Сохтани системаҳои нармафзори худидоракунӣ бо меъмории бисёрҷонибаи AI ва LangChain
Муқаддима
Дар манзараи босуръати таҳияи нармафзори имрӯза, сохтани системаҳои нармафзори худтабобат ба талаботи муҳим барои таъмини эътимоднокӣ, миқёспазирӣ ва устувории системаҳои нармафзори мураккаб табдил ёфтааст. Архитектураҳои анъанавии монолитӣ барои қонеъ кардани талаботи таҳияи нармафзори муосир кифоя нестанд, ки дар он системаҳо бояд ба талаботҳои тағйирёбанда мутобиқ шаванд, нокомиҳои ғайричашмдоштро ҳал кунанд ва аз хатогиҳо зуд барқарор шаванд. Дар ин ҷо меъмории бисёр-агентии AI ва LangChain ба кор медарояд ва ҳалли пуриқтидор барои сохтани системаҳои нармафзори худшифокунандаро пешниҳод мекунад, ки метавонанд омӯхта, мутобиқ ва ба шароити тағйирёбанда вокуниш нишон диҳанд.
Архитектураҳои бисёрҷонибаи AI чист?
Архитектураҳои бисёр агентии AI як намуди системаи тақсимшудаи AI мебошанд, ки аз агентҳои сершумори мустақил иборатанд, ки бо ҳамдигар ва муҳити онҳо барои ноил шудан ба ҳадафи умумӣ ҳамкорӣ мекунанд. Ҳар як агент дорои қобилиятҳои қабули қарорҳо, дониш ва захираҳои худро дорад ва онҳо метавонанд бо ҳамдигар барои мубодилаи иттилоот, ҳамоҳангсозии амалҳо ва мутобиқ шудан ба шароити тағйирёбанда муошират кунанд.
Дар заминаи системаҳои нармафзор, меъмории бисёр агентии AI метавонад барои сохтани системаҳои худтабобаткунанда истифода шавад, ки метавонанд дар вақти воқеӣ хатоҳо, нокомиҳо ва дигар аномалияҳоро ошкор ва посух диҳанд. Бо тақсим кардани раванди қабули қарор дар байни агентҳои сершумор, ин системаҳо метавонанд аз таҷриба омӯхта, ба шароити тағйирёбанда мутобиқ шаванд ва аз хатогиҳо зуд барқарор шаванд.
** LangChain чист?**
LangChain як китобхонаи кушодаи Python барои сохтани системаҳои бисёр-агенти AI мебошад. Он як чаҳорчӯбаи содда, чандир ва миқёспазирро барои сохтани системаҳои мураккаби AI, ки метавонад омӯхта, мутобиқ ва ба шароити тағйирёбанда вокуниш нишон диҳад, фароҳам меорад. LangChain барои кор бо доираи васеи чаҳорчӯбаҳои AI, аз ҷумла TensorFlow, PyTorch ва Keras тарҳрезӣ шудааст ва метавонад барои сохтани системаҳое истифода шавад, ки бо сарчашмаҳои гуногуни додаҳо, аз ҷумла пойгоҳи додаҳо, APIҳо ва дастгоҳҳои IoT ҳамгиро мешаванд.
Сохтани системаҳои нармафзори худшиносӣ бо LangChain
Барои сохтани як системаи нармафзори худидоракунанда бо LangChain, мо бояд як меъмории бисёр-агенти AI-ро тарҳрезӣ кунем, ки метавонад дар вақти воқеӣ хатоҳо, нокомиҳо ва дигар аномалияҳоро ошкор ва вокуниш нишон диҳад. Ин аст шарҳи сатҳи баланди меъморӣ:
- Тарроҳии агент: Мо бояд маҷмӯи агентҳои мустақилро тарҳрезӣ кунем, ки метавонанд бо ҳамдигар ва муҳити онҳо барои ноил шудан ба ҳадафи умумӣ ҳамкорӣ кунанд. Ҳар як агент бояд қобилияти қабули қарорҳо, дониш ва захираҳои худро дошта бошад.
- Графики дониш: Мо бояд графи донишеро созем, ки муносибатҳои байни агентҳо, муҳити зист ва ҳадафҳои системаро ифода кунад. Ин графикро барои мулоҳиза кардан дар бораи ҳолати система ва қабули қарорҳо истифода бурдан мумкин аст.
- Қабули қарор: Мо бояд як раванди қабули қарорҳоро амалӣ кунем, ки ба агентҳо имкон медиҳад, ки дар бораи ҳолати система мулоҳиза кунанд ва дар асоси графики дониш қарор қабул кунанд.
- Иҷрои амал: Мо бояд як раванди иҷрои амалро амалӣ кунем, ки ба агентҳо имкон медиҳад, ки қарорҳои худро иҷро кунанд ва бо муҳити атроф ҳамкорӣ кунанд.
