Nûnerek LangChain biafirînin | B4N1

Nûnerek LangChain biafirînin

5 months ago · b4n1 Read time: 6 min

Bi Mîmarên AI-yê Pir-Agent û Amûrên Orkestrasyonê re Pergalên Nermalava Xwe-Sermankirinê ava bikin

Destpêk

Di perestgeha nermalavê ya îroyîn de bi lez û bez diguhere, avakirina pergalên zexm û adapteyî yên ku dikarin hilberînê bijîn ji bo endezyarên nermalavê û tîmên DevOps pêşengiyek sereke ye. Nêzîkatiyên kevneşopî yên ji bo pêşkeftina nermalavê bi gelemperî li ser avakirina pergalên yekparêz ên ku meyla têkçûn û demdirêjiyê ne disekine. Lêbelê, bi hatina mîmariyên AI-ê yên pir-agent û amûrên orkestrasyonê re, naha gengaz e ku pergalên nermalava xwe-xwe-dermankirinê biafirînin ku dikarin bi şert û mercên guheztinê re adapte bibin û ji têkçûn xelas bibin.

Di vê gotarê de, em ê têgeha mîmariyên AI-ya pir-agent û amûrên orkestrasyonê, û ka ew çawa dikarin bikar bînin ji bo avakirina pergalên nermalava xwe-xweşkirinê vebikolin. Em ê di AI, endezyariya nermalavê, û DevOps de jî di meylên herî dawî de bigerin, û rola amûrên mîna LangChain û DSPy di ​​afirandina pergalên nermalava bihêz û adapteyî de vekolînin.

Mîmarên Multi-Agent AI çi ne?

Mîmarên AI-ê yên pir-agent celebek pergala AI-ê ye ku ji gelek ajanên xweser pêk tê ku bi hevûdu re têkilî daynin da ku bigihîjin armancek hevpar. Her ajanek xwedan kapasîteyên xwe, zanîn û armancên xwe hene, û ew bi hev re dixebitin ku bigihîjin armancek asta bilind. Mîmarên AI-ê yên pir-agent bi taybetî di pergalên tevlihev de bikêr in ku li wir pir alîgir, armancên nakok û encamên nediyar hene.

Di endezyariya nermalavê de, mîmariyên AI-ê yên pir-agent dikarin werin bikar anîn da ku pergalên xwe-dermankirinê ava bikin ku dikarin di wextê rast de têkçûn tespît bikin û bersivê bidin. Mînakî, pergalek AI-a pir-agentê dibe ku ji gelek nûneran pêk were ku beşên cihêreng ên pergalek çavdêrî dikin, têkçûn tespît dikin, û çalakiyên vegerandinê ji bo vegerandina pergalê li rewşek saxlem bidin destpêkirin.

Amûrên Orkestrasyonê çi ne?

Amûrên orkestrasyonê pergalên nermalavê ne ku sazkirin, pîvandin, û rêveberiya serîlêdan û karûbaran otomatîk dikin. Ew ji bo birêvebirina gelek pêkhate, karûbar, û serîlêdan platformek navendî peyda dikin, û rê didin pêşdebiran ku karûbar û otomatîkên tevlihev diyar bikin.

Amûrên orkestrayê ji bo avakirina pergalên nermalava xwe-samankirinê bingehîn in, ji ber ku ew rê dide pêşdebiran ku karûbarên başbûnê û otomasyonên ku dikarin di bersivdayîna têkçûn de werin dest pê kirin destnîşan bikin. Mînakî, amûrek orkestrasyonê dikare were bikar anîn da ku sazkirina pergalek paşvekêşanê bixweber bike, an jî gava ku pêkhateyek pergalê têk diçe çalakiyek başbûnê bide destpêkirin.

LangChain û DSPy: Amûrên Orkestrasyonê ji bo Mîmarên AI-yê Pir-Agent

LangChain û DSPy du amûrên orkestrasyonê yên populer in ku ji bo xebitandina mîmarên AI-ê yên pir-agent hatine çêkirin. LangChain pirtûkxaneyek Python e ku ji bo avakirina pergalên AI-ya pir-agent API-yek hêsan û xwerû peyda dike, dema ku DSPy pirtûkxaneyek Python e ku API-a astek bilind peyda dike ji bo pênasekirin û bicihanîna karûbaran.

LangChain û DSPy rê dide pêşdebiran ku pergalên nermalava xwe-başkirinê ava bikin ku dikarin di wextê rast de têkçûnên tespît bikin û bersivê bidin. Ew cûrbecûr taybetmendiyan peyda dikin, di nav de:

  • **Rêveberiya Agent **: LangChain û DSPy ji bo afirandina, rêvebirin û danûstendina bi nûneran re di pergalek AI-ya pir-agent de API-yan peyda dikin.
  • Pênase Rêvekirina Xebatê: LangChain û DSPy rê dide pêşdebiran ku karûbar û otomasyonên tevlihev ên ku di bersiva têkçûnan de werin dest pê kirin destnîşan bikin.
  • Çalakiyên vegerandinê: LangChain û DSPy API-an peyda dikin ji bo destpêkirina çalakiyên vegerandinê, wek mînak danîna pergalek paşvekêşanê an destpêkirina çalakiyek vegerandinê dema ku pêkhateyek pergalê têk diçe.

Bi LangChain û DSPy re Pergalek Xwe-dermankirinê ava bikin

Ji bo ku hêza LangChain û DSPy nîşan bidin, werin em pergalek xwe-başkirina hêsan ava bikin ku dikare têkçûnên di serîlêdanek malperê de tespît bike û bersivê bide. Em ê LangChain-ê bikar bînin da ku pergalek AI-ya pir-agentê biafirînin ku performansa serîlêdanê dişopîne û gava ku têkçûnek were tesbît kirin çalakiyek başbûnê çêdike.

