Multi-agent AI arxitekturaları və LangChain ilə özünü sağaldan proqram sistemlərinin qurulması

Çox agentli AI arxitekturaları və LangChain ilə özünü sağaldan proqram sistemlərinin qurulması

Giriş

Bugünkü sürətli proqram təminatının inkişafı mənzərəsində özünü sağaldan proqram sistemlərinin qurulması mürəkkəb proqram sistemlərinin etibarlılığını, miqyasını və dayanıqlığını təmin etmək üçün kritik tələbə çevrilmişdir. Ənənəvi monolit arxitekturalar müasir proqram təminatının inkişafı tələblərinə cavab vermək üçün artıq kifayət deyil, burada sistemlər dəyişən tələblərə uyğunlaşmalı, gözlənilməz nasazlıqların öhdəsindən gəlməli və səhvlərdən tez sağalmalıdır. Çox agentli süni intellekt arxitekturaları və LangChain, öyrənə, uyğunlaşa və dəyişən şərtlərə cavab verə bilən özünü sağaldan proqram sistemlərinin qurulması üçün güclü həll təklif edən yerdir.

Multi-Agent AI Arxitekturaları nədir?

Çox agentli AI arxitekturaları ümumi məqsədə çatmaq üçün bir-biri ilə və onların mühiti ilə qarşılıqlı əlaqədə olan çoxsaylı avtonom agentlərdən ibarət paylanmış AI sisteminin bir növüdür. Hər bir agentin öz qərar qəbul etmə imkanları, biliyi və resursları var və onlar məlumat mübadiləsi, hərəkətləri əlaqələndirmək və dəyişən şərtlərə uyğunlaşmaq üçün bir-biri ilə əlaqə saxlaya bilirlər.

Proqram sistemləri kontekstində çox agentli AI arxitekturaları real vaxt rejimində səhvləri, uğursuzluqları və digər anomaliyaları aşkarlaya və onlara cavab verə bilən özünü sağaldan sistemlər qurmaq üçün istifadə edilə bilər. Qərar vermə prosesini çoxsaylı agentlər arasında paylayaraq, bu sistemlər təcrübədən öyrənə, dəyişən şərtlərə uyğunlaşa və səhvlərdən tez bir zamanda bərpa oluna bilər.

LangChain nədir?

LangChain, çox agentli AI sistemlərinin qurulması üçün açıq mənbəli Python kitabxanasıdır. O, öyrənə, uyğunlaşa və dəyişən şərtlərə cavab verə bilən mürəkkəb süni intellekt sistemlərinin qurulması üçün sadə, çevik və miqyaslana bilən çərçivə təmin edir. LangChain TensorFlow, PyTorch və Keras da daxil olmaqla geniş süni intellekt çərçivələri ilə işləmək üçün nəzərdə tutulub və verilənlər bazaları, API-lər və IoT cihazları da daxil olmaqla müxtəlif məlumat mənbələri ilə inteqrasiya edən sistemlər qurmaq üçün istifadə edilə bilər.

LangChain ilə özünü sağaldan proqram sistemlərinin qurulması

LangChain ilə özünü sağaldan proqram sistemi qurmaq üçün biz real vaxt rejimində səhvləri, uğursuzluqları və digər anomaliyaları aşkarlaya və onlara cavab verə bilən çox agentli AI arxitekturasını dizayn etməliyik. Budur memarlığın yüksək səviyyəli icmalı:

Agent Dizaynı: Biz ümumi məqsədə çatmaq üçün bir-biri ilə və onların mühiti ilə qarşılıqlı əlaqədə ola bilən bir sıra avtonom agentlər dizayn etməliyik. Hər bir agentin öz qərar qəbul etmə qabiliyyəti, biliyi və resursları olmalıdır.
Bilik Qrafiki: Biz agentlər, ətraf mühit və sistemin məqsədləri arasında əlaqələri təmsil edən bilik qrafiki yaratmalıyıq. Bu qrafik sistemin vəziyyəti haqqında əsaslandırmaq və qərarlar qəbul etmək üçün istifadə edilə bilər.
Qərar Qəbuletmə: Biz agentlərə sistemin vəziyyəti haqqında düşünməyə və bilik qrafikinə əsaslanaraq qərar qəbul etməyə imkan verən qərar qəbul etmə prosesini həyata keçirməliyik.
Fəaliyyətin İcrası: Biz agentlərə öz qərarlarını yerinə yetirmək və ətraf mühitlə qarşılıqlı əlaqədə olmaq imkanı verən fəaliyyətin icrası prosesini həyata keçirməliyik.

