LangChain чатбот үүсгэх

AI-ээр ажилладаг DevOps автоматжуулалтыг Kiro AI-powered агентууд болон LangChain-тай хэрэгжүүлэх

Танилцуулга

Хиймэл оюун ухаан (AI) болон машин сургалтын (ML) технологиуд улам бүр нэмэгдэж байгаатай холбоотойгоор DevOps ландшафт хурдацтай хөгжиж байна. AI чухал нөлөө үзүүлж буй гол салбаруудын нэг бол DevOps автоматжуулалт юм. Энэ нийтлэлд бид DevOps автоматжуулалт дахь AI агентуудын техникийн хэрэгжилтийг судалж, сайжруулсан автоматжуулалт, зохион байгуулалтын чадавхийг сайжруулахын тулд Kiro AI-ээр ажилладаг агентуудыг LangChain-тай нэгтгэхэд анхаарлаа хандуулах болно.

Киро хиймэл оюун ухаанаар ажилладаг агентууд гэж юу вэ?

Kiro AI-ээр ажилладаг агентууд нь даалгавруудыг автоматжуулах, шийдвэр гаргахад AI болон ML алгоритмуудыг ашигладаг програм хангамжийн агентуудын нэг төрөл юм. Эдгээр агентууд нь өгөгдлөөс суралцаж, өөрчлөгдөж буй орчинд дасан зохицоход зориулагдсан тул DevOps дамжуулах хоолой зэрэг нарийн төвөгтэй, динамик системүүдэд тохиромжтой.

LangChain гэж юу вэ?

LangChain бол Python номын сан бөгөөд харилцан ярианы хиймэл оюун ухааны програмуудыг бүтээхэд зориулсан багц хэрэгсэл, API-уудыг хангадаг. Энэ нь хөгжүүлэгчдэд байгалийн хэлний боловсруулалт (NLP) болон машин сургалтын алгоритмуудыг ашиглан чатбот, дуут туслах болон бусад харилцан ярианы интерфейс үүсгэх боломжийг олгодог.

Киро хиймэл оюун ухаанаар ажилладаг агентуудыг LangChain-тэй нэгтгэх

Kiro AI-ээр ажилладаг агентуудыг LangChain-тэй нэгтгэхийн тулд бид агентуудтай харилцаж, шаардлагатай оролт, гаралтыг өгөх боломжтой харилцан ярианы интерфейсийг бий болгох хэрэгтэй. Архитектурын дээд түвшний тоймыг энд оруулав.

Хэрэглэгчийн оролт: Хэрэглэгч харилцан ярианы интерфэйстэй харилцаж, текст эсвэл дуу хоолой хэлбэрээр оролт өгдөг.
Natural Language Processing (NLP): Оролтоо холбогдох мэдээлэл, зорилгыг гаргаж авахын тулд NLP алгоритмыг ашиглан боловсруулдаг.
Агент сонгох: Харилцан ярианы интерфэйс нь хэрэглэгчийн оруулсан зүйл, зорилгод тулгуурлан холбогдох Kiro AI-ээр ажилладаг агентийг сонгодог.
Агенттай харилцах: Сонгосон агент нь даалгавруудыг автоматжуулах, шийдвэр гаргах зэрэг шаардлагатай үйлдлүүдийг гүйцэтгэхэд түлхэц болно.
Гаралт: Агентын гаралтыг боловсруулж, харилцан ярианы интерфейсээр дамжуулан хэрэглэгч рүү буцаана.

Техникийн хэрэгжилт

Энэхүү архитектурыг хэрэгжүүлэхийн тулд бид Python, Rust, Go програмчлалын хэлийг хослуулан ашиглах хэрэгтэй. Kiro AI-ээр ажилладаг агентуудыг LangChain-тай нэгтгэж байгааг харуулсан энгийн кодын блок энд байна.

langchain импортлох
kiro импортын агентаас


chatbot = langchain.Chatbot(
    загвар = "davinci:002",
    температур = 0.7,
    max_tokens=2048,
    user_agent = "Киро хиймэл оюун ухаанаар ажилладаг агент"
)

# Kiro AI-ээр ажилладаг агент үүсгэ
төлөөлөгч = Агент(
    нэр = "Миний агент",
    description="Даалгавруудыг автоматжуулдаг энгийн агент",
    үйлдлүүд=[
        "ажиллуулах_команд",
        "имэйл_илгээх",
        "тасалбар үүсгэх"
    ]
)

# Агенттай харилцах функцийг тодорхойлох
def_агенттай_харьцах(оролтын_текст):
    # Оролтоо NLP ашиглан боловсруул
    зорилго = langchain.extract_intent(оролтын_текст)
    
