ಪರಿಚಯ

ಇತ್ತೀಚಿನ ವರ್ಷಗಳಲ್ಲಿ, ಆರ್ಟಿಫಿಶಿಯಲ್ ಇಂಟೆಲಿಜೆನ್ಸ್ (AI) ಮತ್ತು ಮೆಷಿನ್ ಲರ್ನಿಂಗ್ (ML) ತಂತ್ರಜ್ಞಾನಗಳ ಏಕೀಕರಣದೊಂದಿಗೆ DevOps ಭೂದೃಶ್ಯವು ಗಮನಾರ್ಹವಾದ ರೂಪಾಂತರಕ್ಕೆ ಒಳಗಾಯಿತು. AI ಏಜೆಂಟ್‌ಗಳು DevOps ವರ್ಕ್‌ಫ್ಲೋಗಳನ್ನು ವರ್ಧಿಸಲು, ಅಭೂತಪೂರ್ವ ದಕ್ಷತೆಯೊಂದಿಗೆ ಸಂಕೀರ್ಣ ಕಾರ್ಯಗಳನ್ನು ಸ್ವಯಂಚಾಲಿತಗೊಳಿಸಲು ಮತ್ತು ಸಂಘಟಿಸಲು ಪ್ರಬಲ ಸಾಧನವಾಗಿ ಹೊರಹೊಮ್ಮಿದ್ದಾರೆ. ಈ ಲೇಖನದಲ್ಲಿ, ನಾವು DevOps ನಲ್ಲಿ AI ಏಜೆಂಟ್‌ಗಳ ಪ್ರಪಂಚವನ್ನು ಪರಿಶೀಲಿಸುತ್ತೇವೆ, ಅವರ ಪ್ರಾಯೋಗಿಕ ಅನುಷ್ಠಾನ ತಂತ್ರಗಳು ಮತ್ತು ನೈಜ-ಪ್ರಪಂಚದ ಕೇಸ್ ಸ್ಟಡೀಸ್ ಅನ್ನು ಅನ್ವೇಷಿಸುತ್ತೇವೆ.

DevOps ನಲ್ಲಿ AI ಏಜೆಂಟ್‌ಗಳು ಯಾವುವು?

AI ಏಜೆಂಟ್‌ಗಳು ಸಾಫ್ಟ್‌ವೇರ್ ಪ್ರೊಗ್ರಾಮ್‌ಗಳಾಗಿದ್ದು, ಅವುಗಳು ಕಾರ್ಯಗಳನ್ನು ಸ್ವಾಯತ್ತವಾಗಿ ನಿರ್ವಹಿಸಲು ಯಂತ್ರ ಕಲಿಕೆ ಅಲ್ಗಾರಿದಮ್‌ಗಳನ್ನು ಬಳಸುತ್ತವೆ, ಡೇಟಾ ಮತ್ತು ಪ್ರತಿಕ್ರಿಯೆಯ ಆಧಾರದ ಮೇಲೆ ನಿರ್ಧಾರಗಳನ್ನು ತೆಗೆದುಕೊಳ್ಳುತ್ತವೆ. DevOps ಸಂದರ್ಭದಲ್ಲಿ, AI ಏಜೆಂಟ್‌ಗಳನ್ನು ವಿವಿಧ ಕಾರ್ಯಗಳನ್ನು ಸ್ವಯಂಚಾಲಿತಗೊಳಿಸಲು ಮತ್ತು ಆರ್ಕೆಸ್ಟ್ರೇಟ್ ಮಾಡಲು ಬಳಸಬಹುದು, ಅವುಗಳೆಂದರೆ:

