Mandrindra ny fantsona DevOps AI-Powered miaraka amin'ny DSPy sy LangChain ho an'ny fanadihadiana sy famahana ny trangan-javatra mavitrika | B4N1

Mandrindra ny fantsona DevOps AI-Powered miaraka amin'ny DSPy sy LangChain ho an'ny fanadihadiana sy famahana ny trangan-javatra mavitrika

3 months ago · b4n1 Read time: 4 min

Fampidirana

Ny fahasarotana tsy mitsaha-mitombo amin'ny rafitra rindrambaiko maoderina dia nitarika ny fitomboan'ny matetika sy ny hamafin'ny tranga, ka nahatonga ny fanadihadiana sy ny famahana ny zava-nitranga mavitrika ho lafiny manan-danja amin'ny DevOps. Ny faharanitan-tsaina artifisialy (AI) sy ny fianarana milina (ML) dia nipoitra ho fitaovana mahery vaika hanatsarana ny fantsona DevOps, ahafahan'ny automatique sy orkestra entin'ny AI hamantatra sy hamaha ny zava-nitranga alohan'ny hiantraikany amin'ny orinasa. Ato amin'ity lahatsoratra ity, dia hijery ny fomba fampiharana ny AI-powered DevOps pipelines mampiasa DSPy sy LangChain, miaraka amin'ny fifantohana amin'ny hetsika mavitrika fanadihadiana sy ny famahana ny zava-nitranga tamin'ny AIOps sy RAG maodely, ary ny fampidirana miaraka amin'ny AWS DevOps Agent ho automatique fanadihadiana tranga.

Overview ny DSPy sy LangChain

DSPy dia tranomboky Python izay manome fomba tsotra sy mahomby amin'ny fananganana sy fametrahana fantsona DevOps mandeha amin'ny AI. Izy io dia ahafahan'ny mpamorona mampiditra ny maodely AI sy ML isan-karazany, ao anatin'izany ny fanodinana fiteny voajanahary (NLP), fahitana amin'ny ordinatera, ary fanadihadiana mialoha, ao amin'ny fantsona DevOps. LangChain, etsy ankilany, dia tranomboky Python izay ahafahan'ny mpamorona manangana sy mametraka modely AI midadasika amin'ny fampiasana maritrano modular sy azo esorina.

Fampiharana ny AI-Powered DevOps Pipelines miaraka amin'ny DSPy sy LangChain

Mba hampiharana ny fantsona DevOps mampiasa AI miaraka amin'ny DSPy sy LangChain dia mila manaraka ireto dingana ireto isika:

  1. Fangona angona: Manangona angon-drakitra mifandraika amin'ny loharano isan-karazany, toy ny diary, metrika, ary ny rakitra fikirakirana.
  2. Fanodinana angon-drakitra: Ataovy mialoha ny angon-drakitra voaangona mba hanomanana azy ho amin'ny famakafakana sy fanaovana modely.
  3. Fiofanana maodely: Ampiofanina ny maodely AI sy ML amin'ny fampiasana ny angon-drakitra efa nomanina mba hamantarana sy haminavina tranga.
  4. Fametrahana modely: Ampidiro ao amin'ny fantsona DevOps ireo maodely voaofana amin'ny fampiasana DSPy sy LangChain.
  5. Famotopotorana zava-nitranga: Ampiasao ireo maodely napetraka mba hanadihadiana ireo trangan-javatra sy hamantarana ny antony fototra.
  6. Famahana zava-nitranga: Ampiasao ny hevitra azo avy amin'ny fanadihadiana momba ny zava-nitranga mba hamahana ny zava-nitranga.

Ohatra Code: Fampiharana Modely RAG Tsotra miaraka amin'ny DSPy sy LangChain

Ity misy ohatra kaody tsotra izay mampiseho ny fomba fampiharana ny maodely RAG (Root Cause Analysis) mampiasa DSPy sy LangChain:

import dspy
avy amin'ny langchain import LLMChain

# Ampidiro ny angon-drakitra efa voaomana
data = pd.read_csv("data.csv")

# Farito ny maodely RAG
rag_model = dspy.RAGModel(
    input_features=["log_level", "error_message"],
    output_features=["fotony_antony"]
)

# Ampiofanina ny maodely RAG
rag_model.train(data)

# Ampidiro ny maodely RAG
llm_chain = LLMChain(
    model="davinci:002",
    lava_be_x=2048
)
rag_model.deploy(llm_chain)

# Ampiasao ny maodely RAG napetraka hanadihadiana tranga
angona_niseho = pd.DataFrame({
    "log_level": ["ERROR"],
    "error_message": ["Nisy tsy nety"]
})
root_cause = rag_model.predict(data_tranga)
print (fotony_antony)

Ity ohatra code ity dia mampiseho ny fomba fampiharana modely RAG tsotra amin'ny DSPy sy LangChain. Ny maodely RAG dia mandray ny haavon'ny log sy ny hafatra diso ho endri-javatra fampidirana ary maminavina ny fototry ny zava-nitranga.

