LangChain болон StackGen-тэй хиймэл оюун ухаанаар ажилладаг програм хангамж хөгжүүлэлтийг зохион байгуулах | B4N1

LangChain болон StackGen-тэй хиймэл оюун ухаанаар ажилладаг програм хангамж хөгжүүлэлтийг зохион байгуулах

3 months ago · b4n1 Read time: 5 min

Танилцуулга

DevOps процесст хиймэл оюун ухаан болон автоматжуулалт улам бүр чухал үүрэг гүйцэтгэж байгаа тул програм хангамж хөгжүүлэх орчин хурдацтай хөгжиж байна. Энэхүү өөрчлөлтийг удирдаж буй хоёр гол технологи нь LangChain болон StackGen юм. LangChain нь хиймэл оюун ухаанаар ажилладаг агентуудыг бий болгох нээлттэй эхийн хүрээ бөгөөд StackGen нь дэд бүтцийн тохиргоог автоматжуулах хэрэгсэл юм. Энэ нийтлэлд бид эдгээр хоёр технологийг хамтад нь AI-д суурилсан DevOps автоматжуулалтын шугам сүлжээг бий болгоход хэрхэн ашиглаж, ухаалаг кодыг хянах, санал болгоход зориулж GPT-5.5-ийн хүчийг ашиглан судлах болно.

DevOps автоматжуулалтын сорилт

DevOps автоматжуулалт нь програм хангамжийн хөгжүүлэлт, туршилт, байршуулалтыг оновчтой болгохын тулд олон хэрэгсэл, технологийг нэгтгэх шаардлагатай нарийн төвөгтэй ажил юм. Уламжлалт аргууд нь ихэвчлэн гар ажиллагаатай процессуудад тулгуурладаг бөгөөд энэ нь алдаа, саатал, үр ашиггүй байдалд хүргэдэг. Хиймэл оюун ухаан ба автоматжуулалтын өсөлт нь ирээдүйтэй шийдлийг санал болгож байгаа ч үндсэн технологи, тэдгээрийн нэгдмэл байдлын талаар гүнзгий ойлголттой байхыг шаарддаг.

LangChain: AI-ээр ажилладаг DevOps-д зориулсан агент зохион байгуулалт

LangChain бол өгөгдөл боловсруулахаас эхлээд кодыг хянах хүртэл өргөн хүрээний ажлыг гүйцэтгэх хиймэл оюун ухаанаар ажилладаг агентуудыг бүтээх нээлттэй эхийн хүрээ юм. Түүний агент зохион байгуулах чадвар нь хөгжүүлэгчдэд хиймэл оюун ухааны олон загвар, хэрэгслийг нэгтгэсэн нарийн төвөгтэй ажлын урсгалыг бий болгох боломжийг олгодог. LangChain-ийн архитектур нь өндөр модульчлагдсан, өргөтгөх боломжтой байхаар бүтээгдсэн бөгөөд энэ нь захиалгат DevOps автоматжуулалтын шугам хоолой барихад тохиромжтой сонголт юм.

LangChain архитектур

LangChain архитектур нь гурван үндсэн бүрэлдэхүүн хэсгээс бүрдэнэ.

  1. Агентнууд: Эдгээр нь LangChain системийн үндсэн бүрэлдэхүүн хэсгүүд бөгөөд өгөгдөл боловсруулах, код шалгах, тест хийх зэрэг тодорхой ажлуудыг гүйцэтгэх үүрэгтэй.
  2. Ажлын урсгал: Эдгээр нь программ хангамж бүтээх, ашиглах зэрэг тодорхой зорилгод хүрэхийн тулд агентуудын гүйцэтгэдэг ажлуудын дараалал юм.
  3. Оркестратор: Энэ нь ажлын урсгалыг удирдаж, даалгавруудыг зөв дарааллаар гүйцэтгэх, аливаа алдааг зохих ёсоор зохицуулахыг баталгаажуулдаг бүрэлдэхүүн хэсэг юм.

Жишээ код: LangChain агент үүсгэх

GPT-5.5 ашиглан кодын шалгалт хийдэг LangChain агент үүсгэх энгийн жишээ энд байна.

langchain импортлох
langchain.chains импортын gpt5_5

# GPT-5.5 агент үүсгэх
агент = gpt5_5.GPT5_5Agent()

# Код шалгах ажлын урсгалыг тодорхойлох
ажлын урсгал = langchain.Workflow(
    нэр = "код_шалгах",
    даалгавар=[
        {
            "төрөл": "текст",
            "input": "Дараах кодыг шалгана уу",
            "гаралт": "код_шалгах"
        },
        {
            "төрөл": "текст",
            "оролт": "код_шалгах",
            "гаралт": "хянагдсан_код"
        }
    ]
)

# Код шалгах ажлын урсгалыг гүйцэтгэдэг LangChain агент үүсгэ
агент = langchain.Agent(ажлын урсгал=ажлын урсгал, агент=агент)

# Код шалгах ажлын урсгалыг ажиллуул
үр дүн = agent.run(input = "Дараах кодыг шалгана уу")
хэвлэх (үр дүн. гаралт)

Энэ код нь GPT-5.5 ашиглан кодын хянан шалгах LangChain агентийг үүсгэдэг. Агент нь хоёр даалгавраас бүрдэх ажлын урсгал гэж тодорхойлогддог: нэг нь хэрэглэгчээс хянуулах код өгөхийг шаарддаг, нөгөө нь GPT-5.5 ашиглан кодыг хянадаг.