• ನಿರಂತರ ಏಕೀಕರಣ ಮತ್ತು ನಿರಂತರ ನಿಯೋಜನೆ (CI/CD): AI ಏಜೆಂಟ್‌ಗಳು ಕೋಡ್ ಬದಲಾವಣೆಗಳನ್ನು ಮೇಲ್ವಿಚಾರಣೆ ಮಾಡಬಹುದು, ನಿರ್ಮಾಣಗಳನ್ನು ಪ್ರಚೋದಿಸಬಹುದು ಮತ್ತು ಉತ್ಪಾದನಾ ಪರಿಸರಕ್ಕೆ ಅಪ್ಲಿಕೇಶನ್‌ಗಳನ್ನು ನಿಯೋಜಿಸಬಹುದು.
• ಮೇಲ್ವಿಚಾರಣೆ ಮತ್ತು ಲಾಗಿಂಗ್: AI ಏಜೆಂಟ್‌ಗಳು ಲಾಗ್ ಡೇಟಾವನ್ನು ವಿಶ್ಲೇಷಿಸಬಹುದು, ವೈಪರೀತ್ಯಗಳನ್ನು ಪತ್ತೆಹಚ್ಚಬಹುದು ಮತ್ತು IT ತಂಡಗಳಿಗೆ ಎಚ್ಚರಿಕೆಗಳನ್ನು ಪ್ರಚೋದಿಸಬಹುದು.
• ಭದ್ರತೆ: AI ಏಜೆಂಟ್‌ಗಳು ದುರ್ಬಲತೆಗಳಿಗಾಗಿ ಕೋಡ್ ಅನ್ನು ಸ್ಕ್ಯಾನ್ ಮಾಡಬಹುದು, ಮಾಲ್‌ವೇರ್ ಅನ್ನು ಪತ್ತೆಹಚ್ಚಬಹುದು ಮತ್ತು ಡೇಟಾ ಉಲ್ಲಂಘನೆಯನ್ನು ತಡೆಯಬಹುದು.
• ಪರೀಕ್ಷೆ: AI ಏಜೆಂಟ್‌ಗಳು ಪರೀಕ್ಷೆಯನ್ನು ಸ್ವಯಂಚಾಲಿತಗೊಳಿಸಬಹುದು, ದೋಷಗಳನ್ನು ಪತ್ತೆಹಚ್ಚಬಹುದು ಮತ್ತು ಡೆವಲಪರ್‌ಗಳಿಗೆ ಪ್ರತಿಕ್ರಿಯೆಯನ್ನು ನೀಡಬಹುದು.

ಆರ್ಕೆಸ್ಟ್ರೇಶನ್ ಪರಿಕರಗಳು: DSPy ಮತ್ತು LangChain

AI ಏಜೆಂಟ್‌ಗಳನ್ನು DevOps ಪೈಪ್‌ಲೈನ್‌ಗಳಿಗೆ ಸಂಯೋಜಿಸಲು, ಈ ಏಜೆಂಟ್‌ಗಳನ್ನು ನಿರ್ವಹಿಸುವ ಮತ್ತು ಸಂಘಟಿಸುವ ಆರ್ಕೆಸ್ಟ್ರೇಶನ್ ಪರಿಕರಗಳು ನಮಗೆ ಅಗತ್ಯವಿದೆ. ಈ ಜಾಗದಲ್ಲಿ ಎರಡು ಜನಪ್ರಿಯ ಸಾಧನಗಳೆಂದರೆ DSPy ಮತ್ತು LangChain.

ಡಿಎಸ್ಪಿ

DSPy ಎಂಬುದು ಪೈಥಾನ್-ಆಧಾರಿತ ಆರ್ಕೆಸ್ಟ್ರೇಶನ್ ಸಾಧನವಾಗಿದ್ದು ಅದು ಡೆವಲಪರ್‌ಗಳಿಗೆ AI ಏಜೆಂಟ್‌ಗಳನ್ನು ಬಳಸಿಕೊಂಡು ವರ್ಕ್‌ಫ್ಲೋಗಳನ್ನು ರಚಿಸಲು, ನಿರ್ವಹಿಸಲು ಮತ್ತು ಕಾರ್ಯಗತಗೊಳಿಸಲು ಅನುಮತಿಸುತ್ತದೆ. DSPy ವರ್ಕ್‌ಫ್ಲೋಗಳನ್ನು ನಿರ್ಮಿಸಲು ಸರಳ ಮತ್ತು ಅರ್ಥಗರ್ಭಿತ API ಅನ್ನು ಒದಗಿಸುತ್ತದೆ, ಇದು DevOps ತಂಡಗಳಿಗೆ ಸೂಕ್ತವಾದ ಆಯ್ಕೆಯಾಗಿದೆ.

