Destpêk

Pêşveçûna bilez a Zehmetiya Hunerî (AI) û Fêrbûna Makîneyê (ML) bûye sedema pêşkeftina AI-ya ajantî, celebek AI-yê ku dikare çalakiyan bike û bi serê xwe biryaran bide. Vê teknolojiyê xwedan potansiyel e ku di awayê ku em nêzikî mîmariya nermalavê û otomasyona DevOps dibin şoreşê bike. Di vê gotarê de, em ê entegrasyona AI-ya ajantî, Modelên Zimanên Mezin (LLM), û amûrên orkestrasyonê yên mîna LangChain û DSPy bikolin da ku mîmariya nermalavê, binesaziyê, û pêvajoyên DevOps otomatîk bikin.

Agent AI çi ye?

AI-ya Agentîk celebek AI-yê ku dikare bi serê xwe çalakiyan bike û biryaran bide vedibêje. Ev berevajî pergalên kevneşopî yên AI-ê ye, ku bi gelemperî ji bo pêkanîna peywirên taybetî têne sêwirandin û komek qaîdeyên diyarkirî bişopînin. Ji aliyekî din ve, pergalên AI-ê yên ajandî ji bo ku bêtir xweser û adapteyî bin hatine sêwirandin, ku dihêle ew ji hawîrdora xwe fêr bibin û li gorî armanc û mebestên xwe biryaran bidin.

Rola LLM-an di AI-ya Agentî de

Modelên Zimanên Mezin (LLM) celebek AI-yê ne ku li ser gelek daneyên nivîsê têne perwerde kirin û dikarin zimanek mîna mirovan çêbikin. LLM hêmanek bingehîn a pergalên AI-yê ajans in, ji ber ku ew şiyana fêmkirin û afirandina zimanê mirovan peyda dikin. Ev rê dide pergalên AI-ê yên ajans ku bi mirovan û pergalên din re bi rengek xwezayî û xwerûtir ragihînin.

Amûrên Orkestrasyonê: LangChain û DSPy

Amûrên orkestrayê yên mîna LangChain û DSPy ji bo rêvebirin û hevrêzkirina danûstendinên di navbera pergal û pêkhateyên cihêreng de têne çêkirin. Van amûran rêyek ji bo danasîn û pêkanîna karûbaran peyda dikin, ku dikare peywirên wekî pêvajoykirina daneyê, perwerdehiya modelê, û bicîhkirinê pêk bîne.

LangChain

LangChain amûrek orkestrasyonê-çavkaniyek vekirî ye ku ji bo avakirin û birêvebirina karûbaran çarçoveyek maqûl û berfireh peyda dike. LangChain hatiye dîzaynkirin ku bi gelek pergal û pêkhateyan re bixebite, di nav de LLM, databas, û API.

DSPy

DSPy amûrek orkestrasyonê ya li ser Python-ê ye ku rêgezek sade û xwerû peyda dike ji bo danasîn û pêkanîna karûbaran. DSPy hatiye dîzaynkirin ku bi cûrbecûr pergal û pêkhateyan re bixebite, di nav de LLM, databases, û API.

Xweserkirina Mîmariya Nermalavê û Pêvajoyên DevOps

Agent AI, LLM, û amûrên orkestrasyonê yên mîna LangChain û DSPy dikarin werin bikar anîn da ku pirfireh mîmariya nermalavê û pêvajoyên DevOps otomatîk bikin. Hin mînak hene:

** Vekolîna kodê ya otomatîk **: Pergalên AI-ya agentî dikarin ji bo vekolîna kodê û tespîtkirina pirsgirêkên potansiyel, wek xeletî û qelsiyên ewlehiyê werin bikar anîn.
**Testkirina otomatîk **: Pergalên AI-ya agentî dikarin ji bo otomatîkkirina ceribandinê, di nav de ceribandina yekîneyê, ceribandina entegrasyonê, û ceribandina dawî-bi-dawî were bikar anîn.
**Pêkvekirina otomatîk **: Pergalên AI-ê yên ajandî dikarin ji bo otomatîzekirina sazkirinê, di nav de bicîhkirina kod, veavakirin, û çavkaniyên din jî werin bikar anîn.
** Çavdêriya Xweser **: Pergalên AI-ê yên ajandî dikarin ji bo otomatîkkirina çavdêriyê, di nav de çavdêriya performansa pergalê, ewlehî, û pîvanên din jî werin bikar anîn.

Pêkanîna Pratîk

Di vê beşê de, em ê mînakek hêsan peyda bikin ka meriv çawa LangChain û DSPy bikar tîne da ku mîmariya nermalavê û pêvajoyek DevOps otomatîk bike.