Didy/Snippet 5-10 ambony indrindra

Ireto ny baiko / snippets 5-10 ambony indrindra ho an'ny DSPy sy LangChain:

  1. dspy.RAGModel(input_features, output_features): Farito ny maodely RAG miaraka amin'ny endri-javatra fampidirana sy fivoahana voafaritra.
  2. dspy.RAGModel.train(data): Mampiofana maodely RAG mampiasa ny angona nomena.
  3. dspy.RAGModel.deploy(llm_chain): Mametraka modely RAG voaofana amin'ny fampiasana LangChain LLMChain.
  4. llm_chain = LLMChain(modely, max_length): Mamorona LangChain LLMChain miaraka amin'ny modely voafaritra sy ny halavany ambony indrindra.
  5. rag_model.predict(data): Mampiasà maodely RAG napetraka mba haminavina ny fototry ny tranga iray.
  6. dspy.DataPreprocessor(input_data): Farito ny fantsona fanodinana data mialoha amin'ny fampiasana DSPy.
  7. dspy.ModelTrainer(modely, data): Miofana maodely AI na ML mampiasa DSPy.
  8. dspy.ModelDeployer(modely, llm_chain): Mametraka modely voaofana amin'ny fampiasana DSPy sy LangChain.
  9. langchain.LLMChain.predict(input_data): Mampiasà LLMChain LangChain mba haminavina ny voka-dalao.
  10. dspy.RAGModel.evaluate(data): Tombanana ny fahombiazan'ny maodely RAG mampiasa DSPy.

Visualization

Ity misy ohatra iray amin'ny fijerena sary mampiasa Chart.js:

{
  "type": "bar",
  "data": {
    "labels": ["karazana tranga A", "karazana tranga B", "karazana tranga C"],
    "datasets": [
      {
        "label": "Ny fototry ny A",
        "data": [10, 15, 7],
        "backgroundColor": "rgba(255, 99, 132, 0.2)",
        "borderColor": "rgba(255, 99, 132, 1)",
        "BorderWidth": 1
      },
      {
        "label": "Ny fototry ny B",
        "data": [8, 12, 9],
        "backgroundColor": "rgba(54, 162, 235, 0.2)",
        "borderColor": "rgba(54, 162, 235, 1)",
        "BorderWidth": 1
      },
      {
        "label": "Ny fototry ny C",
        "data": [14, 18, 11],
        "backgroundColor": "rgba(255, 206, 86, 0.2)",
        "borderColor": "rgba(255, 206, 86, 1)",
        "BorderWidth": 1
      }
    ]
  },
  "safidy": {
    "lohateny": {
      "fampisehoana": marina,
      "text": "Famakafakana ny antony fototra"
    },
    "mizana": {
      "yAxes": [
        {
          "tonga": {
            "beginAtZero": marina
          }
        }
      ]
    }
  }
}

Ity sary ity dia mampiseho ny fitsinjarana ny fototry ny karazana tranga samihafa.

Fehiny

Ao amin'ity lahatsoratra ity, dia nandinika ny fomba fampiharana ny fantsona DevOps AI-powered amin'ny DSPy sy LangChain izahay, miaraka amin'ny fifantohana amin'ny fanadihadiana momba ny zava-nitranga mavitrika sy ny famahana ny fampiasana ny maodely AIOps sy RAG, ary ny fampidirana amin'ny AWS DevOps Agent ho an'ny fanadihadiana momba ny tranga mandeha ho azy. Nampiseho ohatra kaody tsotra izahay izay mametraka modely RAG amin'ny fampiasana DSPy sy LangChain, ary nanome lisitry ny baiko / snippets 5-10 ambony indrindra ho an'ny DSPy sy LangChain. Nampidirinay ihany koa ny ohatra momba ny fijerena sary mampiasa Chart.js. Amin'ny fanarahana ireo dingana voatondro ato amin'ity lahatsoratra ity, ny mpamorona dia afaka manangana sy mametraka fantsona DevOps mandeha amin'ny AI izay mamantatra sy mamaha ny zava-mitranga amin'ny fomba mavitrika, manatsara ny fahombiazany sy ny fahamendrehan'ny rafitra rindrambaiko.


Have Questions?

Let's Talk

Contact me on LinkedIn