LangChain ilə qurulmuş özünü sağaldan proqram sisteminin sadə nümunəsi:

idxal langchain
langchain.agents idxal agentindən
langchain.llms idxal LLM-dən


qrafik = {
    'agentlər': ['agent1', 'agent2', 'agent3'],
    'mühit': ['verilənlər bazası', 'API', 'IoT cihazı'],
    'məqsədlər': ['səhvləri aşkar etmək', 'uğursuzluqlara cavab vermək', 'səhvlərdən qurtarmaq']
}

# Qərar vermə prosesini müəyyənləşdirin
def qərar qəbulu (agent, bilik_qrafik):
    # Sistemin vəziyyəti ilə bağlı səbəb
    dövlət = bilik_qrafası['agentlər'][agent]
    # Dövlətə əsaslanaraq qərar verin
    qərar = 'uğursuzluğa cavab vermək'
    qaytarılması qərarı

# Fəaliyyətin icra prosesini müəyyənləşdirin
def action_ececution(agent, qərar):
    # Qərarın icrası
    əgər qərar == 'uğursuzluğa cavab verin':
        # Uğursuzluğa cavab verin
        print('Uğursuzluğa cavab verilir...')
    qayıtmaq

# LangChain agenti yaradın
agent = agent(
    name='özünü müalicə edən agent',
    qərar_vermə=qərar vermə,
    fəaliyyət_icra = fəaliyyət_icra,
    bilik_qrafik=qrafik
)

# LangChain LLM yaradın
llm = LLM(
    name='self-healing-llm',
    model = 'davinci'
)

# LangChain sistemi yaradın
sistem = langchain.System(
    agent=agent,
    llm=llm
)

# Sistemi işə salın
system.run()

Bu nümunə səhvləri aşkarlaya bilən, uğursuzluqlara cavab verən və səhvlərdən tez bir zamanda bərpa edə bilən sadə özünü sağaldan proqram sistemini nümayiş etdirir. Sistem ümumi məqsədə çatmaq üçün bir-biri və onların ətraf mühiti ilə qarşılıqlı əlaqədə olan bir sıra muxtar agentlərdən ibarətdir. Agentlər sistemin vəziyyəti haqqında əsaslandırmaq və qrafik əsasında qərarlar qəbul etmək üçün bilik qrafikindən istifadə edirlər.

Ən çox istifadə olunan 5-10 əmr/parça

LangChain üçün ən çox istifadə olunan 5-10 əmr/parçalar bunlardır:

langchain.Agent(): Yeni LangChain agenti yaradır.
langchain.LLM(): Yeni LangChain LLM yaradır.
langchain.System(): Yeni LangChain sistemi yaradır.
agent.decision_making(): Agent üçün qərar qəbuletmə prosesini idarə edir.
agent.action_execution(): Agent üçün fəaliyyətin icrası prosesini icra edir.
llm.predict(): LLM-dən istifadə edərək proqnoz verir.
system.run(): LangChain sistemini işlədir.
graph.add_node(): Bilik qrafikinə yeni qovşaq əlavə edir.
graph.add_edge(): Bilik qrafikinə yeni kənar əlavə edir.
graph.remove_node(): Bilik qrafikindən qovşağı silir.

Vizuallaşdırma

Budur, Chart.js istifadə edərək bilik qrafikinin sadə vizuallaşdırılması:

{
  "növ": "qrafik",
  "data": {
    "qovşaqlar": [
      {"id": "agent1", "etiket": "Agent 1"},
      {"id": "agent2", "etiket": "Agent 2"},
      {"id": "agent3", "etiket": "Agent 3"},
      {"id": "verilənlər bazası", "etiket": "Verilənlər bazası"},
      {"id": "API", "etiket": "API"},
      {"id": "IoT cihazı", "etiket": "IoT Cihazı"}
    ],
    "kənarlar": [
      {"mənbə": "agent1", "hədəf": "verilənlər bazası"},
      {"mənbə": "agent2", "hədəf": "API"},
      {"mənbə": "agent3", "hədəf": "IoT cihazı"},
      {"mənbə": "agent1", "hədəf": "agent2"},
      {"mənbə": "agent2", "hədəf": "agent3"}
    ]
  },
  "seçimlər": {
    "layout": {
      "növ": "dairəvi"
    },
    "qovşaqlar": {
      "ölçüsü": 50
    },
    "kənarlar": {
      "en": 2
    }
  }
}

Bu vizuallaşdırma agentlər, ətraf mühit və sistemin məqsədləri arasındakı əlaqələri göstərir.

Nəticə

Çox agentli AI arxitekturaları və LangChain ilə özünü sağaldan proqram sistemlərinin qurulması mürəkkəb proqram sistemlərinin etibarlılığını, genişlənməsini və dayanıqlığını təmin etmək üçün güclü bir həll təklif edir. Qərar vermə prosesini çoxsaylı agentlər arasında paylayaraq, bu sistemlər təcrübədən öyrənə, dəyişən şərtlərə uyğunlaşa və səhvlərdən tez bir zamanda bərpa oluna bilər. LangChain ilə tərtibatçılar verilənlər bazaları, API-lər və IoT cihazları da daxil olmaqla geniş məlumat mənbələri ilə inteqrasiya edən mürəkkəb süni intellekt sistemləri qura bilərlər. Nümunə koduna əməl etməklə və ən çox istifadə olunan 5-10 əmr/parçadan istifadə etməklə tərtibatçılar LangChain ilə öz özünü sağaldan proqram sistemlərini qura bilərlər.

Multi-agent AI arxitekturaları və LangChain ilə özünü sağaldan proqram sistemlərinin qurulması

Have Questions?