پیژندنه
د مصنوعي استخباراتو (AI) او ماشین زده کړې (ML) ګړندۍ تحول د اجنټیک AI پراختیا لامل شوی ، د AI یو ډول چې کولی شي عمل وکړي او پخپله پریکړې وکړي. دا ټیکنالوژي د دې وړتیا لري چې د سافټویر جوړښت او DevOps اتومات ته د رسیدو لارې ته انقلاب راولي. پدې مقاله کې ، موږ به د اجنټیک AI ادغام ، د لوی ژبې ماډلونه (LLMs) ، او د آرکیسټریشن وسیلې لکه LangChain او DSPy د سافټویر جوړښت ، زیربنا ، او DevOps پروسې اتومات کولو لپاره وپلټو.
اجنټیک AI څه شی دی؟
اجنټیک AI یو ډول AI ته اشاره کوي چې کولی شي عمل وکړي او پخپله پریکړې وکړي. دا د دودیز AI سیسټمونو سره مخالف دی، کوم چې معمولا د ځانګړو دندو ترسره کولو لپاره ډیزاین شوي او د وړاندې شوي مقرراتو سیټ تعقیبوي. له بلې خوا د اجنټیک AI سیسټمونه د دې لپاره ډیزاین شوي چې ډیر خپلواکه او د تطبیق وړ وي، دوی ته اجازه ورکوي چې له خپل چاپیریال څخه زده کړي او د خپلو اهدافو او اهدافو پراساس پریکړې وکړي.
په اجنټیک AI کې د LLMs رول
د لویې ژبې ماډلونه (LLMs) د AI یو ډول دی چې د متن ډیټا په پراخه کچه روزل کیږي او د انسان په څیر ژبه رامینځته کولو وړتیا لري. LLMs د اجنټیک AI سیسټمونو کلیدي برخه ده ، ځکه چې دوی د انساني ژبې د پوهیدو او رامینځته کولو وړتیا چمتو کوي. دا اجنټیک AI سیسټمونو ته اجازه ورکوي چې د انسانانو او نورو سیسټمونو سره په طبیعي او رواني ډول اړیکه ونیسي.
د آرکیسټریشن وسیلې: LangChain او DSPy
د آرکیسټریشن وسیلې لکه LangChain او DSPy ډیزاین شوي ترڅو د مختلف سیسټمونو او برخو ترمینځ متقابل عمل تنظیم او همغږي کړي. دا وسیلې د کاري جریانونو تعریف او اجرا کولو لپاره لاره چمتو کوي ، کوم چې د ډیټا پروسس کولو ، ماډل روزنه ، او ځای په ځای کولو کې دندې شاملولی شي.
LangChain
LangChain د خلاصې سرچینې آرکیسټریشن وسیله ده چې د کاري جریانونو رامینځته کولو او اداره کولو لپاره انعطاف وړ او د توزیع وړ چوکاټ چمتو کوي. LangChain د ډیری سیسټمونو او برخو سره کار کولو لپاره ډیزاین شوی، په شمول د LLMs، ډیټابیس، او APIs.
DSPy
DSPy د Python پر بنسټ د آرکیسټریشن وسیله ده چې د کاري جریانونو تعریف او اجرا کولو لپاره ساده او رواني لار چمتو کوي. DSPy د ډیری سیسټمونو او برخو سره کار کولو لپاره ډیزاین شوی ، پشمول د LLMs ، ډیټابیسونو ، او APIs.
د اتوماتیک سافټویر جوړښت او DevOps پروسې
اجنټیک AI، LLMs، او د آرکیسټریشن وسیلې لکه LangChain او DSPy د پراخه سافټویر جوړښت او DevOps پروسو اتومات کولو لپاره کارول کیدی شي. ځینې مثالونه پدې کې شامل دي:
- ** د اتوماتیک کوډ بیاکتنه**: د اجنټیک AI سیسټمونه د کوډ بیاکتنې او احتمالي مسلو پیژندلو لپاره کارول کیدی شي ، لکه بګونه او امنیتي زیانونه.
- ** اتومات ازموینه**: د اجنټیک AI سیسټمونه د اتومات ازموینې لپاره کارول کیدی شي ، پشمول د واحد ازموینې ، ادغام ازموینې ، او له پای څخه تر پای ازموینې.
- ** اتومات ځای پرځای کول **: د اجنټیک AI سیسټمونه د ګمارنې اتومات کولو لپاره کارول کیدی شي ، پشمول د کوډ ، ترتیب او نورو سرچینو پلي کول.
- ** اتوماتیک نظارت**: د اجنټیک AI سیسټمونه د نظارت اتومات کولو لپاره کارول کیدی شي ، پشمول د سیسټم فعالیت نظارت ، امنیت او نور میټریکونه.
عملي تطبیق
پدې برخه کې ، موږ به د سافټویر جوړښت او DevOps پروسې اتومات کولو لپاره د LangChain او DSPy کارولو څرنګوالي ساده مثال وړاندې کړو.
