Програм хангамж хөгжүүлэх ажлын урсгалд Agentic AI-г нэгтгэх нь: Практик гарын авлага

Агентик хиймэл оюун ухааныг програм хангамж хөгжүүлэх ажлын урсгалд нэгтгэх нь: Практик гарын авлага

Танилцуулга

Хиймэл оюун ухаан (AI) болон Machine Learning (ML) технологиуд улам бүр нэмэгдэж байгаатай холбоотойгоор програм хангамж хөгжүүлэх орчин хурдацтай хөгжиж байна. AI судалгааны хамгийн сонирхолтой чиглэлүүдийн нэг бол нарийн төвөгтэй зорилгод хүрэхийн тулд хүмүүс болон бусад агентуудтай харилцаж чаддаг ухаалаг агентуудыг бий болгоход чиглэдэг Agentic AI юм. Энэ нийтлэлд бид программ хангамжийн архитекторууд болон төслийн менежерүүд LangChain, DSPy зэрэг хиймэл оюун ухааныг ашиглан хамтын ажиллагааг сайжруулах, процессыг автоматжуулах, орчин үеийн хөгжүүлэлтийн орчинд програм хангамжийн хүргэлтийг сайжруулах зорилгоор хэрхэн ашиглаж болохыг судлах болно.

Agentic AI гэж юу вэ?

Agentic AI гэдэг нь тодорхой зорилгод хүрэхийн тулд хүн эсвэл бусад төлөөлөгчийн нэрийн өмнөөс ажиллах зорилготой хиймэл оюун ухааны төрлийг хэлдэг. Эдгээр агентууд мэдээлэл цуглуулах, шийдвэр гаргах, арга хэмжээ авахын тулд хүмүүс, бусад агентууд болон хүрээлэн буй орчинтой харилцаж чаддаг. Agentic AI нь ердийн хиймэл оюун ухаанаас ялгаатай бөгөөд энэ нь энгийн реактив бус харин идэвхтэй, бие даасан байдлаар бүтээгдсэн байдаг.

Програм хангамж боловсруулахад агентын хиймэл оюун ухааны ашиг тус

Програм хангамжийн архитекторууд болон төслийн менежерүүд яагаад агент хиймэл оюун ухаанд санаа тавих ёстой вэ? Програм хангамж боловсруулах ажлын урсгалд агент AI-г нэгтгэсний зарим давуу талууд энд байна:

Сайжруулсан хамтын ажиллагаа: Agentic AI нь даалгавруудыг автоматжуулах, бодит цагийн санал хүсэлтийг өгөх, харилцаа холбоог хөнгөвчлөх зэргээр багууд илүү үр дүнтэй хамтран ажиллахад тусалдаг.
Автоматжуулсан процессууд: Agentic AI нь дахин давтагдах, цаг хугацаа шаардсан ажлуудыг автоматжуулж, хөгжүүлэгчид илүү өндөр түвшний ажлуудад анхаарлаа төвлөрүүлэх боломжийг олгодог.
Сайжруулсан шийдвэр гаргах чадвар: Agentic AI нь багууд илүү сайн шийдвэр гаргахад нь туслахын тулд өгөгдөлд тулгуурласан ойлголт, зөвлөмж өгөх боломжтой.
Үр ашгийг нэмэгдүүлэх: Agentic AI нь саад бэрхшээлийг олж илрүүлэх, ажлын урсгалыг оновчтой болгох, үйл явцыг оновчтой болгох замаар багуудад илүү үр дүнтэй ажиллахад тусалдаг.

LangChain: алдартай Agentic AI Framework

LangChain бол хөгжүүлэгчдэд хүмүүс болон бусад агентуудтай харилцаж чаддаг ухаалаг агентуудыг бүтээх боломжийг олгодог алдартай агентын хиймэл оюун ухаан юм. LangChain нь Rust програмчлалын хэл дээр бүтээгдсэн бөгөөд хиймэл хиймэл оюун ухааны програмуудыг бий болгоход хялбар, ойлгомжтой API өгдөг.

LangChain-ийг эхлүүлэх

LangChain-ийг эхлүүлэхийн тулд та LangChain номын санг суулгаж, Rust хөгжүүлэлтийн орчинг тохируулах хэрэгтэй. LangChain агентийг хэрхэн үүсгэх энгийн жишээ энд байна.

langchain ашиглах::{Агент, Гинж};

fn main() {
    let agent = Agent::new("Миний Агент");
    let chain = Гинж::шинэ(агент);

    chain.execute("Сайн уу, дэлхий!");
}

Энэ код нь шинэ LangChain агент үүсгэж, "Сайн уу, дэлхий!" хэвлэх энгийн командыг гүйцэтгэдэг. консол руу.