ಲ್ಯಾಂಗ್‌ಚೈನ್

ಲ್ಯಾಂಗ್‌ಚೈನ್ ಎಂಬುದು ರಸ್ಟ್-ಆಧಾರಿತ ಆರ್ಕೆಸ್ಟ್ರೇಶನ್ ಸಾಧನವಾಗಿದ್ದು ಅದು ಡೆವಲಪರ್‌ಗಳಿಗೆ AI-ಚಾಲಿತ ವರ್ಕ್‌ಫ್ಲೋಗಳನ್ನು ನಿರ್ಮಿಸಲು ಮತ್ತು ನಿರ್ವಹಿಸಲು ಅನುವು ಮಾಡಿಕೊಡುತ್ತದೆ. ಲ್ಯಾಂಗ್‌ಚೈನ್ ಮಾಡ್ಯುಲರ್ ಆರ್ಕಿಟೆಕ್ಚರ್ ಅನ್ನು ಒದಗಿಸುತ್ತದೆ, ಡೆವಲಪರ್‌ಗಳಿಗೆ AI ಏಜೆಂಟ್‌ಗಳನ್ನು ಬಳಸಿಕೊಂಡು ಕಸ್ಟಮ್ ವರ್ಕ್‌ಫ್ಲೋಗಳನ್ನು ರಚಿಸಲು ಅನುಮತಿಸುತ್ತದೆ.

ಪ್ರಾಯೋಗಿಕ ಅನುಷ್ಠಾನ ತಂತ್ರಗಳು

DSPy ಮತ್ತು LangChain ಬಳಸಿಕೊಂಡು AI ಏಜೆಂಟ್‌ಗಳನ್ನು DevOps ಪೈಪ್‌ಲೈನ್‌ಗಳಿಗೆ ಸಂಯೋಜಿಸಲು, ಈ ಪ್ರಾಯೋಗಿಕ ಅನುಷ್ಠಾನ ತಂತ್ರಗಳನ್ನು ಅನುಸರಿಸಿ:

1. ನಿಮ್ಮ ಕೆಲಸದ ಹರಿವನ್ನು ವಿವರಿಸಿ

ಸ್ವಯಂಚಾಲಿತ ಮತ್ತು ವ್ಯವಸ್ಥಿತಗೊಳಿಸಬೇಕಾದ ಕಾರ್ಯಗಳನ್ನು ಗುರುತಿಸಿ. ಈ ಕಾರ್ಯಗಳನ್ನು ನಿರ್ವಹಿಸಲು ಅಗತ್ಯವಿರುವ AI ಏಜೆಂಟ್‌ಗಳನ್ನು ಮತ್ತು ಈ ಏಜೆಂಟ್‌ಗಳಿಗೆ ತರಬೇತಿ ನೀಡಲು ಮತ್ತು ನಿಯೋಜಿಸಲು ಅಗತ್ಯವಿರುವ ಡೇಟಾ ಮೂಲಗಳನ್ನು ನಿರ್ಧರಿಸಿ.

2. ನಿಮ್ಮ ಆರ್ಕೆಸ್ಟ್ರೇಶನ್ ಟೂಲ್ ಅನ್ನು ಆರಿಸಿ

ನಿಮ್ಮ ತಂಡದ ಪರಿಣತಿ ಮತ್ತು ಯೋಜನೆಯ ಅಗತ್ಯತೆಗಳ ಆಧಾರದ ಮೇಲೆ DSPy ಅಥವಾ LangChain ಅನ್ನು ಆಯ್ಕೆಮಾಡಿ.

