د LangChain او DSPy سره د ډیټرمینیسټیک ټیسټ اتومات کې د اجنټیک AI پلي کول

پیژندنه

د سافټویر سیسټمونو مخ په زیاتیدونکي پیچلتیا د ازموینې اتومات د سافټویر پراختیا یو مهم اړخ ګرځیدلی. د دودیز ازموینې اتومات چوکاټونه په سکریپټ شوي طریقو تکیه کوي، کوم چې کیدای شي خراب او ساتل ستونزمن وي. په وروستي کلونو کې، د اجنټیک AI او آرکیسټریشن وسیلو ظهور د پیچلي ازموینې سناریوګانو اتومات کولو لپاره نوي امکانات خلاص کړي. پدې مقاله کې ، موږ به د اجنټیک AI ، آرکیسټریشن وسیلې ، او سافټویر انجینرۍ تقاطع وپلټو ترڅو د LangChain او DSPy په کارولو سره پیچلي ازموینې سناریوګانې اتومات کړي.

اجنټیک AI څه شی دی؟

اجنټیک AI یو ډول مصنوعي استخباراتو ته اشاره کوي چې د کارونکي یا سیسټم په استازیتوب د عمل کولو لپاره ډیزاین شوی. د اجنټیک AI سیسټمونه د پریکړې کولو وړتیا لري ، له تجربې څخه زده کړه کوي ، او نوي حالتونو سره تطابق کوي. د ازموینې اتومات کولو شرایطو کې ، اجنټیک AI د کارونکي متقابل عمل سمولو ، د ازموینې ډیټا پراساس پریکړې کولو ، او د ازموینې شرایطو بدلولو سره موافقت کولو سره د پیچلي ازموینې سناریوګانو اتومات کولو لپاره کارول کیدی شي.

LangChain څه شی دی؟

LangChain د خلاصې سرچینې آرکیسټریشن وسیله ده چې پراختیا کونکو ته اجازه ورکوي د مختلف پروګرامینګ ژبو په کارولو سره پیچلي AI سیسټمونه رامینځته کړي ، پشمول د Python, Rust, and Go. LangChain یو انعطاف وړ او ماډلر جوړښت چمتو کوي چې پراختیا کونکو ته دا وړتیا ورکوي چې د AI مختلف برخې یوځای کړي ، لکه د طبیعي ژبې پروسس کول (NLP) او کمپیوټر لید ، د پرمختللي AI سیسټمونو رامینځته کولو لپاره.

** DSPy څه شی دی؟**

DSPy د Python کتابتون دی چې د AI سیسټمونو جوړولو او پلي کولو لپاره د وسیلو سیټ چمتو کوي. DSPy د LangChain سره په بې ساري ډول کار کولو لپاره ډیزاین شوی او یو لړ ځانګړتیاوې وړاندې کوي، پشمول د ډیټا پروسس کول، ماشین زده کړه، او ژوره زده کړه.

په تعییناتي ازموینې اتومات کې د اجنټیک AI پلي کول

په تعاملاتي ازموینې اتومات کې د اجنټیک AI پلي کولو لپاره ، موږ کولی شو د ازموینې اتومات کولو چوکاټ رامینځته کولو لپاره LangChain او DSPy وکاروو چې د کارونکي تعاملات تقلید کوي ، د ازموینې ډیټا پراساس پریکړې کوي ، او د ازموینې شرایطو بدلولو سره موافقت کوي.

دلته یو ساده مثال دی چې موږ څنګه کولی شو د ازموینې سناریو اتومات کولو لپاره LangChain او DSPy وکاروو: ``پېتون langchain واردول له langchain.chains څخه LLMCchain وارد کړئ له langchain.llms څخه DSPyLLM وارد کړئ

test_scenario = { "user_input": "ننوتل", "expected_output": "ننوتل بریالی" }

د اجنټیک AI اجنټ تعریف کړئ

اجنټ = LLMCchain( llm=DSPyLLM() input_type="text" output_type="text" )

د ازموینې اتومات فعالیت تعریف کړئ

def test_automation(test_scenario): # د کارونکي تعامل تقلید کړئ user_input = test_senario["user_input"] # د ازموینې معلوماتو پراساس پریکړه وکړئ پریکړه = agent.run(user_input) # د ازموینې شرایطو بدلولو سره تطابق که پریکړه == "ننوتل بریالی": چاپ ("ازموینه پاس شوې") نور: چاپ ("ازموینه ناکامه")

