LangChain агентин түзүү | B4N1

LangChain агентин түзүү

3 months ago · b4n1 Read time: 5 min

Мульти-агенттүү AI архитектурасы жана оркестрлөө куралдары менен өзүн-өзү айыктыруучу программалык системаларды куруу

Танышуу

Бүгүнкү ылдам темпте жана ар дайым өзгөрүп турган программалык ландшафтта өндүрүштөн аман чыга ала турган бекем жана адаптацияланган системаларды куруу программалык камсыздоо инженерлери жана DevOps командалары үчүн эң башкы приоритет болуп саналат. Программалык камсыздоону иштеп чыгуудагы салттуу ыкмалар көбүнчө бузулууларга жана токтоп калууларга жакын болгон монолиттүү системаларды курууга багытталган. Бирок, мульти-агенттүү AI архитектураларынын жана оркестрлөө куралдарынын пайда болушу менен, азыр өзгөрүп жаткан шарттарга ыңгайлаша ала турган жана катачылыктардан калыбына келе турган өзүн-өзү калыбына келтирүүчү программалык системаларды түзүүгө болот.

Бул макалада биз мульти-агенттүү AI архитектурасынын жана оркестрлөө куралдарынын концепциясын жана аларды өзүн-өзү айыктыруучу программалык системаларды куруу үчүн кантип колдонсо болорун изилдейбиз. Биз ошондой эле AI, программалык камсыздоо инженериясы жана DevOps чөйрөсүндөгү акыркы тенденцияларды изилдейбиз жана LangChain жана DSPy сыяктуу куралдардын күчтүү жана ийкемдүү программалык камсыздоо тутумдарын түзүүдөгү ролун карап чыгабыз.

Мульти-агенттүү AI архитектуралары деген эмне?

Көп агенттик AI архитектуралары – жалпы максатка жетүү үчүн бири-бири менен өз ара аракеттенүүчү бир нече автономдуу агенттерден турган AI тутумунун бир түрү. Ар бир агенттин өзүнүн мүмкүнчүлүктөрү, билими жана максаттары бар жана алар жогорку деңгээлдеги максатка жетүү үчүн бирге иштешет. Көп агенттик AI архитектуралары бир нече кызыкдар тараптар, карама-каршы максаттар жана белгисиз натыйжалар бар татаал системаларда өзгөчө пайдалуу.

Программалык камсыздоо инженериясында мульти-агенттүү AI архитектуралары реалдуу убакытта каталарды аныктап, аларга жооп бере турган өзүн-өзү калыбына келтирүүчү системаларды куруу үчүн колдонулушу мүмкүн. Мисалы, мульти-агенттүү AI системасы системанын ар кандай компоненттерин көзөмөлдөгөн, каталарды аныктаган жана системаны дени сак абалга келтирүү үчүн калыбына келтирүү иш-аракеттерин козгогон бир нече агенттерден турушу мүмкүн.

Оркестрация куралдары деген эмне?

Оркестрация куралдары тиркемелерди жана кызматтарды жайылтууну, масштабдоону жана башкарууну автоматташтыруучу программалык системалар. Алар бир нече компоненттерди, кызматтарды жана тиркемелерди башкаруу үчүн борборлоштурулган платформаны камсыз кылат жана иштеп чыгуучуларга татаал иш процесстерин жана автоматташтырууларды аныктоого мүмкүндүк берет.

Оркестрация куралдары өзүн-өзү айыктыруучу программалык системаларды түзүү үчүн абдан маанилүү, анткени алар иштеп чыгуучуларга калыбына келтирүү иш процесстерин жана каталарга жооп катары иштетилүүчү автоматташтырууларды аныктоого мүмкүндүк берет. Мисалы, резервдик системаны жайылтууну автоматташтыруу үчүн же система компоненти иштебей калганда калыбына келтирүү аракетин баштоо үчүн оркестрлөө куралы колдонулушу мүмкүн.