3. ನಿಮ್ಮ ಕೆಲಸದ ಹರಿವನ್ನು ನಿರ್ಮಿಸಿ

AI ಏಜೆಂಟ್‌ಗಳು ಮತ್ತು ಡೇಟಾ ಮೂಲಗಳನ್ನು ಸಂಯೋಜಿಸುವ ಕೆಲಸದ ಹರಿವನ್ನು ರಚಿಸಲು ಆಯ್ಕೆಮಾಡಿದ ಆರ್ಕೆಸ್ಟ್ರೇಶನ್ ಉಪಕರಣವನ್ನು ಬಳಸಿ. AI ಏಜೆಂಟ್‌ಗಳು ಮತ್ತು ಡೇಟಾ ಮೂಲಗಳೊಂದಿಗೆ ಸಂವಹನ ನಡೆಸಲು API ಗಳು ಮತ್ತು SDK ಗಳನ್ನು ಬಳಸಿ.

4. ನಿಮ್ಮ ಕೆಲಸದ ಹರಿವನ್ನು ನಿಯೋಜಿಸಿ

ವರ್ಕ್‌ಫ್ಲೋ ಅನ್ನು ಕ್ಲೌಡ್ ಅಥವಾ ಆನ್-ಆವರಣದ ಪರಿಸರಕ್ಕೆ ನಿಯೋಜಿಸಿ, ಸ್ಕೇಲೆಬಿಲಿಟಿ ಮತ್ತು ವಿಶ್ವಾಸಾರ್ಹತೆಯನ್ನು ಖಚಿತಪಡಿಸುತ್ತದೆ.

5. ಮೇಲ್ವಿಚಾರಣೆ ಮತ್ತು ನಿರ್ವಹಣೆ

ಕೆಲಸದ ಹರಿವಿನ ಕಾರ್ಯಕ್ಷಮತೆಯನ್ನು ಮೇಲ್ವಿಚಾರಣೆ ಮಾಡಿ ಮತ್ತು ಅಗತ್ಯವಿರುವಂತೆ AI ಏಜೆಂಟ್‌ಗಳು ಮತ್ತು ಡೇಟಾ ಮೂಲಗಳನ್ನು ನಿರ್ವಹಿಸಿ ಮತ್ತು ನವೀಕರಿಸಿ.

ರಿಯಲ್ ವರ್ಲ್ಡ್ ಕೇಸ್ ಸ್ಟಡೀಸ್

DevOps ಪೈಪ್‌ಲೈನ್‌ಗಳಲ್ಲಿ AI ಏಜೆಂಟ್‌ಗಳ ಪರಿಣಾಮಕಾರಿತ್ವವನ್ನು ಪ್ರದರ್ಶಿಸುವ ಕೆಲವು ನೈಜ-ಪ್ರಪಂಚದ ಅಧ್ಯಯನಗಳು ಇಲ್ಲಿವೆ:

