LangChain LLM අවස්ථාවක් සාදන්න

** AI බලයෙන් ක්‍රියාත්මක වන වෙබ් යෙදුම් සඳහා ආරක්‍ෂිතව පෙරනිමි ගෘහ නිර්මාණ ශිල්පය ක්‍රියාත්මක කිරීම**

හැඳින්වීම

AI බලයෙන් ක්‍රියාත්මක වන වෙබ් යෙදුම් වඩ වඩාත් ප්‍රචලිත වන බැවින්, ශක්තිමත් සහ ආරක්ෂිත ගෘහ නිර්මාණ ශිල්පයේ අවශ්‍යතාවය කිසි විටෙක දැඩි වී නැත. AI මත පදනම් වූ ප්‍රහාර වැඩිවීමත් සමඟ, විභව තර්ජනවලට ඔරොත්තු දිය හැකි ආරක්ෂිත පෙරනිමි ප්‍රවේශයක් ක්‍රියාත්මක කිරීම අත්‍යවශ්‍ය වේ. මෙම ලිපියෙන්, අපි Percona හි ආරක්‍ෂිත විවෘත මූලාශ්‍ර දත්ත සමුදායන් Chainguard හි ආරක්‍ෂිත ප්‍රවේශය සමඟ ඒකාබද්ධ කරන්නේ කෙසේද සහ AI බලයෙන් ක්‍රියාත්මක වන වෙබ් යෙදුම් සඳහා LangChain සමඟ ඒකාබද්ධ කරන්නේ කෙසේද යන්න ගවේෂණය කරන්නෙමු.

AI-බලවත් වෙබ් යෙදුම් සඳහා තර්ජන

AI බලයෙන් ක්‍රියාත්මක වන වෙබ් යෙදුම් විවිධ තර්ජනවලට ගොදුරු වේ, ඒවා ඇතුළුව:

• දත්ත විෂ වීම: වැරදි අනාවැකි හෝ තීරණ වලට තුඩු දෙන අනිෂ්ට දත්ත පෝෂණය කිරීමෙන් AI ආකෘති හැසිරවිය හැක.
• ආදර්ශ ප්‍රතිලෝම: ප්‍රහාරකයන්ට AI ආකෘතිය හෝ එහි පුහුණු දත්ත පිළිබඳ සංවේදී තොරතුරු අනුමාන කළ හැක.
• ප්‍රතිවාදී ප්‍රහාර: ආකෘතිය නොමඟ යැවීමට සැලසුම් කර ඇති පරිස්සමෙන් සකස් කළ යෙදවුම් මගින් AI මාදිලි රැවටිය හැක.

ආරක්ෂිතව පෙරනිමි ගෘහ නිර්මාණ ශිල්පය

මෙම තර්ජන අවම කිරීම සඳහා, අපි Percona හි ආරක්‍ෂිත විවෘත මූලාශ්‍ර දත්ත සමුදායන් Chainguard හි ආරක්‍ෂිත ප්‍රවේශය සමඟ ඒකාබද්ධ කරන සහ AI බලයෙන් ක්‍රියාත්මක වන වෙබ් යෙදුම් සඳහා LangChain සමඟ ඒකාබද්ධ කරන ආරක්‍ෂිත පෙරනිමි ගෘහ නිර්මාණ ශිල්පයක් ක්‍රියාත්මක කරන්නෙමු.

Percona's Secure Open-source Databases

Percona MySQL සඳහා Percona Server සහ PostgreSQL සඳහා Percona Server ඇතුළුව ආරක්ෂිත විවෘත-මූලාශ්‍ර දත්ත සමුදා පරාසයක් පිරිනමයි. මෙම දත්ත සමුදායන් වැනි ශක්තිමත් ආරක්ෂක විශේෂාංග සපයයි:

• සංකේතනය: දත්ත විවේකයේදී සහ සංක්‍රමණයේදී සංකේතනය කර ඇති අතර, සංවේදී තොරතුරු රහසිගතව පවතින බව සහතික කරයි.
• ප්‍රවේශ පාලනය: සියුම් ප්‍රවේශ පාලනය පරිපාලකයින්ට සංවේදී දත්ත වෙත ප්‍රවේශය සීමා කිරීමට සහ බලයලත් පුද්ගලයන්ට පමණක් දත්ත වෙනස් කිරීමට හෝ මැකීමට හැකි බව සහතික කිරීමට ඉඩ සලසයි.
• විගණනය: සවිස්තරාත්මක විගණන හැකියාවන් මඟින් සියලුම දත්ත සමුදා ක්‍රියාකාරකම් පිළිබඳ සවිස්තර වාර්තාවක් සපයන අතර, ආරක්ෂක සිද්ධීන් හඳුනා ගැනීම සහ ඒවාට ප්‍රතිචාර දැක්වීම පහසු කරයි.