LangChain жана DSPy: Көп агенттик AI архитектурасы үчүн оркестрлөө куралдары

LangChain жана DSPy - көп агенттик AI архитектуралары менен иштөө үчүн иштелип чыккан эки популярдуу оркестр. LangChain - бул көп агенттүү AI системаларын куруу үчүн жөнөкөй жана интуитивдик API менен камсыз кылган Python китепканасы, ал эми DSPy - бул жумуш процесстерин аныктоо жана аткаруу үчүн жогорку деңгээлдеги API менен камсыз кылган Python китепканасы.

LangChain жана DSPy иштеп чыгуучуларга реалдуу убакытта каталарды аныктап, аларга жооп бере турган өзүн-өзү айыктыруучу программалык системаларды түзүүгө мүмкүнчүлүк берет. Алар бир катар функцияларды камсыз кылат, анын ичинде:

  • Агентти башкаруу: LangChain жана DSPy көп агенттүү AI тутумунда агенттерди түзүү, башкаруу жана алар менен иштешүү үчүн API'лерди камсыз кылат.
  • Жумуш агымынын аныктамасы: LangChain жана DSPy иштеп чыгуучуларга каталарга жооп катары иштетилүүчү татаал иш процесстерин жана автоматташтырууларды аныктоого мүмкүндүк берет.
  • Калыбына келтирүү аракеттери: LangChain жана DSPy калыбына келтирүү аракеттерин баштоо үчүн API'лерди камсыздайт, мисалы, резервдик системаны жайылтуу же системанын компоненти иштебей калганда калыбына келтирүү аракетин баштоо.

** LangChain жана DSPy менен өзүн-өзү айыктыруу системасын куруу**

LangChain жана DSPy күчүн көрсөтүү үчүн, келгиле, веб-тиркемедеги мүчүлүштүктөрдү таап, аларга жооп бере турган өзүн-өзү айыктыруучу жөнөкөй системаны куралы. Биз LangChainди колдонсок, көп агенттүү AI тутумун түзөбүз, ал колдонмонун иштешин көзөмөлдөп, ката аныкталганда калыбына келтирүү аракетин ишке киргизет.

Бул жерде LangChain жана DSPy менен өзүн-өзү айыктыруучу системаны кантип куруу керектигин көрсөткөн жөнөкөй код блогу:

импорттук langchain
langchain импорттук агенттен, чынжырдан


агент = Агент(
    name="өзүн-өзү айыктыруучу-агент",
    чынжыр = чынжыр(
        name = "өзүн-өзү айыктыруучу чынжыр",
        кадам=[
            {"name": "monitor", "func": monitor_performance},
            {"аты": "калыбына келтирүү", "функция": калыбына келтирүү_системасы},
        ],
    ),
)

# Колдонмонун иштешин көзөмөлдөө үчүн функцияны аныктаңыз
def monitor_performance():
    # Мүчүлүштүктөрдү аныктоону окшоштуруңуз
    if random.random() < 0,5:
        return {"fiilure": True}
    башка:
        return {"fiilure": False}

# Системаны калыбына келтирүү үчүн функцияны аныктаңыз
def калыбына келтирүү_системасы(катышуусу):
    # Калыбына келтирүү аракетин баштаңыз
    ийгиликсиз болсо["failure"]:
        print("Калыбына келтирүү аракети...")
        # Камдык системаны орнотуңуз же калыбына келтирүү аракетин баштаңыз
        # ...

# DSPy иш агымын түзүү
Workflow = DSPy.Workflow(
    name = "өзүн-өзү айыктыруу-иш агымы",
    кадам=[
        {"name": "monitor", "func": monitor_performance},
        {"аты": "калыбына келтирүү", "функция": калыбына келтирүү_системасы},
    ],
)

# Иш процессин аткарыңыз
workflow.execute()

Бул код блогу LangChain агентин кантип түзүүнү көрсөтөт, ал колдонмонун иштешин көзөмөлдөйт жана ката аныкталганда калыбына келтирүү аракетин козгойт. DSPy иш процесси калыбына келтирүү аракетин аныктоо жана катага жооп катары аны аткаруу үчүн колдонулат.