ಕೇಸ್ ಸ್ಟಡಿ 1: ಲ್ಯಾಂಗ್‌ಚೈನ್‌ನೊಂದಿಗೆ ಸ್ವಯಂಚಾಲಿತ ಪರೀಕ್ಷೆ

ಸಾಫ್ಟ್‌ವೇರ್ ಡೆವಲಪ್‌ಮೆಂಟ್ ಕಂಪನಿಯು ತಮ್ಮ ಮೊಬೈಲ್ ಅಪ್ಲಿಕೇಶನ್‌ಗಾಗಿ ಪರೀಕ್ಷೆಯನ್ನು ಸ್ವಯಂಚಾಲಿತಗೊಳಿಸಲು ಲ್ಯಾಂಗ್‌ಚೈನ್ ಅನ್ನು ಬಳಸಿದೆ. LangChain ನ AI ಏಜೆಂಟ್‌ಗಳು ಬಳಕೆದಾರರ ನಡವಳಿಕೆಯನ್ನು ವಿಶ್ಲೇಷಿಸಿದ್ದಾರೆ, ದೋಷಗಳನ್ನು ಪತ್ತೆಹಚ್ಚಿದ್ದಾರೆ ಮತ್ತು ಡೆವಲಪರ್‌ಗಳಿಗೆ ಪ್ರತಿಕ್ರಿಯೆಯನ್ನು ಒದಗಿಸಿದ್ದಾರೆ. ಕಂಪನಿಯು ಪರೀಕ್ಷಾ ಸಮಯವನ್ನು 50% ಕಡಿಮೆ ಮಾಡಿದೆ ಮತ್ತು ಅಪ್ಲಿಕೇಶನ್ ಗುಣಮಟ್ಟವನ್ನು 30% ರಷ್ಟು ಸುಧಾರಿಸಿದೆ.

ಕೇಸ್ ಸ್ಟಡಿ 2: ಡಿಎಸ್‌ಪಿಯೊಂದಿಗೆ ನಿರಂತರ ಏಕೀಕರಣ

DevOps ತಂಡವು ತಮ್ಮ ವೆಬ್ ಅಪ್ಲಿಕೇಶನ್‌ಗಾಗಿ CI/CD ಅನ್ನು ಸ್ವಯಂಚಾಲಿತಗೊಳಿಸಲು DSPy ಅನ್ನು ಬಳಸಿದೆ. DSPy ನ AI ಏಜೆಂಟ್‌ಗಳು ಕೋಡ್ ಬದಲಾವಣೆಗಳನ್ನು ಮೇಲ್ವಿಚಾರಣೆ ಮಾಡಿದರು, ನಿರ್ಮಾಣಗಳನ್ನು ಪ್ರಚೋದಿಸಿದರು ಮತ್ತು ಉತ್ಪಾದನಾ ಪರಿಸರಕ್ಕೆ ಅಪ್ಲಿಕೇಶನ್ ಅನ್ನು ನಿಯೋಜಿಸಿದರು. ತಂಡವು ನಿಯೋಜನೆ ಸಮಯವನ್ನು 75% ರಷ್ಟು ಕಡಿಮೆ ಮಾಡಿದೆ ಮತ್ತು ಕೋಡ್ ಗುಣಮಟ್ಟವನ್ನು 25% ರಷ್ಟು ಸುಧಾರಿಸಿದೆ.

ಟಾಪ್ 5-10 ಹೆಚ್ಚು ಬಳಸಿದ ಆಜ್ಞೆಗಳು/ತುಣುಕುಗಳು

DSPy ಮತ್ತು LangChain ಗಾಗಿ ಹೆಚ್ಚು ಬಳಸಿದ 5-10 ಕಮಾಂಡ್‌ಗಳು/ತುಣುಕುಗಳು ಇಲ್ಲಿವೆ:

ಡಿಎಸ್ಪಿ

1. dsp.create_workflow(): ಹೊಸ ಕೆಲಸದ ಹರಿವನ್ನು ರಚಿಸುತ್ತದೆ.
2. dsp.add_agent(): ವರ್ಕ್‌ಫ್ಲೋಗೆ AI ಏಜೆಂಟ್ ಅನ್ನು ಸೇರಿಸುತ್ತದೆ.
3. dsp.add_data_source(): ವರ್ಕ್‌ಫ್ಲೋಗೆ ಡೇಟಾ ಮೂಲವನ್ನು ಸೇರಿಸುತ್ತದೆ.
4. dsp.trigger_workflow(): ವರ್ಕ್‌ಫ್ಲೋ ಅನ್ನು ಪ್ರಚೋದಿಸುತ್ತದೆ.
5. dsp.get_workflow_status(): ವರ್ಕ್‌ಫ್ಲೋ ಸ್ಥಿತಿಯನ್ನು ಹಿಂಪಡೆಯುತ್ತದೆ.