Chainguard's Secure-by-Default ප්‍රවේශය

Chainguard විසින් ආරක්‍ෂිත පෙරනිමි ප්‍රවේශයක් ලබා දෙන අතර එමඟින් යෙදුම් ආරම්භයේ සිටම ආරක්ෂාව මනසේ තබාගෙන ගොඩනගා ඇති බව සහතික කරයි. මෙම ප්රවේශයට ඇතුළත් වන්නේ:

• අවම වරප්‍රසාද: යෙදුම් සැලසුම් කර ඇත්තේ ප්‍රහාරක පෘෂ්ඨය අඩු කරමින් ඒවායේ කාර්යයන් ඉටු කිරීමට අවශ්‍ය අවම වරප්‍රසාද සහිතව ධාවනය කිරීමටය.
• වෙනස් කළ නොහැකි යටිතල පහසුකම්: යටිතල පහසුකම් වෙනස් කළ නොහැකි ලෙස නිර්මාණය කර ඇති අතර, ආරක්ෂක සිදුවීම් හඳුනා ගැනීම සහ ඒවාට ප්‍රතිචාර දැක්වීම පහසු කරයි.
• ආරක්ෂිත වින්‍යාසය: යෙදුම් ආරක්ෂිත පෙරනිමි සහ අවම වින්‍යාසය ඇතුළුව ආරක්ෂාව මනසේ තබාගෙන වින්‍යාස කර ඇත.

LangChain ඒකාබද්ධ කිරීම

LangChain යනු AI බලයෙන් ක්‍රියාත්මක වන වෙබ් යෙදුම් තැනීම සඳහා සරල සහ අවබෝධාත්මක API සපයන Python පුස්තකාලයකි. අපි LangChain Percona හි ආරක්ෂිත විවෘත-මූලාශ්‍ර දත්ත සමුදායන් සහ ශක්තිමත් සහ ආරක්ෂිත ගෘහනිර්මාණ ශිල්පයක් නිර්මාණය කිරීම සඳහා Chainguard හි ආරක්ෂිතව පෙරනිමි ප්‍රවේශය සමඟ ඒකාබද්ධ කරන්නෙමු.

කේත උදාහරණය

LangChain Percona හි ආරක්ෂිත විවෘත-මූලාශ්‍ර දත්ත සමුදායන් සහ Chainguard හි ආරක්ෂිතව පෙරනිමි ප්‍රවේශය සමඟ ඒකාබද්ධ කරන්නේ කෙසේද යන්න පෙන්නුම් කරන සරල කේත උදාහරණයක් මෙන්න:

langchain ආනයනය කරන්න
langchain ආනයනය LLM වෙතින්


llm = LLM(
    model_name="davinci:2-large",
    උපාංගය="කුඩා",
    max_tokens=1024,
)

# Percona දත්ත සමුදා සම්බන්ධතාවයක් සාදන්න
mysql.connector ආයාත කරන්න
cnx = mysql.connector.connect(
    user='පරිශීලක නාමය',
    මුරපදය='මුරපදය',
    host='127.0.0.1',
    database='දත්ත සමුදාය'
)

# Chainguard ආරක්ෂිත වින්‍යාසයක් සාදන්න
chainguard ආනයනය කරන්න
cfg = chainguard.Config(
    app_name="my_app",
    app_version="1.0",
    env_vars={
        "DB_HOST": "127.0.0.1",
        "DB_USER": "පරිශීලක නාමය",
        "DB_PASSWORD": "මුරපදය",
    },
)

# දත්ත සමුදාය විමසීමට LangChain භාවිතා කරන්න
විමසුම = "මගේ_වගුවෙන් * තෝරන්න"
ප්‍රතිඵලය = llm.query(විමසුම, db=cnx, cfg=cfg)

# ප්රතිඵලය මුද්රණය කරන්න
මුද්‍රණය (ප්‍රතිඵලය)

මෙම කේත උදාහරණය මඟින් LangChain LLM අවස්ථාවක් නිර්මාණය කරන්නේ කෙසේද, Percona දත්ත ගබඩාවකට සම්බන්ධ කරන්නේ කෙසේද සහ Chainguard ආරක්ෂිත වින්‍යාසයක් සාදන ආකාරය පෙන්නුම් කරයි. එය දත්ත සමුදාය විමසීමට සහ ප්රතිඵලය මුද්රණය කිරීමට LangChain භාවිතා කරයි.

