د ملټي ایجنټ AI آرکیټیکچرونو او لینګ چین سره د ځان شفاهي سافټویر سیسټمونو رامینځته کول

پیژندنه

د نن ورځې ګړندۍ سافټویر پرمختیا منظره کې ، د ځان درملنې سافټویر سیسټمونو رامینځته کول د پیچلي سافټویر سیسټمونو اعتبار ، توزیع کولو او انعطاف ډاډ ترلاسه کولو لپاره یوه مهمه اړتیا ګرځیدلې. دودیز واحد معمارۍ نور د عصري سافټویر پراختیا غوښتنې پوره کولو لپاره کافي ندي ، چیرې چې سیسټمونه باید د دې وړتیا ولري چې د بدلون اړتیاو سره تطابق وکړي ، غیر متوقع ناکامۍ اداره کړي ، او د غلطیو څخه ژر تر ژره بیرته راګرځي. دا هغه ځای دی چې د ملټي ایجنټ AI جوړښتونه او لینګ چین په لوبې کې راځي، د ځان شفاهي سافټویر سیسټمونو جوړولو لپاره یو پیاوړی حل وړاندې کوي چې کولی شي زده کړي، تطبیق کړي، او بدلیدونکي شرایطو ته ځواب ووايي.

ملټي ایجنټ AI آرکیټیکچرونه څه دي؟

ملټي ایجنټ AI جوړښتونه د توزیع شوي AI سیسټم یو ډول دی چې ډیری خپلواکه اجنټان لري چې د یو بل او د دوی چاپیریال سره د ګډ هدف ترلاسه کولو لپاره متقابل عمل کوي. هر استازی خپل د پریکړې کولو وړتیاوې، پوهه او سرچینې لري، او دوی کولی شي د یو بل سره د معلوماتو شریکولو، د کړنو همغږي کولو، او د بدلیدونکو شرایطو سره سمون لپاره اړیکه ونیسي.

د سافټویر سیسټمونو په شرایطو کې، د کثیر اجنټ AI جوړښتونه د ځان درملنې سیسټمونو جوړولو لپاره کارول کیدی شي چې کولی شي په ریښتیني وخت کې غلطیو، ناکامیو، او نورو ګډوډۍ کشف او ځواب ورکړي. د پریکړې کولو پروسې په ډیری اجنټانو ویشلو سره، دا سیسټمونه کولی شي له تجربې څخه زده کړه وکړي، د بدلون شرایطو سره سمون ولري، او د غلطیو څخه ژر تر ژره بیرته راستانه شي.

LangChain څه شی دی؟

LangChain د ملټي ایجنټ AI سیسټمونو جوړولو لپاره د خلاصې سرچینې Python کتابتون دی. دا د پیچلي AI سیسټمونو رامینځته کولو لپاره یو ساده ، انعطاف وړ او د توزیع وړ چوکاټ چمتو کوي چې کولی شي زده کړي ، تطبیق کړي او بدلیدونکي شرایطو ته ځواب ووایی. LangChain د AI چوکاټونو پراخه لړۍ سره کار کولو لپاره ډیزاین شوی، پشمول د TensorFlow، PyTorch، او Keras، او د سیسټمونو جوړولو لپاره کارول کیدی شي چې د ډیټابیسونو، APIs، او IoT وسایلو په شمول د ډیټا مختلفو سرچینو سره مدغم شي.

د LangChain سره د ځان شفاهي سافټویر سیسټمونو جوړول

د LangChain سره د ځان درملنې سافټویر سیسټم رامینځته کولو لپاره ، موږ اړتیا لرو د څو اجنټ AI جوړښت ډیزاین کړو چې کولی شي په ریښتیني وخت کې غلطیو ، ناکامیو او نورو ګډوډي کشف او ځواب ورکړي. دلته د معمارۍ لوړې کچې کتنه ده:

1. د اجنټ ډیزاین: موږ اړتیا لرو د خپلواکو اجنټانو یوه ټولګه ډیزاین کړو چې کولی شي د یو بل او د دوی چاپیریال سره د ګډ هدف ترلاسه کولو لپاره متقابل عمل وکړي. هر استازی باید خپل د پریکړې کولو وړتیاوې، پوهه او سرچینې ولري.
2. د پوهې ګراف: موږ اړتیا لرو چې د پوهې ګراف جوړ کړو چې د اجنټانو، چاپیریال، او د سیسټم اهدافو ترمنځ اړیکې څرګندوي. دا ګراف د سیسټم حالت په اړه د دلیل او پریکړې کولو لپاره کارول کیدی شي.
3. پریکړه کول: موږ اړتیا لرو چې د پریکړې کولو پروسه پلي کړو چې استازو ته اجازه ورکړي چې د سیسټم حالت په اړه استدلال وکړي او د پوهې ګراف پراساس پریکړې وکړي.
4. د عمل اجرا: موږ اړتیا لرو د عمل اجرا کولو پروسه پلي کړو چې اجنټانو ته اجازه ورکړي چې خپلې پریکړې پلي کړي او د چاپیریال سره اړیکه ونیسي.

