Муқаддима

Мушкилии рӯзафзуни системаҳои нармафзори муосир ба афзоиши басомад ва шиддати ҳодисаҳо оварда расонид, ки тафтишоти пешгирикунанда ва ҳалли ҳодисаҳоро як ҷанбаи муҳими DevOps табдил дод. Зеҳни сунъӣ (AI) ва омӯзиши мошинсозӣ (ML) ҳамчун абзорҳои пурқувват барои такмил додани лӯлаҳои DevOps пайдо шуданд, ки автоматикунонии сунъӣ ва оркестрро барои ошкор ва ҳал кардани ҳодисаҳо пеш аз таъсир расонидан ба тиҷорат имкон медиҳанд. Дар ин мақола, мо мефаҳмем, ки чӣ тавр татбиқ кардани лӯлаҳои DevOps бо сунъӣ бо истифода аз DSPy ва LangChain, бо таваҷҷӯҳ ба таҳқиқи пешгирикунанда ва ҳалли ҳодисаҳо бо истифода аз моделҳои AIOps ва RAG ва ҳамгироӣ бо AWS DevOps Agent барои таҳқиқи автоматии ҳодиса.

Шарҳи DSPy ва LangChain

DSPy як китобхонаи Python аст, ки роҳи оддӣ ва муассири сохтан ва ҷойгир кардани лӯлаҳои DevOps бо AI-ро таъмин мекунад. Он ба таҳиягарон имкон медиҳад, ки моделҳои гуногуни AI ва ML, аз ҷумла коркарди забони табиӣ (NLP), биниши компютер ва таҳлили пешгӯиро ба лӯлаҳои DevOps худ муттаҳид кунанд. LangChain, аз тарафи дигар, китобхонаи Python мебошад, ки ба таҳиягарон имкон медиҳад, ки моделҳои миқёси бузурги AI бо истифода аз меъмории модулӣ ва миқёспазир сохта ва ҷойгир кунанд.

Татбиқи қубурҳои DevOps бо AI бо DSPy ва LangChain

Барои татбиқи лӯлаҳои DevOps бо AI бо DSPy ва LangChain, мо бояд ин қадамҳоро иҷро кунем:

Ҷамъоварии маълумот: Ҷамъоварии маълумоти мувофиқ аз сарчашмаҳои гуногун, аз қабили гузоришҳо, ченакҳо ва файлҳои конфигуратсия.
Коркарди пешакии додаҳо: Маълумоти ҷамъшударо коркард кунед, то онро барои таҳлил ва моделсозӣ омода созед.
Омӯзиши намунавӣ: Моделҳои AI ва ML-ро бо истифода аз маълумоти пешакӣ коркардшуда барои ошкор ва пешгӯии ҳодисаҳо омӯзонед.
** Ҷойгиркунии модел**: Моделҳои омӯзонидашударо дар лӯлаи DevOps бо истифода аз DSPy ва LangChain ҷойгир кунед.
Таҳқиқи ҳодиса: Моделҳои ҷойгиршударо барои таҳқиқи ҳодисаҳо ва муайян кардани сабабҳои аслӣ истифода баред.
** Ҳалли ҳодиса**: фаҳмишҳоеро, ки аз тафтишоти ҳодиса ба даст овардаанд, барои ҳалли фаъолонаи ҳодисаҳо истифода баред.

Намунаи рамз: Амалисозии модели оддии RAG бо DSPy ва LangChain

Ин аст як мисоли оддии код, ки нишон медиҳад, ки чӣ тавр амалӣ кардани модели RAG (Таҳлили решавӣ) бо истифода аз DSPy ва LangChain: `` питон воридоти dspy аз langchain воридоти LMChain

Маълумоти пешакӣ коркардшударо бор кунед

маълумот = pd.read_csv ("data.csv")

Модели RAG-ро муайян кунед

rag_model = dspy.RAGModel ( input_features=["log_level", "error_message"], output_features = ["root_cause"] )

Модели RAG омӯзед

rag_model.train (маълумот)

Модели RAG-ро ҷойгир кунед

llm_chain = LMCchain ( model="davinci:002", дарозии максимум = 2048 ) rag_model.deploy(llm_chain)

Барои таҳқиқи ҳодисаҳо модели ҷойгиршудаи RAG-ро истифода баред

insident_data = pd.DataFrame ({ "лог_level": ["ERROR"], "error_message": ["Чизе хато кард"] }) root_cause = rag_model.predict (маълумоти ҳодиса) чоп (сабаби_реша)

Ин мисоли код нишон медиҳад, ки чӣ тавр амалӣ кардани модели оддии RAG бо истифода аз DSPy ва LangChain. Модели RAG сатҳи сабт ва паёми хатогиро ҳамчун хусусиятҳои воридотӣ мегирад ва сабаби аслии ҳодисаро пешгӯӣ мекунад.