Nimûne: Vekolîna kodê ya otomatîkî

Di vê nimûneyê de, em ê LangChain û DSPy bikar bînin da ku vekolîna kodê otomatîk bikin. Em ê xebatek ku gavên jêrîn pêk tîne diyar bikin:

**Analîzkirina kodê **: Karûbar dê LLM-ê bikar bîne da ku kodê analîz bike û pirsgirêkên potansiyel nas bike.
**Vekolîna kodê **: Pêvajoya xebatê dê pergalek AI-ya ajansê bikar bîne da ku kodê binirxîne û pirsgirêkên potansiyel nas bike.
** Bicihkirina kodê **: Pêvajoya xebatê dê amûrek vekêşanê bikar bîne da ku kodê li hawîrdorek hilberandinê bicîh bike.

Li vir mînakek e ku meriv çawa vê xebatê bi karanîna LangChain û DSPy bicîh tîne: `` python zincîra îthalatê ji langchain import LLM

LLM-ê diyar bikin

llm = LLM ("text-davinci-003")

Pergala AI-ya ajandî diyar bikin

ai_system = langchain.AgenticAI()

Rêwîtiya xebatê diyar bikin

workflow = langchain.Workflow( gav=[ langchain.Step( name = "Analîzkirina kodê", func=llm.analyze_code, inputs={"code": "def hello_world(): print('Hello World')"}, ), langchain.Step( name = "nirxandina kodê", func=ai_system.review_code, inputs={"code": "def hello_world(): print('Hello World')"}, ), langchain.Step( name = "Bikaranîna kodê", func=langchain.deploy_code, inputs={"code": "def hello_world(): print('Hello World')"}, ), ] )

Pêvajoya xebatê pêk bînin

workflow.execute()

Ev kod karûbarek ku sê gavan vedihewîne diyar dike: analîza kodê, vekolîna kodê, û bicîhkirina kodê. Rêjeya xebatê LLM-ê bikar tîne da ku kodê analîz bike, pergalek AI-ya ajandî ji bo vekolîna kodê, û amûrek bicîhkirinê ku kodê li hawîrdorek hilberînê bicîh bike.

## Serê 5-10 Ferman/Parçeyên Herî Bikaranîn

Li vir 5-10 fermanên herî zêde têne bikar anîn ji bo LangChain û DSPy hene:

1. `langchain.Workflow(steps=[...])`: Bi çend gavan karek pênase bikin.
2. `langchain.Step(name="...", func=..., inputs={...})`: Di herikîna xebatê de yek gavê diyar bike.
3. `llm.analyze_code(inputs={"kod": ...})`: Ji bo analîzkirina kodê LLM bikar bînin.
4. `ai_system.review_code(inputs={"kod": ...})`: Pergalek AI-ê ya ajandî bikar bînin ku kodê binirxînin.
5. `langchain.deploy_code(inputs={"kod": ...})`: Kodê li hawîrdora hilberînê bi cih bike.
6. `langchain.AgenticAI()`: Nimûneyek ji pergala AI-ya ajandî biafirîne.
7. `langchain.LLM()`: Nimûneyek ji LLM-ê çêbikin.
8. `langchain.deploy_code()`: Kodê li hawîrdorek hilberandinê bicîh bike.
9. `langchain.execute_workflow()`: Pêvekek xebitandinê pêk bînin.
10. `langchain.get_workflow_status()`: Rewşa herikîna xebatê bistînin.

## Visualization

Li vir mînakek e ku meriv çawa bi karanîna Chart.js karûbarek xuyang dike:
```json
{
  "type": "bar",
  "dane": {
    "etîket": ["Analîzkirina Kodê", "Pêşveçûna Kodê", "Bicihkirina Kodê"],
    "daneyên": [
      {
        "label": "Gavên Xebatê",
        "dane": [10, 20, 30],
        "backgroundColor": [
          "rgba(255, 99, 132, 0.2)",
          "rgba(54, 162, 235, 0.2)",
          "rgba(255, 206, 86, 0.2)"
        ],
        "borderColor": [
          "rgba(255, 99, 132, 1)",
          "rgba(54, 162, 235, 1)",
          "rgba(255, 206, 86, 1)"
        ],
        "Berfirehiya sînor": 1
      }
    ]
  },
  "vebijark": {}
}

Vê kodê nexşeyek barek bi sê etîketan diyar dike: Analîzkirina Kodê, Vekolîna Kodê, û Bicihkirina Kodê. Nexşe di her qonaxa xebatê de hejmara gavan nîşan dide.

Encam

Agent AI, LLM, û amûrên orkestrasyonê yên mîna LangChain û DSPy xwedan potansiyel in ku di awayê ku em nêzikî mîmariya nermalavê û otomasyona DevOps dibin şoreş bikin. Bi karûbarên otomatîk ên wekî vekolîna kodê, ceribandin û bicîhkirinê, em dikarin karûbar û bandorkeriya pêvajoyên pêşkeftina xwe baştir bikin. Di vê gotarê de, me yekbûna van teknolojiyên keşif kiriye û mînakek hêsan peyda kiriye ka meriv çawa wan bikar tîne da ku mîmariya nermalavê û pêvajoyek DevOps otomatîk bike.

Ji bo Mîmariya Nermalava Nermalavê û Otomasyona DevOps AI-a Agentîk bikar tînin