    # Зорилгодоо үндэслэн холбогдох төлөөлөгчийг сонгоно уу
    хэрэв intent == "командыг ажиллуулах":
        agent.run_command()
    elif intent == "мэйл илгээх":
        agent.send_email()
    elif intent == "тасалбар үүсгэх":
        agent.create_ticket()
    
    # Агентын гаралтыг буцаана
    буцаах агент.гаралт

# Функцийг шалгана уу
input_text = "Бүтээлийн скриптийг ажиллуулах"
гаралт = агенттай_харьцах(оролтын_текст)
хэвлэх (гаралт)

Энэхүү кодын блок нь LangChain чатбот болон Kiro AI-ээр ажилладаг агентийг хэрхэн үүсгэх, харилцан ярианы интерфейс ашиглан агенттай хэрхэн харилцахыг харуулж байна.

Хамгийн их ашиглагддаг 5-10 тушаал/хэсэг

Kiro AI-ээр ажилладаг агентууд болон LangChain-д зориулсан хамгийн түгээмэл хэрэглэгддэг тушаалууд болон хэсгүүдийг энд оруулав.

langchain.Chatbot(model="davinci:002", температур=0.7, max_tokens=2048, user_agent="Kiro AI-Powered Agent"): Заасан загвар болон параметрүүдтэй LangChain чатбот үүсгэнэ.
Agent(name="My Agent", description="A simple agent that automates tasks", actions=["run_command", "send_email", "create_ticket"]): Заасан нэр, тайлбар, үйлдэл бүхий Kiro AI-д суурилсан агент үүсгэнэ.
langchain.extract_intent(input_text): Оролтын текстийг NLP ашиглан боловсруулдаг.
agent.run_command(): Агентийг команд ажиллуулахыг идэвхжүүлнэ.
agent.send_email(): Агентийг имэйл илгээхийг өдөөдөг.
agent.create_ticket(): Агентийг тасалбар үүсгэхийг өдөөдөг.
langchain.Chatbot().ask(input_text): Чатботоос асуулт асууж хариуг нь буцаана.
langchain.Chatbot().tell(input_text): Чатботт мэдэгдэл хэлээд хариуг нь буцаана.
langchain.Chatbot().listen(): Хэрэглэгчийн оруулсан мэдээллийг сонсож хариуг нь буцаана.
langchain.Chatbot().stop(): Чатботыг зогсоож нөөцийг гаргадаг.

Дүрслэл

Chart.js ашиглан архитектурын энгийн дүрслэлийг энд үзүүлэв.

{
  "төрөл": "дүрээ диаграм",
  "өгөгдөл": {
    "шошго": ["Хэрэглэгчийн оролт", "NLP", "Агент сонгох", "Агенттай харилцах", "Гаралт"],
    "өгөгдлийн багц": [
      {
        "шошго": "Архитектур",
        "өгөгдөл": [10, 20, 30, 40, 50],
        "арын өнгө": [
          "#FF6384",
          "#36A2EB",
          "#FFCE56",
          "#4BC0C0",
          "#FF99CC"
        ]
      }
    ]
  },
  "сонголт": {
    "гарчиг": {
      "дэлгэц": үнэн,
      "текст": "AI-ээр ажилладаг DevOps автоматжуулалтын архитектур"
    },
    "домог": {
      "дэлгэц": үнэн
    }
  }
}

Энэхүү дүрслэл нь хэрэглэгчийн оролт, NLP, агент сонгох, агентийн харилцан үйлчлэл, гаралт зэрэг архитектурын өөр өөр бүрэлдэхүүн хэсгүүдийг харуулдаг.

Дүгнэлт

Энэ нийтлэлд бид DevOps автоматжуулалт дахь AI агентуудын техникийн хэрэгжилтийг судалж, сайжруулсан автоматжуулалт, зохион байгуулалтын чадавхийг сайжруулахын тулд Kiro AI-ээр ажилладаг агентуудыг LangChain-тай нэгтгэхэд анхаарлаа хандуулсан. Бид Kiro AI-ээр ажилладаг агентуудыг LangChain-тай нэгтгэж байгааг харуулсан энгийн кодын блокыг үзүүлж, Kiro AI-ээр ажилладаг агентууд болон LangChain-д зориулсан хамгийн түгээмэл хэрэглэгддэг командууд болон хэсгүүдийн жагсаалтыг өгсөн. Мөн бид Chart.js ашиглан архитектурын дүрслэлийг оруулсан. AI-д суурилсан агентууд болон харилцан ярианы интерфейсийг ашигласнаар DevOps багууд даалгавруудыг автоматжуулж, үр ашгийг дээшлүүлж, алдааг бууруулж, DevOps автоматжуулалтыг илүү үр дүнтэй, үр ашигтай болгодог.

LangChain чатбот үүсгэх

Have Questions?