** Ṣiṣe Agentic AI ni adaṣe Idanwo ipinnu pẹlu LangChain ati DSPy ***

Ibere

Idiju ti o pọ si ti awọn eto sọfitiwia ti jẹ ki adaṣe idanwo jẹ abala pataki ti idagbasoke sọfitiwia. Awọn ilana adaṣe adaṣe adaṣe ti aṣa gbarale awọn isunmọ iwe afọwọkọ, eyiti o le jẹ brittle ati nira lati ṣetọju. Ni awọn ọdun aipẹ, ifarahan Agentic AI ati Awọn irinṣẹ Orchestration ti ṣii awọn aye tuntun fun adaṣe adaṣe awọn oju iṣẹlẹ idanwo eka. Ninu nkan yii, a yoo ṣawari ikorita ti AI Agentic, Awọn irinṣẹ Orchestration, ati Imọ-ẹrọ sọfitiwia lati ṣe adaṣe awọn oju iṣẹlẹ idanwo eka lilo LangChain ati DSPy.

** Kini Agent AI?**

AI Agentic tọka si iru oye atọwọda ti a ṣe lati ṣe awọn iṣe ni aṣoju olumulo tabi eto kan. Awọn eto AI Agent ni o lagbara lati ṣe awọn ipinnu, kọ ẹkọ lati iriri, ati ni ibamu si awọn ipo tuntun. Ni agbegbe ti adaṣe adaṣe, Agentic AI le ṣee lo lati ṣe adaṣe awọn oju iṣẹlẹ idanwo eka nipasẹ ṣiṣe adaṣe awọn ibaraenisọrọ olumulo, ṣiṣe awọn ipinnu ti o da lori data idanwo, ati ni ibamu si awọn ipo idanwo iyipada.

Kini LangChain?

LangChain jẹ Ọpa Orchestration orisun-ìmọ ti o fun laaye awọn olupilẹṣẹ lati kọ awọn eto AI ti o nipọn nipa lilo ọpọlọpọ awọn ede siseto, pẹlu Python, Rust, ati Go. LangChain n pese ọna kika ti o rọ ati apọjuwọn ti o fun laaye awọn olupilẹṣẹ lati ṣepọ awọn oriṣiriṣi awọn paati AI, gẹgẹbi sisẹ ede adayeba (NLP) ati iran kọnputa, lati kọ awọn eto AI ti o fafa.

Kini DSPy?

DSPy jẹ ile-ikawe Python ti o pese eto awọn irinṣẹ fun kikọ ati gbigbe awọn eto AI ṣiṣẹ. A ṣe apẹrẹ DSPy lati ṣiṣẹ lainidi pẹlu LangChain ati pese ọpọlọpọ awọn ẹya, pẹlu sisẹ data, ẹkọ ẹrọ, ati ẹkọ ti o jinlẹ.

** Nmu Agentic AI ṣiṣẹ ni adaṣe Idanwo Ipinnu ***

Lati ṣe Agentic AI ni adaṣe adaṣe ipinnu ipinnu, a le lo LangChain ati DSPy lati kọ ilana adaṣe adaṣe idanwo kan ti o ṣe adaṣe awọn ibaraẹnisọrọ olumulo, ṣe awọn ipinnu ti o da lori data idanwo, ati ni ibamu si awọn ipo idanwo iyipada.

Eyi ni apẹẹrẹ ti o rọrun ti bii a ṣe le lo LangChain ati DSPy lati ṣe adaṣe oju iṣẹlẹ idanwo kan: `` Python gbe wọle langchain lati langchain.chains gbe wọle LLMChain lati langchain.llms gbe wọle DSPyLLM

test_scenario = { "user_input": "login", "expected_output": "aṣeyọri wiwọle wọle" }

Ṣetumo aṣoju AI Agent

aṣoju = LLMChain ( llm=DSPyLLM(), input_type = "ọrọ", output_type = "ọrọ" )

Ṣetumo iṣẹ adaṣe adaṣe idanwo

defi test_automation(igbeyewo_scenario): # Ṣe afiwe ibaraenisepo olumulo user_input = test_scenario["user_input"] # Ṣe ipinnu ti o da lori data idanwo ipinnu = agent.run (user_input) # Mura si iyipada awọn ipo idanwo ti ipinnu == "wole aseyori": tẹjade ("Idanwo ti kọja") miran: tẹjade ("Idanwo kuna")

Ṣiṣe iṣẹ adaṣe adaṣe idanwo naa

test_automation(igbeyewo_oju iṣẹlẹ)

Ninu apẹẹrẹ yii, a ṣalaye oju iṣẹlẹ idanwo kan ti o kan ṣiṣe adaṣe ibaraenisepo olumulo kan, ṣiṣe ipinnu ti o da lori data idanwo, ati imudọgba si awọn ipo idanwo iyipada. A lẹhinna ṣalaye aṣoju AI Agent kan nipa lilo LangChain ati DSPy, ati lo lati ṣe adaṣe oju iṣẹlẹ idanwo naa.

