LangChain ۽ DSPy استعمال ڪندي DevOps آٽوميشن سان Agentic AI کي ضم ڪرڻ

تعارف

آرٽيفيشل انٽيليجنس (AI)، DevOps، ۽ آٽوميشن جو انڪشاف اسان جي سافٽ ويئر انفراسٽرڪچر کي منظم ۽ برقرار رکڻ جي طريقي ۾ انقلاب آڻي رهيو آهي. Agentic AI، جنهن ۾ شامل آهي AI ايجنٽن جو استعمال انسانن جي طرفان ڪم انجام ڏيڻ لاءِ، خاص طور تي مناسب آهي DevOps آٽوميشن لاءِ. هن آرٽيڪل ۾، اسان LangChain ۽ DSPy استعمال ڪندي DevOps آٽوميشن سان ايجنٽ AI ​​جي انضمام کي ڳولينداسين، ٻه جديد ٽيڪنالاجيون جيڪي ذهانت، AI تي هلندڙ انفراسٽرڪچر مئنيجمينٽ سسٽم جي تخليق کي فعال ڪن ٿيون.

** سمجھڻ LangChain ۽ DSPy**

LangChain هڪ اوپن سورس فريم ورڪ آهي جنهن جي تعمير لاءِ ڳالهه ٻولهه واري AI ايپليڪيشنون. اهو قدرتي ٻولي پروسيسنگ (NLP) ماڊل ٺاهڻ لاءِ اوزارن ۽ لائبريرين جو هڪ سيٽ مهيا ڪري ٿو، ڊائلاگ مئنيجمينٽ سسٽم، ۽ ٻيا اجزا جيڪي گفتگو ڪندڙ AI سسٽم جي تعمير لاءِ ضروري آهن. LangChain Rast پروگرامنگ ٻولي جي چوٽي تي ٺهيل آهي ۽ هڪ لچڪدار، ماڊل آرڪيٽيڪچر مهيا ڪري ٿي ڪسٽم گفتگو واري AI ايپليڪيشنن جي تعمير لاءِ.

ٻئي طرف DSPy، ڊيپ لرننگ ماڊلز جي تعمير ۽ ترتيب ڏيڻ لاءِ پٿون لائبريري آهي. اهو نيورل نيٽ ورڪ جي تعمير ۽ تربيت لاءِ هڪ سادي، وجداني API مهيا ڪري ٿو، انهي سان گڏ پيداوار جي ماحول ۾ ماڊل کي ترتيب ڏيڻ ۽ انتظام ڪرڻ لاءِ اوزارن جو هڪ سيٽ. DSPy LangChain سان بيحد ڪم ڪرڻ لاءِ ٺاهيو ويو آهي، پيچيده، AI-هلائيندڙ سسٽم جي تخليق کي چالو ڪرڻ لاءِ جيڪي ڊيٽا مان سکي سگهن ٿا ۽ بدلجندڙ ماحول سان مطابقت رکن ٿا.

DevOps آٽوميشن لاءِ LangChain ۽ DSPy کي ضم ڪرڻ

DevOps آٽوميشن لاءِ LangChain ۽ DSPy کي ضم ڪرڻ لاءِ، اسان کي هڪ سسٽم ٺاهڻ جي ضرورت آهي جيڪا ٻنهي ٽيڪنالاجيز جي طاقت کي استعمال ڪري سگهي. هتي فن تعمير جو هڪ اعلي سطحي جائزو آهي:

1. ڊيٽا انجڻ: اسان مختلف ذريعن کان ڊيٽا گڏ ڪرڻ لاءِ DSPy استعمال ڪنداسين، جهڙوڪ لاگ، ميٽرڪس، ۽ ڪنفيگريشن فائلون.
2. ماڊل ٽريننگ: اسان ڊي ايس پي کي استعمال ڪنداسين مشين لرننگ ماڊل کي تربيت ڏيڻ لاءِ داخل ٿيل ڊيٽا تي، سسٽم کي فعال ڪندي ڊيٽا ۾ نمونن ۽ رشتن کي سکڻ لاءِ.
3. ڊائيلاگ مئنيجمينٽ: اسان هڪ ڊائلاگ مئنيجمينٽ سسٽم ٺاهڻ لاءِ LangChain استعمال ڪنداسين جيڪو تربيت يافته ماڊل سان رابطو ڪري سگهي ٿو ۽ DevOps ٽيمن کي بصيرت ۽ سفارشون مهيا ڪري سگهي ٿو.
4. ايڪشن ايگزيڪيوشن: اسان ڊي ايس پي کي استعمال ڪنداسين ڪارناما انجام ڏيڻ لاءِ جيڪي تجويزون ڏنيون وينديون آهن ڊائلاگ مئنيجمينٽ سسٽم طرفان.