ಲ್ಯಾಂಗ್‌ಚೈನ್

1. langchain.create_workflow(): ಹೊಸ ವರ್ಕ್‌ಫ್ಲೋ ಅನ್ನು ರಚಿಸುತ್ತದೆ.
2. langchain.add_module(): ವರ್ಕ್‌ಫ್ಲೋಗೆ ಮಾಡ್ಯೂಲ್ ಅನ್ನು ಸೇರಿಸುತ್ತದೆ.
3. langchain.add_ai_agent(): ವರ್ಕ್‌ಫ್ಲೋಗೆ AI ಏಜೆಂಟ್ ಅನ್ನು ಸೇರಿಸುತ್ತದೆ.
4. langchain.add_data_source(): ವರ್ಕ್‌ಫ್ಲೋಗೆ ಡೇಟಾ ಮೂಲವನ್ನು ಸೇರಿಸುತ್ತದೆ.
5. langchain.trigger_workflow(): ವರ್ಕ್‌ಫ್ಲೋ ಅನ್ನು ಪ್ರಚೋದಿಸುತ್ತದೆ.
6. langchain.get_workflow_status(): ವರ್ಕ್‌ಫ್ಲೋ ಸ್ಥಿತಿಯನ್ನು ಹಿಂಪಡೆಯುತ್ತದೆ.

ದೃಶ್ಯೀಕರಣ

Chart.js ಅನ್ನು ಬಳಸಿಕೊಂಡು ಕೆಲಸದ ಹರಿವಿನ ದೃಶ್ಯೀಕರಣ ಇಲ್ಲಿದೆ:

{
  "ಟೈಪ್": "ಪೈಚಾರ್ಟ್",
  "ಡೇಟಾ": {
    "ಲೇಬಲ್‌ಗಳು": ["DSPy", "LangChain"],
    "ಡೇಟಾಸೆಟ್‌ಗಳು": [
      {
        "ಲೇಬಲ್": "ಆರ್ಕೆಸ್ಟ್ರೇಶನ್ ಪರಿಕರಗಳು",
        "ಡೇಟಾ": [50, 50],
        "backgroundColor": ["#4CAF50", "#FF9800"],
        "ಬಾರ್ಡರ್ ಅಗಲ": 1
      }
    ]
  },
  "ಆಯ್ಕೆಗಳು": {
    "ಶೀರ್ಷಿಕೆ": {
      "ಪ್ರದರ್ಶನ": ನಿಜ,
      "ಪಠ್ಯ": "ಆರ್ಕೆಸ್ಟ್ರೇಶನ್ ಪರಿಕರಗಳು"
    },
    "ದಂತಕಥೆ": {
      "ಪ್ರದರ್ಶನ": ನಿಜ
    }
  }
}

ಈ ದೃಶ್ಯೀಕರಣವು DevOps ಪೈಪ್‌ಲೈನ್‌ಗಳಲ್ಲಿ ಬಳಸುವ ಆರ್ಕೆಸ್ಟ್ರೇಶನ್ ಪರಿಕರಗಳ ವಿತರಣೆಯನ್ನು ತೋರಿಸುತ್ತದೆ.

