත්දැකීම්: සංවාදාත්මක AI නියෝජිතයින්ට පරිශීලකයින්ට වඩාත් පුද්ගලාරෝපිත සහ ආකර්ෂණීය අත්දැකීමක් ලබා දිය හැක.
කාර්යක්ෂමතාව වැඩි වීම: නියෝජිත තත්ත්ව ප්‍රශස්තකරණය මඟින් සංවර්ධකයින්ට පුනරාවර්තන කාර්යයන් ස්වයංක්‍රීය කිරීමට සහ වඩාත් සංකීර්ණ හා නිර්මාණාත්මක කාර්යයන් කෙරෙහි අවධානය යොමු කිරීමට හැකියාව ලැබේ.

ඉහළම 5-10 වැඩිපුරම භාවිතා කරන ලද විධාන/Snippets

LangChain සහ DSPy සඳහා වැඩිපුරම භාවිතා කරන ලද විධාන/snippets 5-10 මෙන්න:

langchain.LLMCchain(): LangChain භාවිතයෙන් අභිරුචි නියෝජිතයෙකු නිර්මාණය කරයි.
langchain.Embeddings(): අභිරුචි නියෝජිතයා තුළ භාවිතය සඳහා කාවැද්දීම් වස්තුවක් නිර්මාණය කරයි.
langchain.LLM(): අභිරුචි නියෝජිතයා තුළ භාවිතය සඳහා භාෂා ආදර්ශ වස්තුවක් නිර්මාණය කරයි.
dsp.DSPy(): අභිරුචි නියෝජිතයා තුළ භාවිතය සඳහා DSPy වස්තුවක් නිර්මාණය කරයි.
dsp.train(): DSPy භාවිතයෙන් AI සහ ML මාදිලිය පුහුණු කරයි.
dsp.deploy(): පුහුණු ආකෘතිය සමඟ අභිරුචි නියෝජිතයා යොදවයි.
langchain.ConversationalChain(): LangChain භාවිතයෙන් සංවාදාත්මක AI නියෝජිතයෙකු නිර්මාණය කරයි.
langchain.chains.ConversationalChain(): LangChain භාවිතයෙන් සංවාදාත්මක AI නියෝජිතයෙකු නිර්මාණය කරයි.
langchain.embeddings.Embeddings(): අභිරුචි නියෝජිතයා තුළ භාවිතය සඳහා කාවැද්දීම් වස්තුවක් නිර්මාණය කරයි.
langchain.llms.LLM(): අභිරුචි නියෝජිතයා තුළ භාවිතය සඳහා භාෂා ආදර්ශ වස්තුවක් නිර්මාණය කරයි.

දෘෂ්‍යකරණය

පද්ධති කාර්ය සාධනය මත නියෝජිත තත්ත්ව ප්‍රශස්තකරණයේ බලපෑම පෙන්නුම් කරන Chart.js භාවිතයෙන් සරල දෘශ්‍යකරණයක් මෙන්න:

''''ජේසන් { "වර්ගය": "බාර්", "දත්ත": { "ලේබල්": ["ප්‍රශස්තකරණයට පෙර", "ප්‍රශස්තකරණයෙන් පසු"], "දත්ත කට්ටල": [ { "label": "පද්ධති කාර්ය සාධනය", "දත්ත": [80, 95], "backgroundColor": "rgba(255, 99, 132, 0.2)", "borderColor": "rgba(255, 99, 132, 1)", "දේශසීමා පළල": 1 } ] }, "විකල්ප": { "මාතෘකාව": { "දර්ශණය": ඇත්ත, "text": "ප්‍රශස්තකරණයට පෙර සහ පසු පද්ධති ක්‍රියාකාරිත්වය" }, "පරිමාණ": { "yAxes": [ { "කිනිතුල්ලන්": { "beginAtZero": ඇත්ත } } ] } } }


මෙම දෘශ්‍යකරණය මඟින් පද්ධති ක්‍රියාකාරිත්වය මත නියෝජිත තත්ත්ව ප්‍රශස්තකරණයේ බලපෑම පෙන්නුම් කරයි, ප්‍රශස්තකරණයෙන් පසු පද්ධති ක්‍රියාකාරිත්වයේ සැලකිය යුතු දියුණුවක් පෙන්නුම් කරයි.

** නිගමනය **

LangChain සහ DSPy සමඟ නියෝජිත තත්ත්ව ප්‍රශස්තිකරණය ක්‍රියාත්මක කිරීම වැඩිදියුණු කළ පද්ධති ක්‍රියාකාරිත්වය, වැඩිදියුණු කළ පරිශීලක අත්දැකීම් සහ වැඩි කාර්යක්ෂමතාව ඇතුළු ප්‍රතිලාභ කිහිපයක් ඇත. LangChain සහ DSPy හි හැකියාවන් උපයෝගී කර ගැනීමෙන්, සංවර්ධකයින්ට පද්ධති කාර්ය සාධනය ප්‍රශස්ත කිරීමට සහ ගුණාත්මකභාවය වැඩි දියුණු කිරීමට හැකි අභිරුචි නියෝජිතයන් නිර්මාණය කළ හැකිය. සපයන ලද කේත අවහිර කිරීම සහ දෘශ්‍යකරණය මඟින් නියෝජිත තත්ත්ව ප්‍රශස්තකරණයේ තාක්ෂණික ක්‍රියාත්මක කිරීම සහ මෘදුකාංග සංවර්ධනය සහ ගෘහ නිර්මාණ ශිල්පය කෙරෙහි එහි බලපෑම පෙන්නුම් කරයි.

LangChain භාවිතයෙන් අභිරුචි නියෝජිතයෙකු සාදන්න

Have Questions?