StackGen: DevOps автоматжуулалтад зориулсан дэд бүтцийн тохиргоо

StackGen нь дэд бүтцийн тохиргоог автоматжуулах хэрэгсэл бөгөөд үүнийг DevOps автоматжуулалтын дамжуулах хоолойн хувьд хамгийн тохиромжтой сонголт болгодог. Архитектур нь модульчлагдсан, өргөтгөх боломжтой байхаар бүтээгдсэн бөгөөд хөгжүүлэгчид өөрсдийн хэрэглээний дэд бүтцийн тохиргоог бий болгох боломжийг олгодог.

StackGen архитектур

StackGen архитектур нь гурван үндсэн бүрэлдэхүүн хэсгээс бүрдэнэ.

  1. Үйлчилгээ үзүүлэгчид: Эдгээр нь AWS эсвэл GCP зэрэг дэд бүтцийн нөөцийг удирддаг бүрэлдэхүүн хэсгүүд юм.
  2. Тохиргоо: Эдгээр нь виртуал машин эсвэл мэдээллийн сан гэх мэт дэд бүтцийн нөөцийн тодорхойлолт юм.
  3. Оркестратор: Энэ нь дэд бүтцийн нөөцийг зөв үүсгэж, шинэчилж байгаа эсэхийг баталгаажуулж, тохиргоог удирддаг бүрэлдэхүүн хэсэг юм.

Жишээ код: StackGen тохиргоог үүсгэх

Виртуал машинд зориулж StackGen тохиргоог бий болгох энгийн жишээ энд байна.

stackgen::config ашиглах;

// Виртуал машины тохиргоог тодорхойлох
let vm_config = config::VMConfig {
    нэр: "my_vm".to_string(),
    үйлчилгээ үзүүлэгч: "aws".to_string(),
    бүс: "us-west-2".to_string(),
    instance_type: "t2.micro".to_string(),
    image_id: "ami-abc123".to_string(),
};

// StackGen тохиргоог үүсгэх
let config = config::Config {
    нэр: "my_config".to_string(),
    үйлчилгээ үзүүлэгч: "aws".to_string(),
    бүс: "us-west-2".to_string(),
    нөөц: vec![vm_config],
};

// Тохиргоог файлд хадгална
config.save("my_config.yaml");

Энэ код нь stackgen крат ашиглан виртуал машинд зориулсан StackGen тохиргоог үүсгэдэг. Тохиргоо нь нэр, үйлчилгээ үзүүлэгч, бүс нутаг, жишээний төрөл, зургийн ID зэрэг шинж чанаруудыг агуулсан "VMConfig" бүтэц гэж тодорхойлогддог.

AI-д суурилсан DevOps автоматжуулалтад зориулж LangChain болон StackGen-ийг нэгтгэх

AI-д суурилсан DevOps автоматжуулалтын шугамыг бий болгохын тулд бид LangChain болон StackGen-ийг нэгтгэх хэрэгтэй. Үүнд LangChain агентуудыг код шалгах, турших гэх мэт ажлуудыг гүйцэтгэх, StackGen-ийг дэд бүтцийн нөөцийг удирдахад ашигладаг ажлын урсгалыг бий болгох орно.

Жишээ код: LangChain болон StackGen-ийг нэгтгэх

AI-д суурилсан DevOps автоматжуулалтын шугамыг бий болгохын тулд LangChain болон StackGen-ийг нэгтгэх энгийн жишээ энд байна.

langchain импортлох
langchain.chains импортын gpt5_5
импортын стекген

# GPT-5.5 агент үүсгэх
агент = gpt5_5.GPT5_5Agent()

# Код шалгах ажлын урсгалыг тодорхойлох
ажлын урсгал = langchain.Workflow(
    нэр = "код_шалгах",
    даалгавар=[
        {
            "төрөл": "текст",
            "input": "Дараах кодыг шалгана уу",
            "гаралт": "код_шалгах"
        },
        {
            "төрөл": "текст",
            "оролт": "код_шалгах",
            "гаралт": "хянагдсан_код"
        }
    ]
)

# Код шалгах ажлын урсгалыг гүйцэтгэдэг LangChain агент үүсгэ
агент = langchain.Agent(ажлын урсгал=ажлын урсгал, агент=агент)