بېلګه: د اتوماتیک کوډ بیاکتنه
په دې مثال کې، موږ به د کوډ بیاکتنې اتومات کولو لپاره LangChain او DSPy وکاروو. موږ به یو کاري فلو تعریف کړو چې لاندې مرحلې پکې شاملې دي:
- د کوډ تحلیل: کاري جریان به د کوډ تحلیل او احتمالي مسلو پیژندلو لپاره LLM کاروي.
- د کوډ بیاکتنه: کاري جریان به د کوډ بیاکتنې او احتمالي مسلو پیژندلو لپاره د اجنټیک AI سیسټم کاروي.
- د کوډ ځای پرځای کول: د کار جریان به د تولید چاپیریال ته د کوډ ځای په ځای کولو لپاره د پلي کولو وسیله وکاروي.
دلته د LangChain او DSPy په کارولو سره د دې کاري فلو پلي کولو څرنګوالي یوه بیلګه ده: ``پېتون langchain واردول د langchain وارداتو LLM څخه
LLM تعریف کړئ
llm = LLM("text-davinci-003")
د اجنټیک AI سیسټم تعریف کړئ
ai_system = langchain.AgenticAI()
د کار جریان تعریف کړئ
کاري جریان = langchain.Workflow( ګامونه=[ langchain. ګام( name="د کوډ تحلیل" func=llm.analyze_code, inputs={"code": "def hello_world(): print('Hello World')"}, ) langchain. ګام( name="د کوډ بیاکتنه" func=ai_system.review_code, inputs={"code": "def hello_world(): print('Hello World')"}, ) langchain. ګام( name="د کوډ ځای پرځای کول" func=langchain.deploy_code, inputs={"code": "def hello_world(): print('Hello World')"}, ) ] )
د کاري جریان اجرا کول
workflow.execute() `` دا کوډ یو کاري فلو تعریفوي چې پکې درې مرحلې شاملې دي: د کوډ تحلیل، د کوډ بیاکتنه، او د کوډ ځای پرځای کول. کاري جریان د کوډ تحلیل کولو لپاره LLM کاروي ، د کوډ بیاکتنې لپاره اجنټیک AI سیسټم ، او د تولید چاپیریال ته د کوډ ځای په ځای کولو لپاره د ګمارنې وسیله.
غوره 5-10 ډیری کارول شوي کمانډونه / ټوټې
دلته د LangChain او DSPy لپاره غوره 5-10 ډیری کارول شوي کمانډونه / ټوټې دي:
langchain.Workflow(steps=[...]): د څو مرحلو سره د کار فلو تعریف کړئ.langchain.Step(name="...", func=..., inputs={...}): د کار په جریان کې یو واحد ګام تعریف کړئ.llm.analyze_code(inputs={"code": ...}): د کوډ تحلیل لپاره LLM وکاروئ.ai_system.review_code(inputs="code": ...}): د کوډ بیاکتنې لپاره د اجنټیک AI سیسټم وکاروئ.langchain.deploy_code(inputs={"code": ...}): د تولید چاپیریال ته کوډ ځای په ځای کړئ.langchain.AgenticAI(): د اجنټیک AI سیسټم یوه بیلګه جوړه کړئ.langchain.LLM(): د LLM یوه بیلګه جوړه کړئ.langchain.deploy_code(): د تولید چاپیریال ته کوډ ځای په ځای کړئ.langchain.execute_workflow(): د کاري فلو اجرا کول.langchain.get_workflow_status(): د کاري جریان حالت ترلاسه کړئ.
لید
دلته د Chart.js په کارولو سره د کاري فلو لید څرنګوالي یوه بیلګه ده:
json { "ډول": "بار" "ډاټا": { "labels": ["د کوډ تحلیل"، "د کوډ بیاکتنه"، "د کوډ ځای پرځای کول"], "ډاټاسایټ": [ { "label": "د کار جریان مرحلې", "ډاټا": [10, 20, 30], د پس منظر رنګ: [ "rgba(255, 99, 132, 0.2)", "rgba(54, 162, 235, 0.2)", "rgba(255, 206, 86, 0.2)" ]، "سرحد رنګ": [ "rgba(255, 99, 132, 1)", "rgba(54, 162, 235, 1)", "rgba(255, 206, 86, 1)" ]، "borderWidth": 1 } ] }، "اختیارونه": {} }
دا کوډ د دریو لیبلونو سره د بار چارټ تعریفوي: د کوډ تحلیل، د کوډ بیاکتنه، او د کوډ ځای پرځای کول. چارټ د کاري جریان په هره مرحله کې د ګامونو شمیر ښیې.
پایله
اجنټیک AI، LLMs، او د آرکیسټریشن وسیلې لکه LangChain او DSPy د دې وړتیا لري چې د سافټویر معمارۍ او DevOps اتوماتیک ته رسیدو لارې ته انقلاب راولي. د دندو اتومات کولو سره لکه د کوډ بیاکتنه ، ازموینې او پلي کول ، موږ کولی شو زموږ د پراختیایي پروسو موثریت او موثریت ته وده ورکړو. پدې مقاله کې ، موږ د دې ټیکنالوژیو ادغام سپړنه کړې او د سافټویر جوړښت او DevOps پروسې اتومات کولو لپاره د دوی کارولو څرنګوالي ساده مثال چمتو کړی.