DSPy: Python дээр суурилсан Agentic AI Framework

DSPy нь Python-д суурилсан агентын хиймэл оюун ухааны тогтолцоо бөгөөд ухаалаг агентуудыг бүтээхэд хялбар бөгөөд ойлгомжтой API-г өгдөг. DSPy нь NumPy, Pandas зэрэг алдартай Python сангуудтай ажиллахад зориулагдсан.

DSPy-г эхлүүлэх

DSPy-г эхлүүлэхийн тулд та DSPy номын санг суулгаж, Python хөгжүүлэлтийн орчинг тохируулах хэрэгтэй. DSPy агентийг хэрхэн үүсгэх энгийн жишээ энд байна.

dspy-г dsp болгон импортлох

def main():
    агент = dsp.Agent("Миний агент")
    agent.execute("Сайн уу, дэлхий!")

хэрэв __нэр__ == "__үндсэн__":
    гол()

Энэ код нь шинэ DSPy агент үүсгэж, "Сайн уу, дэлхий!" хэвлэх энгийн командыг гүйцэтгэдэг. консол руу.

Хамгийн их ашиглагддаг 5-10 тушаал/хэсэг

LangChain болон DSPy-д зориулсан хамгийн түгээмэл хэрэглэгддэг командууд болон хэсгүүдийг энд оруулав.

LangChain

Agent::new("My Agent"): Шинэ LangChain агент үүсгэнэ.
Chain::new(agent): Шинэ LangChain сүлжээ үүсгэнэ.
chain.execute("Сайн уу, дэлхий!"): LangChain хэлхээн дээрх тушаалыг гүйцэтгэдэг.
agent.ask("Таны нэр хэн бэ?"): LangChain агентаас асуулт асууна.
agent.tell("Намайг Жон гэдэг."): LangChain агентад нэг хэсэг мэдээлэл хэлнэ.

DSPy

dsp.Agent("Миний Агент"): Шинэ DSPy агент үүсгэнэ.
agent.execute("Сайн уу, дэлхий!"): DSPy агент дээрх тушаалыг гүйцэтгэдэг.
agent.ask("Таны нэр хэн бэ?"): DSPy агентаас асуулт асууна.
agent.tell("Намайг Жон гэдэг."): DSPy агентад нэг хэсэг мэдээлэл хэлнэ.
agent.memory["key"] = "value": DSPy агентын санах ойд утгыг тохируулна.

Дүрслэл

Chart.js ашиглан LangChain болон DSPy агентуудын энгийн дүрслэлийг энд үзүүлэв.

{
  "төрөл": "бар",
  "өгөгдөл": {
    "шошго": ["LangChain", "DSPy"],
    "өгөгдлийн багц": [
      {
        "label": "Агентыг гүйцэтгэх хугацаа",
        "өгөгдөл": [10, 20],
        "backgroundColor": ["#4CAF50", "#FF9800"]
      }
    ]
  },
  "сонголт": {
    "гарчиг": {
      "дэлгэц": үнэн,
      "text": "Агентыг гүйцэтгэх хугацааны харьцуулалт"
    },
    "масштаб": {
      "yAxes": [
        {
          "хачиг": {
            "beginAtZero": үнэн
          }
        }
      ]
    }
  }
}

Энэхүү график нь LangChain болон DSPy агентуудын гүйцэтгэлийн хугацааг харьцуулсан болно.

Дүгнэлт

Энэ нийтлэлд бид программ хангамжийн архитекторууд болон төслийн менежерүүд LangChain, DSPy зэрэг хиймэл оюун ухааныг ашиглан хамтын ажиллагааг сайжруулах, процессуудыг автоматжуулах, орчин үеийн хөгжүүлэлтийн орчинд програм хангамжийн хүргэлтийг сайжруулах зорилгоор хэрхэн ашиглаж болохыг судалсан. Бид мөн LangChain болон DSPy-ийг эхлүүлэх практик гарын авлагыг өгсөн бөгөөд үүнд энгийн жишээнүүд, түгээмэл хэрэглэгддэг командууд болон хэсгүүдийг багтаасан болно. Програм хангамжийн хөгжүүлэлтийн ажлын урсгалд агентын хиймэл оюун ухааныг нэгтгэснээр багууд үр ашиг, бүтээмж, шийдвэр гаргах чадварыг сайжруулж, эцэст нь програм хангамжийг хүргэх илүү үр дүнд хүргэж чадна.

Програм хангамж хөгжүүлэх ажлын урсгалд Agentic AI-г нэгтгэх нь: Практик гарын авлага

Have Questions?