** Top 5-10 Awọn aṣẹ ti a lo julọ / awọn snippets ***

Eyi ni awọn pipaṣẹ 5-10 ti o lo julọ / awọn snippets fun LangChain ati DSPy:

1. `langchain.LLMChain(llm=DSPyLLM())»: Ṣẹda aṣoju AI Agentic nipa lilo LangChain ati DSPy.
2. `DSPyLLM()`: Bibẹrẹ a DSPy LLM (Large Language Awoṣe) apeere.
3. `LLMChain (input_type = "ọrọ", output_type = "ọrọ")`: Ṣẹda ohun Agent AI oluranlowo pẹlu ọrọ input ki o si mu iru.
4. `agent.run(user_input)`: nṣiṣẹ aṣoju AI Agent pẹlu titẹ olumulo.
5. `test_scenario = {"user_input": "login", "expected_output": "aṣeyọri wiwọle"}`: Ṣetumo oju iṣẹlẹ idanwo kan pẹlu igbewọle olumulo ati igbejade ti a reti.
6. `langchain.chains.LLMChain(llm=DSPyLLM())»: Ṣẹda aṣoju AI Agentic nipa lilo LangChain ati DSPy.
7. `DSPyLLM () . asọtẹlẹ (user_input) `: asọtẹlẹ awọn o wu ti DSPy LLM pẹlu olumulo input.
8. `LLMChain (input_type = "ọrọ", output_type = "ọrọ") .run (user_input) `: Ṣiṣe awọn Agentic AI oluranlowo pẹlu ọrọ input ki o si wu orisi.
9. `test_automation(test_scenario)`: Ṣiṣe iṣẹ adaṣe idanwo pẹlu oju iṣẹlẹ idanwo kan.
10. `langchain.chains.LLMChain(llm=DSPyLLM()) .run(user_input)`: Nṣiṣẹ aṣoju AI Agent pẹlu igbewọle olumulo.

** Iworan ***

Eyi ni iworan ti aṣoju AI Agent nipa lilo Chart.js:
`` json
{
  "type": "ọgọ",
  "data": {
    "labels": ["Igbewọle olumulo", "Ipinnu", "Aṣamubadọgba"],
    "awọn ipilẹ data": [
      {
        "label": "Aṣojú AI Aṣojú",
        "data": [10, 20, 30],
        "backgroundColor": "rgba(255, 99, 132, 0.2)",
        "borderColor": "rgba(255, 99, 132, 1)",
        "AalaWidth": 1
      }
    ]
  },
  "awọn aṣayan": {
    "akọle": {
      "ifihan": otitọ,
      "text": "Aṣojú AI Aṣojú"
    },
    "iwọn": {
      "yAxes": [
        {
          "awọn ami": {
            "beginAtZero": otitọ
          }
        }
      ]
    }
  }
}

Iworan yii ṣe afihan iṣẹ aṣoju AI Agentic AI ni simulating awọn ibaraenisepo olumulo, ṣiṣe awọn ipinnu ti o da lori data idanwo, ati mimubadọgba si awọn ipo idanwo iyipada.

Ipari

Ninu nkan yii, a ṣawari ni ikorita ti AI Agentic, Awọn irinṣẹ Orchestration, ati Imọ-ẹrọ sọfitiwia lati ṣe adaṣe awọn oju iṣẹlẹ idanwo eka lilo LangChain ati DSPy. A ṣe imuse apẹẹrẹ ti o rọrun ti Agentic AI ni adaṣe idanwo ipinnu ati pese ọpọlọpọ awọn aṣẹ/snippets fun LangChain ati DSPy. A tun ṣe akiyesi iṣẹ aṣoju AI Agent nipa lilo Chart.js. Nipa gbigbe Agentic AI ati Awọn irinṣẹ Orchestration ṣiṣẹ, awọn olupilẹṣẹ le kọ awọn ilana adaṣe adaṣe idanwo ti o ni adaṣe ti o ṣe adaṣe awọn ibaraenisọrọ olumulo, ṣe awọn ipinnu ti o da lori data idanwo, ati ni ibamu si awọn ipo idanwo iyipada.