ඉහළම 5-10 වැඩිපුරම භාවිතා කරන ලද විධාන/Snippets

මෙම තාක්ෂණය සඳහා වැඩිපුරම භාවිතා කරන ලද විධාන/ස්නිපෙට් 5-10 මෙන්න:

1. langchain.LLM(model_name="davinci:2-large", device="cuda", max_tokens=1024) - LangChain LLM අවස්ථාවක් සාදන්න.
2. mysql.connector.connect(user='username', password='password', host='127.0.0.1', database='database') - Percona දත්ත සමුදා සම්බන්ධතාවයක් සාදන්න.
3. `chainguard.Config(app_name="my_app", app_version="1.0", env_vars={"DB_HOST": "127.0.0.1", "DB_USER": "පරිශීලක නාමය", "DB_PASSWORD": "මුරපදය"}) - ආරක්ෂිත සැකසුම සාදන්න.
4. llm.query(query, db=cnx, cfg=cfg) - දත්ත සමුදාය විමසීමට LangChain භාවිතා කරන්න.
5. මුද්‍රණය(ප්‍රතිඵල) - විමසුමේ ප්‍රතිඵලය මුද්‍රණය කරන්න.
6. langchain ආනයනය කරන්න - LangChain පුස්තකාලය ආනයනය කරන්න.
7. import mysql.connector - Percona දත්ත සමුදා සම්බන්ධකය ආනයනය කරන්න.
8. චේන්ගාඩ් ආනයනය කරන්න - Chainguard පුස්තකාලය ආනයනය කරන්න.
9. llm = LLM() - ආකෘතියක් සඳහන් නොකර LangChain LLM අවස්ථාවක් සාදන්න.
10. cnx = mysql.connector.connect() - දත්ත සමුදායක් සඳහන් නොකර Percona දත්ත සමුදා සම්බන්ධතාවයක් සාදන්න.

දෘෂ්‍යකරණය

මෙන්න Chart.js භාවිතා කරමින් ආරක්ෂිතව පෙරනිමි ගෘහ නිර්මාණ ශිල්පයේ දෘශ්‍යකරණයකි: ''''ජේසන් { "වර්ගය": "බාර්", "දත්ත": { "labels": ["Percona Database", "Chainguard Secure Configuration", "LangChain LLM"], "දත්ත කට්ටල": [ { "label": "ආරක්ෂක විශේෂාංග", "දත්ත": [10, 8, 12], "backgroundColor": ["#FF6384", "#36A2EB", "#FFCE56"] } ] }, "විකල්ප": { "මාතෘකාව": { "දර්ශණය": ඇත්ත, "පෙළ": "සුරක්ෂිතව පෙරනිමි ගෘහ නිර්මාණ ශිල්පය" }, "පරිමාණ": { "yAxes": [ { "කිනිතුල්ලන්": { "beginAtZero": ඇත්ත } } ] } } }

මෙම දෘශ්‍යකරණය Percona හි ආරක්ෂිත විවෘත මූලාශ්‍ර දත්ත සමුදායන්, Chainguard හි ආරක්‍ෂිත පෙරනිමි ප්‍රවේශය සහ LangChain's LLM හි ආරක්ෂක විශේෂාංග පෙන්වයි.

** නිගමනය **

AI බලයෙන් ක්‍රියාත්මක වන වෙබ් යෙදුම් සඳහා ආරක්ෂිත-පෙරනිමි ගෘහ නිර්මාණ ශිල්පයක් ක්‍රියාත්මක කිරීම වර්තමාන තර්ජනාත්මක භූ දර්ශනය තුළ තීරණාත්මක වේ. Percona හි ආරක්ෂිත විවෘත-මූලාශ්‍ර දත්ත සමුදායන් Chainguard හි ආරක්‍ෂිත පෙරනිමි ප්‍රවේශය සමඟ ඒකාබද්ධ කිරීමෙන් සහ LangChain සමඟ ඒකාබද්ධ කිරීමෙන්, අපට විභව AI-ධාවන ප්‍රහාරවලට ඔරොත්තු දිය හැකි ශක්තිමත් සහ ආරක්ෂිත ගෘහ නිර්මාණ ශිල්පයක් නිර්මාණය කළ හැකිය. මෙම ලිපිය කේත උදාහරණ සහ දෘශ්‍යකරණයන් ඇතුළුව මෙම ගෘහ නිර්මාණ ශිල්පය ක්‍රියාත්මක කරන්නේ කෙසේද යන්න පිළිබඳ ප්‍රායෝගික මාර්ගෝපදේශයක් සපයා ඇත.