# StackGen тохиргоог тодорхойлох
vm_config = stackgen.config.VMConfig {
    нэр: "my_vm".to_string(),
    үйлчилгээ үзүүлэгч: "aws".to_string(),
    бүс: "us-west-2".to_string(),
    instance_type: "t2.micro".to_string(),
    image_id: "ami-abc123".to_string(),
}

# StackGen тохиргоог үүсгэ
config = stackgen.config.Config {
    нэр: "my_config".to_string(),
    үйлчилгээ үзүүлэгч: "aws".to_string(),
    бүс: "us-west-2".to_string(),
    нөөц: vec![vm_config],
}

# Тохиргоог файлд хадгална уу
config.save("my_config.yaml");

# Код шалгах ажлын урсгалыг ажиллуул
үр дүн = agent.run(input = "Дараах кодыг шалгана уу")
хэвлэх (үр дүн. гаралт)

# Дэд бүтцийн нөөцийг үүсгэхийн тулд StackGen тохиргоог ашиглана уу
stackgen.create_resources(тохиргоо)

Энэхүү код нь LangChain болон StackGen-ийг нэгтгэж, AI-д суурилсан DevOps автоматжуулалтын шугамыг бий болгодог. Дамжуулах хоолой нь LangChain агентийг GPT-5.5 ашиглан кодын хянан шалгах, дэд бүтцийн нөөцийг удирдах StackGen тохиргоог ашигладаг.

Хамгийн их ашиглагддаг 5-10 тушаал/хэсэг

LangChain болон StackGen-д хамгийн их хэрэглэгддэг 5-10 тушаал/хэсэг энд байна:

  1. langchain.Agent(ажлын урсгал=ажлын урсгал, агент=агент): Тодорхой агент ашиглан ажлын урсгалыг гүйцэтгэдэг LangChain агент үүсгэнэ.
  2. stackgen.config.VMConfig(...): StackGen ашиглан виртуал машины тохиргоог тодорхойлно.
  3. langchain.Workflow(...): LangChain ашиглан ажлын урсгалыг тодорхойлно.
  4. stackgen.create_resources(config): StackGen тохиргоог ашиглан дэд бүтцийн нөөц үүсгэнэ.
  5. langchain.Agent.run(input="..."): Тодорхой оролттой LangChain агентийг ажиллуулдаг.
  6. stackgen.config.save("..."): StackGen тохиргоог файлд хадгална.
  7. langchain.Workflow.tasks(...): LangChain ажлын урсгал дахь ажлуудыг тодорхойлдог.
  8. stackgen.config.resources(...): StackGen тохиргоонд нөөцүүдийг тодорхойлно.
  9. langchain.Agent.agent(...): LangChain агенттай холбоотой агентийг авна.
  10. stackgen.config.provider(...): StackGen тохиргоотой холбоотой үйлчилгээ үзүүлэгчийг авна.

Дүрслэл

Chart.js ашиглан LangChain болон StackGen архитектурын дүрслэлийг энд үзүүлэв.

{
  "төрөл": "бар",
  "өгөгдөл": {
    "шошго": ["LangChain", "StackGen"],
    "өгөгдлийн багц": [
      {
        "label": "Бүрдэл хэсгүүд",
        "өгөгдөл": [3, 3],
        "backgroundColor": ["#4CAF50", "#FF9800"]
      },
      {
        "label": "Даалгавар",
        "өгөгдөл": [5, 5],
        "backgroundColor": ["#2196F3", "#9C27B0"]
      }
    ]
  },
  "сонголт": {
    "гарчиг": {
      "дэлгэц": үнэн,
      "текст": "LangChain болон StackGen архитектур"
    },
    "домог": {
      "дэлгэц": үнэн
    }
  }
}

Энэхүү дүрслэл нь LangChain болон StackGen архитектурын бүрэлдэхүүн хэсгүүд болон даалгавруудын тоог харуулдаг.

Дүгнэлт

Энэ нийтлэлд бид LangChain болон StackGen-ийг AI-д суурилсан DevOps автоматжуулалтын шугамыг бий болгоход хэрхэн ашиглаж болохыг судалсан. LangChain-ийн агентын зохион байгуулалтын чадавхийг код шалгах, турших зэрэг ажлуудыг гүйцэтгэхэд хэрхэн ашиглаж болохыг, мөн StackGen-ийн дэд бүтцийн тохиргооны чадавхийг дэд бүтцийн нөөцийг удирдахад хэрхэн ашиглаж болохыг бид харсан. Бид мөн DevOps автоматжуулалтын тасралтгүй дамжуулах хоолойг бий болгохын тулд эдгээр хоёр технологийг хэрхэн нэгтгэж болохыг олж харсан.

Have Questions?

Let's Talk

Contact me on LinkedIn