Эң көп колдонулган 5-10 буйруктар/үзүндүлөр

Бул жерде LangChain жана DSPy үчүн эң көп колдонулган 5-10 буйруктар жана үзүндүлөр:

  1. langchain.Agent(): Жаңы LangChain агентин түзөт.
  2. langchain.Chain(): Жаңы LangChain чынжырын түзөт.
  3. dspypy.Workflow(): Жаңы DSPy иш агымын түзөт.
  4. agent.execute(): LangChain агентин аткарат.
  5. workflow.execute(): DSPy иш процессин аткарат.
  6. agent.chain.steps.append({"name": "step", "func": func}): LangChain чынжырына жаңы кадам кошот.
  7. workflow.steps.append({"name": "step", "func": func}): DSPy иш процессине жаңы кадам кошот.
  8. agent.chain.steps.remove({"name": "step"}): LangChain чынжырынан бир кадамды алып салат.
  9. workflow.steps.remove({"name": "step"}): DSPy иш процессинен бир кадамды алып салат.
  10. agent.chain.steps.insert(0, {"name": "step", "func": func}): LangChain чынжырынын башына жаңы кадамды киргизет.

Визуализация

Бул жерде Chart.js аркылуу LangChain жана DSPy иш процессинин визуализациясы:

{
  "type": "бар",
  "маалымат": {
    "labels": ["Монитор", "Калыбына келтирүү"],
    "маалымат топтомдору": [
      {
        "label": "LangChain",
        "data": [10, 20],
        "backgroundColor": "rgba(255, 99, 132, 0.2)",
        "borderColor": "rgba(255, 99, 132, 1)",
        "borderWidth": 1
      },
      {
        "label": "DSPy",
        "data": [20, 30],
        "backgroundColor": "rgba(54, 162, 235, 0.2)",
        "borderColor": "rgba(54, 162, 235, 1)",
        "borderWidth": 1
      }
    ]
  },
  "опциялар": {
    "аталышы": {
      "дисплей": чын,
      "text": "LangChain жана DSPy Workflow"
    },
    "тараза": {
      "yAxes": [
        {
          "кенелер": {
            "beginAtZero": чын
          }
        }
      ]
    }
  }
}

Бул визуализация LangChain жана DSPy иш процессин көрсөтөт, сол жакта "Монитор" кадамы жана оң жакта "Калыбына келтирүү" кадамы. LangChain иш процесси кызыл тилке менен көрсөтүлөт, ал эми DSPy иш процесси көк тилке менен көрсөтүлөт.

Корутунду

Мульти-агенттүү AI архитектурасы жана оркестрлөө куралдары менен өзүн-өзү айыктыруучу программалык камсыздоо тутумдарын куруу - бул өндүрүштү сактап кала турган бекем жана ийкемдүү системаларды түзүү үчүн күчтүү ыкма. LangChain жана DSPy - иштеп чыгуучуларга реалдуу убакытта каталарды аныктап, аларга жооп бере турган өзүн-өзү айыктыруучу системаларды түзүүгө мүмкүндүк берген эки популярдуу оркестрдик инструмент.

Бул макалада биз көп агенттик AI архитектурасынын жана оркестрлөө куралдарынын концепциясын изилдеп чыктык жана LangChain жана DSPy менен өзүн-өзү айыктыруучу системаны кантип курууну көрсөттүк. Биз ошондой эле иштеп чыгуучуларга өзүн өзү калыбына келтирүүчү системаларды түзө баштоого жардам берүү үчүн бир катар практикалык мисалдарды жана код үзүндүлөрүн бердик.

Сиз программалык камсыздоо инженери, DevOps инженери же AI изилдөөчүсү болсоңуз да, LangChain жана DSPy менен өзүн-өзү айыктыруучу программалык камсыздоо тутумдарын куруу - бул өндүрүштө жашап кете ала турган бекем жана адаптивдик системаларды түзүү үчүн күчтүү ыкма.

Have Questions?

Let's Talk

Contact me on LinkedIn