## Top 5-10 Фармонҳо/порчаҳои бештар истифодашаванда

Инҳоянд 5-10 фармонҳои / пораҳои аз ҳама бештар истифодашаванда барои DSPy ва LangChain:

1. `dspy.RAGModel(input_features, output_features)`: Модели RAG-ро бо хусусиятҳои вуруд ва баромади мушаххас муайян кунед.
2. `dspy.RAGModel.train(data)`: Бо истифода аз маълумоти пешниҳодшуда модели RAG-ро омӯзонед.
3. `dspy.RAGModel.deploy(llm_chain)`: Модели омӯзонидашудаи RAG-ро бо истифода аз LangChain LLMChain ҷойгир кунед.
4. `llm_chain = LLMCain(модели, max_length)`: Эҷоди LangChain LLMCain бо модели муайян ва дарозии ҳадди аксар.
5. `rag_model.predict(data)`: Барои пешгӯии сабаби аслии ҳодиса модели ҷойгиршудаи RAG-ро истифода баред.
6. `dspy.DataPreprocessor(input_data)`: Бо истифода аз DSPy лӯлаи коркарди пешакии маълумотро муайян кунед.
7. `dspy.ModelTrainer(модел, маълумот)`: Бо истифода аз DSPy модели AI ё ML-ро омӯзед.
8. `dspy.ModelDeployer(model, llm_chain)`: Модели омӯзонидашударо бо истифода аз DSPy ва LangChain ҷойгир кунед.
9. `langchain.LLMCain.predict(input_data)`: Барои пешгӯии баромади модел як LangChain LLMCain-ро истифода баред.
10. `dspy.RAGModel.evaluate(data)`: Баҳодиҳии иҷрои модели RAG бо истифода аз DSPy.

## Визуализатсия

Ин аст мисоли визуализатсия бо истифода аз Chart.js:
``json
{
  "type": "бар",
  "маълумот": {
    "labels": ["Намуди ҳодисаи А", "Намуди B ҳодиса", "Намуди C ҳодисаи"],
    "маҷмӯи додаҳо": [
      {
        "label": "Сабаби аслӣ A",
        "data": [10, 15, 7],
        "backgroundColor": "rgba(255, 99, 132, 0.2)",
        "borderColor": "rgba(255, 99, 132, 1)",
        "BroderWidth": 1
      },
      {
        "label": "Сабаби асосии В",
        "data": [8, 12, 9],
        "backgroundColor": "rgba(54, 162, 235, 0.2)",
        "borderColor": "rgba(54, 162, 235, 1)",
        "BroderWidth": 1
      },
      {
        "label": "Сабаби аслӣ C",
        "data": [14, 18, 11],
        "backgroundColor": "rgba(255, 206, 86, 0.2)",
        "borderColor": "rgba(255, 206, 86, 1)",
        "BroderWidth": 1
      }
    ]
  },
  "Options": {
    "унвон": {
      "дисплей": дуруст,
      "text": "Таҳлили сабабҳои аслӣ"
    },
    "тарозу": {
      "yAxes": [
        {
          "тик": {
            "beginAtZero": дуруст
          }
        }
      ]
    }
  }
}

Ин визуализатсия тақсимоти сабабҳои асосиро барои намудҳои гуногуни ҳодиса нишон медиҳад.

Хулоса

Дар ин мақола, мо фаҳмидем, ки чӣ гуна татбиқ кардани лӯлаҳои DevOps бо сунъии сунъӣ бо истифода аз DSPy ва LangChain, бо таваҷҷӯҳ ба таҳқиқи пешгирикунанда ва ҳалли ҳодисаҳо бо истифода аз моделҳои AIOps ва RAG ва ҳамгироӣ бо AWS DevOps Agent барои тафтиши автоматии ҳодиса. Мо як мисоли оддии кодеро нишон додем, ки модели RAG-ро бо истифода аз DSPy ва LangChain амалӣ мекунад ва рӯйхати 5-10 фармонҳои/порчаҳои аз ҳама бештар истифодашавандаро барои DSPy ва LangChain пешниҳод кардем. Мо инчунин намунаи визуализатсияро бо истифода аз Chart.js дохил кардем. Бо риояи қадамҳои дар ин мақола зикршуда, таҳиягарон метавонанд қубурҳои DevOps-ро, ки аз сунъии сунъӣ иборатанд, созанд ва ҷойгир кунанд, ки ҳодисаҳоро фаъолона ошкор ва ҳал намуда, самаранокӣ ва эътимоднокии системаҳои нармафзори худро беҳтар созанд.

Ташкили лӯлаҳои аз ҷониби AI-и DevOps бо DSPy ва LangChain барои таҳқиқ ва ҳалли фаъоли ҳодисаҳо