دلته د ځان درملنې سافټویر سیسټم ساده مثال دی چې د LangChain سره جوړ شوی: ``پېتون langchain واردول د langchain.agents څخه د وارداتو اجنټ له langchain.llms څخه LLM وارد کړئ

ګراف = { 'اجنټ': ['agent1', 'agent2', 'agent3'], 'چاپیریال': ['ډیټابیس'، 'API'، 'IoT وسیله'], 'هدفونه': ['د تېروتنې معلومول'، 'ناکامۍ ته ځواب ورکول'، 'له تېروتنو راګرځول'] }

د پریکړې کولو پروسه تعریف کړئ

def پریکړه کول (اجنټ، پوهه_ګراف): # د نظام د حالت په اړه دلیل حالت = پوهه_ګراف['اجنټ' [اجنټ] # د دولت پر بنسټ پریکړه وکړئ پریکړه = 'ناکامي ته ځواب' د بیرته راستنیدو پریکړه

د عمل اجرا کولو پروسه تعریف کړئ

def action_execution(اجنټ، پریکړه): #تصمیم عملي کړئ که پریکړه == 'ناکامۍ ته ځواب ووایی': # ناکامۍ ته ځواب ورکړئ چاپ ('ناکامۍ ته ځواب...') بیرته ستنیدل

د لینګ چین اجنټ جوړ کړئ

اجنټ = اجنټ( نوم = 'د ځان درملنې استازی'، تصمیم نیول = پریکړه کول عمل_عملی = عمل_ اجرا کول پوهه_ګراف = ګراف )

د لینګ چین LLM جوړ کړئ

LLM = LLM( نوم = 'د ځان درملنه-LLM'، ماډل = 'ډیوینسي' )

د لینګ چین سیسټم رامینځته کړئ

سیسټم = langchain. سیسټم( اجنټ = استازی llm=llm )

سیسټم چل کړئ

system.run() `` دا بیلګه د ځان شفاهي سافټویر ساده سیسټم ښیې چې کولی شي خطاګانې کشف کړي، ناکامیو ته ځواب ووایي، او د غلطیو څخه ژر تر ژره بیرته راستانه شي. سیسټم د خپلواکو اجنټانو سیټ څخه جوړ دی چې یو بل او د دوی چاپیریال سره د ګډ هدف ترلاسه کولو لپاره متقابل عمل کوي. اجنټان د پوهې ګراف کاروي ترڅو د سیسټم حالت په اړه دلیل وړاندې کړي او د ګراف پراساس پریکړې وکړي.

غوره 5-10 ډیری کارول شوي کمانډونه / ټوټې

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

1. langchain.Agent(): یو نوی LangChain ایجنټ جوړوي.
2. langchain.LLM(): نوی LangChain LLM جوړوي.
3. langchain.System(): یو نوی LangChain سیسټم جوړوي.
4. agent.decision_making(): د اجنټ لپاره د تصمیم نیولو پروسه پرمخ وړي.
5. agent.action_execution(): د اجنټ لپاره د عمل اجرا کولو پروسه پرمخ وړي.
6. llm.predict(): د LLM په کارولو سره وړاندوینه کوي.
7. system.run(): د LangChain سیسټم چلوي.
8. graph.add_node(): د پوهې ګراف ته نوی نوډ اضافه کوي.
9. graph.add_edge(): د پوهې ګراف ته نوې څنډه اضافه کوي.
10. graph.remove_node(): د پوهې ګراف څخه نوډ لرې کوي.

بصری کول

دلته د Chart.js په کارولو سره د پوهې ګراف ساده لید دی: json { "ډول": "ګراف" "ډاټا": { "نوډز": [ {"id": "agent1", "label": "Agent1"}, {"id": "agent2", "label": "Agent 2"}, {"id": "agent3", "label": "Agent 3"}, {"id": "database", "label": "Database"}, {"id": "API", "label": "API"}, {"id": "IoT وسیله", "label": "IoT وسیله"} ]، "کنارونه": [ {"source": "agent1", "target": "database"}, {"source": "agent2", "target": "API"}, {"source": "agent3", "target": "IoT وسیله"}, {"source": "agent1", "target": "agent2"}, {"سرچینه": "agent2"، "target": "agent3"} ] }، "اختیارونه": { "layout": { "ډول": "دایره" }، "نوډز": { "سایز": 50 }، "کنارونه": { "چوک": 2 } } } دا لید د اجنټانو، چاپیریال، او د سیسټم اهدافو ترمنځ اړیکې ښیي.

پایله

د ملټي ایجنټ AI جوړښتونو او لینګ چین سره د ځان شفاهي سافټویر سیسټمونو رامینځته کول د پیچلي سافټویر سیسټمونو اعتبار ، توزیع کولو او انعطاف ډاډ ترلاسه کولو لپاره قوي حل وړاندې کوي. د پریکړې کولو پروسې په ډیری اجنټانو ویشلو سره، دا سیسټمونه کولی شي له تجربې څخه زده کړه وکړي، د بدلون شرایطو سره سمون ولري، او د غلطیو څخه ژر تر ژره بیرته راستانه شي. د LangChain سره، پراختیا کونکي کولی شي پیچلي AI سیسټمونه رامینځته کړي چې د ډیټا سرچینو پراخه لړۍ سره مدغم شي ، پشمول ډیټابیسونه ، APIs ، او IoT وسایل. د مثال کوډ په تعقیب او د غوره 5-10 ډیری کارول شوي کمانډونو/عکسونو په کارولو سره ، پراختیا کونکي کولی شي د LangChain سره د خپل ځان درملنې سافټویر سیسټمونه رامینځته کړي.