ತೀರ್ಮಾನ

DSPy ಮತ್ತು LangChain ಅನ್ನು ಬಳಸಿಕೊಂಡು AI ಏಜೆಂಟ್‌ಗಳನ್ನು DevOps ಪೈಪ್‌ಲೈನ್‌ಗಳಿಗೆ ಸಂಯೋಜಿಸುವುದು ಯಾಂತ್ರೀಕೃತಗೊಂಡ ಮತ್ತು ಆರ್ಕೆಸ್ಟ್ರೇಶನ್ ಅನ್ನು ಗಮನಾರ್ಹವಾಗಿ ವರ್ಧಿಸುತ್ತದೆ. ಪ್ರಾಯೋಗಿಕ ಅನುಷ್ಠಾನ ತಂತ್ರಗಳು ಮತ್ತು ನೈಜ-ಪ್ರಪಂಚದ ಅಧ್ಯಯನಗಳನ್ನು ಅನುಸರಿಸುವ ಮೂಲಕ, ಡೆವಲಪರ್‌ಗಳು DevOps ನಲ್ಲಿ AI ಏಜೆಂಟ್‌ಗಳ ಸಂಪೂರ್ಣ ಸಾಮರ್ಥ್ಯವನ್ನು ಅನ್ಲಾಕ್ ಮಾಡಬಹುದು. ಸರಿಯಾದ ಆರ್ಕೆಸ್ಟ್ರೇಶನ್ ಟೂಲ್ ಅನ್ನು ಆಯ್ಕೆ ಮಾಡಲು ಮರೆಯದಿರಿ, ನಿಮ್ಮ ವರ್ಕ್‌ಫ್ಲೋ ಅನ್ನು ವ್ಯಾಖ್ಯಾನಿಸಿ, ನಿಮ್ಮ ವರ್ಕ್‌ಫ್ಲೋ ಅನ್ನು ನಿರ್ಮಿಸಿ ಮತ್ತು ನಿಯೋಜಿಸಿ ಮತ್ತು ಅತ್ಯುತ್ತಮ ಫಲಿತಾಂಶಗಳಿಗಾಗಿ ನಿಮ್ಮ ವರ್ಕ್‌ಫ್ಲೋ ಅನ್ನು ಮೇಲ್ವಿಚಾರಣೆ ಮಾಡಿ ಮತ್ತು ನಿರ್ವಹಿಸಿ.

ಕೋಡ್ ಬ್ಲಾಕ್: ಸರಳ DSPy ವರ್ಕ್‌ಫ್ಲೋ

AI ಏಜೆಂಟ್ ಮತ್ತು ಡೇಟಾ ಮೂಲವನ್ನು ಸಂಯೋಜಿಸುವ ಸರಳ DSPy ವರ್ಕ್‌ಫ್ಲೋ ಇಲ್ಲಿದೆ: ``ಹೆಬ್ಬಾವು ಆಮದು ಡಿಎಸ್ಪಿ

ಹೊಸ ಕೆಲಸದ ಹರಿವನ್ನು ರಚಿಸಿ

ಕೆಲಸದ ಹರಿವು = dsp.create_workflow()

ವರ್ಕ್‌ಫ್ಲೋಗೆ AI ಏಜೆಂಟ್ ಅನ್ನು ಸೇರಿಸಿ

ai_agent = dsp.add_agent(ವರ್ಕ್‌ಫ್ಲೋ, "ai_agent") ai_agent.set_model("model.json")

ವರ್ಕ್‌ಫ್ಲೋಗೆ ಡೇಟಾ ಮೂಲವನ್ನು ಸೇರಿಸಿ

ಡೇಟಾ_ಸೋರ್ಸ್ = dsp.add_data_source(ವರ್ಕ್‌ಫ್ಲೋ, "ಡೇಟಾ_ಸೋರ್ಸ್") data_source.set_url("https://example.com/data")

ಕೆಲಸದ ಹರಿವನ್ನು ಪ್ರಚೋದಿಸಿ

dsp.trigger_workflow(ಕೆಲಸದ ಹರಿವು)

ಕೆಲಸದ ಹರಿವಿನ ಸ್ಥಿತಿಯನ್ನು ಪಡೆಯಿರಿ

ಸ್ಥಿತಿ = dsp.get_workflow_status(ವರ್ಕ್‌ಫ್ಲೋ) ಮುದ್ರಣ (ಸ್ಥಿತಿ)

ಈ ಕೋಡ್ ಬ್ಲಾಕ್ AI ಏಜೆಂಟ್ ಮತ್ತು ಡೇಟಾ ಮೂಲವನ್ನು ಸಂಯೋಜಿಸುವ ಸರಳ DSPy ವರ್ಕ್‌ಫ್ಲೋ ಅನ್ನು ಪ್ರದರ್ಶಿಸುತ್ತದೆ.