Ин аст як мисоли оддии системаи нармафзори худтабобат, ки бо LangChain сохта шудааст: `` питон langchain ворид кунед аз langchain.agents Agent воридот аз langchain.llms воридоти LLM
график = { 'агентҳо': ['agent1', 'agent2', 'agent3'], 'муҳит': ['мазани маълумот', 'API', 'дастгоҳи IoT'], 'мақсадҳо': ['пайдо кардани хатогиҳо', 'ба нокомиҳо вокуниш нишон додан', 'аз хатогиҳо барқарор кардан'] }
Раванди қабули қарорро муайян кунед
def қабули қарор (агент, дониш_граф): # Сабаб дар бораи ҳолати система давлат = дониш_графи ['агентҳо'][агент] # Дар асоси давлат карор кабул кунед қарор = 'ба нокомӣ ҷавоб диҳед' қарори бозгашт
Раванди иҷрои амалро муайян кунед
def action_execution (агент, қарор): # Қарорро иҷро кунед агар қарор == 'ба нокомӣ ҷавоб диҳед': # Ба нокомӣ ҷавоб диҳед чоп ('Ҷавоб ба нокомӣ...') бозгашт
Агенти LangChain эҷод кунед
агент = Агент ( name='худ-табобаткунанда', қабули_қарор=қабули қарор, амал_иҷро=амал_иҷро, дониш_граф = график )
LangChain LLM эҷод кунед
llm = LLM ( name='худшифобахш-llm', модел = 'davinci' )
Системаи LangChain эҷод кунед
система = langchain.System( агент = агент, llm=llm )
Системаро иҷро кунед
system.run()
Ин мисол як системаи нармафзори оддии худшифокунандаро нишон медиҳад, ки метавонад хатогиҳоро ошкор кунад, ба нокомиҳо посух диҳад ва аз хатогиҳо зуд барқарор шавад. Система аз маҷмӯи агентҳои мустақил иборат аст, ки бо ҳамдигар ва муҳити онҳо барои ноил шудан ба ҳадафи умумӣ ҳамкорӣ мекунанд. Агентҳо аз графики дониш истифода мебаранд, то дар бораи ҳолати система фикр кунанд ва дар асоси график қарор қабул кунанд.
**Беҳтарин 5-10 фармонҳо/порчаҳои бештар истифодашаванда**
Инҳоянд 5-10 фармонҳои/порчаҳои аз ҳама бештар истифодашаванда барои LangChain:
1. `langchain.Agent()`: Агенти нави LangChain эҷод мекунад.
2. `langchain.LLM()`: LangChain LLM-и нав эҷод мекунад.
3. `langchain.System()`: Системаи нави LangChain эҷод мекунад.
4. `agent.decision_making()`: Раванди қабули қарорро барои агент иҷро мекунад.
5. `agent.action_execution()`: Раванди иҷрои амалро барои агент иҷро мекунад.
6. `llm.predict()`: Бо истифода аз LLM пешгӯӣ мекунад.
7. `system.run()`: Системаи LangChain-ро иҷро мекунад.
8. `graph.add_node()`: Ба графики дониш гиреҳи нав илова мекунад.
9. `graph.add_edge()`: Ба графики дониш канори нав илова мекунад.
10. `graph.remove_node()`: гиреҳро аз графики дониш хориҷ мекунад.
** Визуализатсия **
Ин аст визуализатсияи оддии графики дониш бо истифода аз Chart.js:
``json
{
"type": "график",
"маълумот": {
"гиреҳҳо": [
{"id": "agent1", "label": "Агенти 1"},
{"id": "agent2", "label": "Агент 2"},
{"id": "agent3", "label": "Агент 3"},
{"id": "базанаи маълумот", "label": "Махзани маълумот"},
{"id": "API", "label": "API"},
{"id": "дастгоҳи IoT", "label": "Дастгоҳи IoT"}
],
"канҷҳо": [
{"манбаъ": "agent1", "target": "базанаи маълумот"},
{"source": "agent2", "target": "API"},
{"манбаъ": "agent3", "target": "дастгоҳи IoT"},
{"манбаъ": "agent1", "target": "agent2"},
{"манбаъ": "agent2", "target": "agent3"}
]
},
"Options": {
"тарҳ": {
"навъи": "давраки"
},
"гиреҳҳо": {
"андоза": 50
},
"канҷҳо": {
"васеъ": 2
}
}
}
Ин визуализатсия муносибатҳои байни агентҳо, муҳити зист ва ҳадафҳои системаро нишон медиҳад.
Хулоса
Сохтани системаҳои нармафзори худидоракунанда бо меъмории бисёр-агенти AI ва LangChain ҳалли пурқувватро барои таъмини эътимоднокӣ, миқёспазирӣ ва устувории системаҳои нармафзори мураккаб пешниҳод мекунад. Бо тақсим кардани раванди қабули қарор дар байни агентҳои сершумор, ин системаҳо метавонанд аз таҷриба омӯхта, ба шароити тағйирёбанда мутобиқ шаванд ва аз хатогиҳо зуд барқарор шаванд. Бо LangChain, таҳиягарон метавонанд системаҳои мураккаби AI созанд, ки бо доираи васеи манбаъҳои додаҳо, аз ҷумла пойгоҳи додаҳо, APIҳо ва дастгоҳҳои IoT ҳамгиро мешаванд. Бо риояи рамзи мисол ва истифодаи 5-10 фармонҳои/порчаҳои аз ҳама бештар истифодашаванда, таҳиягарон метавонанд бо LangChain системаҳои нармафзори худидоракунии худро созанд.