Li vir blokek kodek hêsan heye ku destnîşan dike ka meriv çawa bi LangChain û DSPy re pergalek xwe-başkirinê ava dike: `` python zincîra îthalatê ji langchain import Agent, Zincîr

agent = Agent( name = "self-healing-agent", zincîr=Zincîr( name = "self-healing-zincîra", gav=[ {"name": "monitor", "func": monitor_performance}, {"name": "vegerandin", "func": pergala_sazkirinê}, ], ), )

Ji bo şopandina performansa serîlêdanê fonksiyonek diyar bikin

def monitor_performance(): # Tespîtkirinek têkçûnek simule bikin ger random.random() < 0.5: vegerandin {"şikestin": Rastî} din: vegerandin {"şikestin": Derewîn}

Ji bo vegerandina pergalê fonksiyonek diyar bikin

def recover_system (serkeftin): # Çalakiyek vegerandinê bidin destpêkirin eger têkçûn ["sernekeftin"]: çap bike ("Çalakiya vegerandinê vedike...") # Pergalek paşvekêşanê bicîh bikin an çalakiyek başbûnê bidin destpêkirin #...

Xebatek DSPy biafirînin

karûbar = DSPy.Workflow( name = "self-healing-workflow", gav=[ {"name": "monitor", "func": monitor_performance}, {"name": "vegerandin", "func": pergala_sazkirinê}, ], )

Pêvajoya xebatê pêk bînin

workflow.execute()

Vê bloka kodê destnîşan dike ka meriv çawa karmendek LangChain-ê diafirîne ku performansa serîlêdanê dişopîne û gava ku têkçûnek were tespît kirin çalakiyek başbûnê çêdike. Xebata DSPy ji bo danasîna çalakiya vegerê û pêkanîna wê di bersiva têkçûnekê de tê bikar anîn.

** Serê 5-10 Fermanên Herî Bikaranîn / Parçeyên **

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

1. `langchain.Agent()`: Nûnerek LangChain diafirîne.
2. `langchain.Chain()`: Zincîrek LangChain ya nû diafirîne.
3. `dspypy.Workflow()`: Xebateke nû ya DSPy diafirîne.
4. `agent.execute()`: Agentê LangChain pêk tîne.
5. `workflow.execute()`: Xebata DSPy dimeşîne.
6. `agent.chain.steps.append({"name": "gav", "func": func})": Gaveke nû li zincîra LangChain zêde dike.
7. `workflow.steps.append({"name": "gav", "func": func})": Gaveke nû li geroka xebata DSPy zêde dike.
8. `agent.chain.steps.remove({"name": "gav"})`: Ji zincîra LangChain gavekê radike.
9. `workflow.steps.remove({"name": "gav"})`: Gavekek ji xebata DSPy radike.
10. `agent.chain.steps.insert(0, {"name": "gav", "func": func})": Di destpêka zincîra LangChain de gavek nû dixe.

**Visualization **

Li vir dîmenek xebata LangChain û DSPy bi karanîna Chart.js heye:
```json
{
  "type": "bar",
  "dane": {
    "labels": ["Monitor", "Recover"],
    "daneyên": [
      {
        "label": "LangChain",
        "dane": [10, 20],
        "backgroundColor": "rgba(255, 99, 132, 0.2)",
        "borderColor": "rgba(255, 99, 132, 1)",
        "Berfirehiya sînor": 1
      },
      {
        "label": "DSPy",
        "dane": [20, 30],
        "backgroundColor": "rgba(54, 162, 235, 0.2)",
        "borderColor": "rgba(54, 162, 235, 1)",
        "Berfirehiya sînor": 1
      }
    ]
  },
  "vebijark": {
    "sernav": {
      "nîşandan": rast,
      "text": "LangChain and DSPy Workflow"
    },
    "pîvan": {
      "yAxes": [
        {
          "tik": {
            "beginAtZero": rast
          }
        }
      ]
    }
  }
}

Vê dîtbarî xebata LangChain û DSPy nîşan dide, bi gavê "Monitor" li milê çepê û gavê "Recover" li milê rastê. Xebata LangChain ji hêla barek sor ve tê destnîşan kirin, dema ku xebata DSPy ji hêla barek şîn ve tê temsîl kirin.

** Encam **

Avakirina pergalên nermalava xwe-samankirinê bi mîmariya AI-ya pir-agent û amûrên orkestrasyonê re nêzîkatiyek bi hêz e ji bo afirandina pergalên zexm û adapter ên ku dikarin hilberînê bijîn. LangChain û DSPy du amûrên orkestrasyonê yên populer in ku rê dide pêşdebiran ku pergalên xwe-paqijkirinê ava bikin ku dikarin di demek rast de têkçûnan tespît bikin û bersivê bidin.

Di vê gotarê de, me têgeha mîmariya AI-ya pir-agent û amûrên orkestrasyonê vekolandiye, û destnîşan kiriye ku meriv çawa bi LangChain û DSPy re pergalek xwe-dermankirinê ava dike. Me di heman demê de gelek mînakên pratîkî û perçeyên kodê peyda kirine da ku ji pêşdebiran re bibin alîkar ku dest bi avakirina pergalên xwe-xwe-dermankirinê bikin.

Ku hûn endezyarek nermalavê bin, endezyarek DevOps, an lêkolînerê AI-ê bin, avakirina pergalên nermalava xwe-xweşkirinê bi LangChain û DSPy re rêgezek hêzdar e ji bo afirandina pergalên zexm û adapter ên ku dikarin hilberînê bijîn.

Have Questions?

Let's Talk

Contact me on LinkedIn