عملي نفاذ

هتي هڪ سادي مثال آهي ته اسان ڪيئن ضم ڪري سگهون ٿا LangChain ۽ DSPy لاءِ DevOps آٽوميشن: ``پٿون langchain درآمد ڪريو ڊي ايس پي درآمد ڪريو

ماڊل = dspy.Model("log_ingestion")

ماڊل کي ٽرين ڪريو داخل ٿيل ڊيٽا تي

model.train(ڊيٽا)

LangChain ڊائلاگ مئنيجمينٽ سسٽم ٺاهيو

dialogue_manager = langchain.Dialogue Manager (ماڊل)

هڪ سادي گفتگو جي وهڪري کي بيان ڪريو

dialogue_flow = [ { "intent": "چڪ_ اسٽيٽس" "response": "موجوده حيثيت {status} آهي" }، { "intent": "restart_service", "response": "سروس ٻيهر شروع ڪئي وئي آهي" } ]

گفتگو جي وهڪري تي عمل ڪريو

جواب = dialogue_manager.execute(dialogue_flow)

جواب جي بنياد تي عمل ڪريو

جيڪڏهن جواب == "سروس ٻيهر شروع ڪئي وئي آهي": dspy.execute_action("restart_service") `` هي مثال ڏيکاري ٿو ته اسان ڪيئن استعمال ڪري سگهون ٿا LangChain ۽ DSPy هڪ سادي ڊائلاگ مئنيجمينٽ سسٽم ٺاهڻ لاءِ جيڪو هڪ تربيت يافته ماڊل سان رابطو ڪري سگهي ٿو ۽ جواب جي بنياد تي ڪارناما سرانجام ڏئي سگهي ٿو.

مٿين 5-10 سڀ کان وڌيڪ استعمال ٿيل ڪمانڊ/ٽڪرا

هتي ڪجھ عام طور تي استعمال ٿيل حڪم ۽ ٽڪڙا آهن LangChain ۽ DSPy لاءِ:

1. LangChain:
   • langchain.DialogueManager(model): هڪ تربيت يافته ماڊل استعمال ڪندي هڪ ڊائلاگ مئنيجمينٽ سسٽم ٺاهي ٿو.
   • langchain.execute_dialogue_flow(dialogue_flow): اڳواٽ طئي ٿيل ڊائلاگ فلو استعمال ڪندي هڪ ڊائلاگ فلو کي هلائي ٿو.
   • langchain.get_intent(intent): استعمال ڪندڙ جي ان پٽ مان ارادي کي حاصل ڪري ٿو.
2. DSPy:
   • dspy.Model("log_ingestion"): لاگز مان ڊيٽا داخل ڪرڻ لاءِ DSPy ماڊل ٺاهي ٿو.
   • dspy.train(ماڊل، ڊيٽا): داخل ڪيل ڊيٽا تي DSPy ماڊل ٽرين ڪري ٿو.
   • dspy.execute_action(action): هڪ تربيت يافته ماڊل جي سفارش جي بنياد تي عمل تي عمل ڪري ٿو.

تصوير

DevOps آٽوميشن لاءِ LangChain ۽ DSPy جي انضمام جو هتي هڪ سادو تصور آهي: چارٽ { "قسم": "بار"، "ڊيٽا": { "labels": ["ڊيٽا انجڻ"، "ماڊل ٽريننگ"، "ڊائيلاگ مئنيجمينٽ"، "ايڪشن ايگزيڪيوشن"], "ڊيٽا سيٽس": [ { "label": "LangChain", "ڊيٽا": [10, 15, 20, 25], "backgroundColor": "rgba(255, 99, 132, 0.2)", "borderColor": "rgba(255, 99, 132, 1)", "سرحد جي ويڪر": 1 }، { "label": "DSPy", "ڊيٽا": [15, 20, 25, 30], "backgroundColor": "rgba(54, 162, 235, 0.2)", "borderColor": "rgba(54, 162, 235, 1)", "سرحد جي ويڪر": 1 } ] }، "اختيارن": { "عنوان": { "display": سچ، "text": "LangChain ۽ DSPy جو انضمام DevOps آٽوميشن لاءِ" }، "ترازو": { "yAxes": [ { "ticks": { "beginAtZero": سچ } } ] } } } `` هي تصور ڏيکاري ٿو ته ڪيئن LangChain ۽ DSPy هڪ بيحد DevOps آٽوميشن پائيپ لائين ٺاهڻ لاءِ ضم ٿي سگهن ٿا.

اختتام

هن آرٽيڪل ۾، اسان LangChain ۽ DSPy استعمال ڪندي DevOps آٽوميشن سان ايجنٽ AI جي انضمام جي ڳولا ڪئي. اسان ڏيکاريو ته اهي ٻه ٽيڪنالاجيون ڪيئن استعمال ڪري سگھجن ٿيون هڪ سادي ڊائلاگ مئنيجمينٽ سسٽم ٺاهڻ لاءِ جيڪو هڪ تربيت يافته ماڊل سان لهه وچڙ ڪري سگهي ٿو ۽ جواب جي بنياد تي ڪارناما سرانجام ڏئي سگهي ٿو. اسان پڻ مهيا ڪيو عملي عمل جو مثال ۽ مٿيون 5-10 سڀ کان وڌيڪ استعمال ٿيل ڪمانڊ / اسنيپيٽس سيڪشن LangChain ۽ DSPy لاءِ. آخرڪار، اسان LangChain ۽ DSPy جي انضمام کي ڏيکارڻ لاءِ هڪ بصري سيڪشن شامل ڪيو DevOps آٽوميشن لاءِ.