د ازموینې اتومات فعالیت پرمخ وړئ

ازمایښت_آټومیشن(ازموینه_سناریو) `` پدې مثال کې ، موږ د ازموینې سناریو تعریف کوو چې پکې د کارونکي متقابل عمل سمول کول ، د ازموینې ډیټا پراساس پریکړه کول ، او د ازموینې شرایطو بدلولو سره موافقت کول شامل دي. بیا موږ د LangChain او DSPy په کارولو سره د اجنټیک AI اجنټ تعریف کوو ، او د ازموینې سناریو اتومات کولو لپاره یې کاروو.

غوره 5-10 ډیری کارول شوي کمانډونه / ټوټې

دلته د LangChain او DSPy لپاره غوره 5-10 ډیری کارول شوي کمانډونه / ټوټې دي:

1. langchain.LLMChain(llm=DSPyLLM()): د LangChain او DSPy په کارولو سره د اجنټیک AI ایجنټ رامینځته کوي.
2. DSPyLLM(): د DSPy LLM (د لویې ژبې ماډل) مثال پیلوي.
3. LLMChain(input_type="text", output_type="text"): د متن داخلولو او محصول ډولونو سره د اجنټیک AI ایجنټ رامینځته کوي.
4. agent.run(user_input): د اجنټیک AI اجنټ د کارن ان پټ سره چلوي.
5. test_scenario = {"user_input": "login", "expected_output": "login successful"}: د کارن ان پټ او متوقع محصول سره د ازموینې سناریو تعریفوي.
6. langchain.chains.LLMChain(llm=DSPyLLM()): د LangChain او DSPy په کارولو سره د اجنټیک AI ایجنټ رامینځته کوي.
7. DSPyLLM().predict(user_input): د کارن ان پټ سره د DSPy LLM د محصول وړاندوینه کوي.
8. LLMChain(input_type="text", output_type="text").run(user_input): د اجنټیک AI اجنټ د متن ان پټ او د محصول ډولونو سره چلوي.
9. test_automation(test_scenario): د ازموینې اتوماتیک فعالیت د ازموینې سناریو سره چلوي.
10. langchain.chains.LLMChain(llm=DSPyLLM()).run(user_input): د اجنټیک AI اجنټ د کارن ان پټ سره چلوي.

بصری کول

دلته د Chart.js په کارولو سره د اجنټیک AI اجنټ لید دی: json { "ډول": "بار" "ډاټا": { "labels": ["د کارونکي ننوت"، "پرېکړه"، "تطیف"], "ډاټاسایټ": [ { "label": "د AI اجنټ" "ډاټا": [10, 20, 30], "backgroundColor": "rgba(255, 99, 132, 0.2)", "borderColor": "rgba(255, 99, 132, 1)", "borderWidth": 1 } ] }، "اختیارونه": { "عنوان": { "ښکاره": ریښتیا، "text": "د AI اجنټ" }، "ترازې": { "yAxes": [ { "ticks": { "beginAtZero": ریښتیا } } ] } } } دا لید د کارونکي تعاملاتو سمولو کې د اجنټیک AI اجنټ فعالیت ښیې ، د ازموینې ډیټا پراساس پریکړې کول ، او د ازموینې شرایطو بدلولو سره موافقت کول.

پایله

پدې مقاله کې ، موږ د LangChain او DSPy په کارولو سره د پیچلي ازموینې سناریوګانو اتومات کولو لپاره د اجنټیک AI ، آرکیسټریشن وسیلې ، او سافټویر انجینرۍ تقاطع وپلټله. موږ د اجنټیک AI ساده بیلګه په تعییناتي ازموینې اتومات کې پلي کړې او د LangChain او DSPy لپاره یې یو لړ کمانډونه / ټوټې چمتو کړې. موږ د Chart.js په کارولو سره د اجنټیک AI اجنټ فعالیت هم لیدو. د اجنټیک AI او آرکیسټریشن وسیلو په کارولو سره ، پراختیا کونکي کولی شي پیچلي ازموینې اتوماتیک چوکاټونه رامینځته کړي چې د کارونکي تعاملات تقلید کوي ، د ازموینې ډیټا پراساس پریکړې کوي ، او د ازموینې شرایطو بدلولو سره موافقت کوي.