** மேம்படுத்தப்பட்ட ZeroOps க்கான DSPy மற்றும் LangChain உடன் DevOps பைப்லைன்களில் ஆர்கெஸ்ட்ரேட்டிங் ஏஜென்டிக் AI**
அறிமுகம்
டெவொப்ஸ் பைப்லைன்களில் செயற்கை நுண்ணறிவு (AI) இன் ஒருங்கிணைப்பு மென்பொருளை உருவாக்குதல், சோதனை செய்தல் மற்றும் பயன்படுத்தப்படும் விதத்தில் புரட்சியை ஏற்படுத்தியுள்ளது. ஏஜென்டிக் AI, தன்னாட்சி முடிவெடுக்கும் மற்றும் செயல்-எடுத்து செயல்படுத்தும் AI இன் துணைக்குழு, DevOps செயல்முறைகளின் செயல்திறன் மற்றும் செயல்திறனை மேலும் மேம்படுத்தும் திறனைக் கொண்டுள்ளது. இந்தக் கட்டுரையில், DSPy மற்றும் LangChain ஐப் பயன்படுத்தி DevOps பைப்லைன்களில் ஏஜென்டிக் AI ஐ ஆர்கெஸ்ட்ரேட் செய்வது பற்றிய கருத்தை ஆராய்வோம், மேலும் ZeroOps ஐ அடைவதில் இந்த அணுகுமுறையின் நன்மைகளைப் பற்றி விவாதிப்போம்.
ஏஜென்டிக் AI என்றால் என்ன?
ஏஜென்டிக் AI என்பது மனித தலையீடு இல்லாமலேயே சுயமாக முடிவெடுக்கும் மற்றும் செயல்களை எடுக்கும் திறன் கொண்ட AI வகையைக் குறிக்கிறது. மேம்பட்ட இயந்திர கற்றல் வழிமுறைகள், இயற்கை மொழி செயலாக்கம் மற்றும் அறிவாற்றல் கட்டமைப்புகள் ஆகியவற்றின் மூலம் இது அடையப்படுகிறது. ஏஜென்டிக் AI அமைப்புகள் அனுபவத்தில் இருந்து கற்றுக்கொள்ளலாம், புதிய சூழ்நிலைகளுக்கு ஏற்ப, மேலும் இயற்கையான மற்றும் உள்ளுணர்வு வழியில் மனிதர்களுடன் தொடர்பு கொள்ளலாம்.
ZeroOps என்றால் என்ன?
ZeroOps என்பது ஒரு DevOps தத்துவமாகும், இது மென்பொருள் மேம்பாடு, வரிசைப்படுத்தல் மற்றும் பராமரிப்பு ஆகியவற்றில் மனித தலையீட்டின் தேவையை அகற்றுவதை நோக்கமாகக் கொண்டுள்ளது. ஆட்டோமேஷன், ஆர்கெஸ்ட்ரேஷன் மற்றும் AI-உந்துதல் முடிவெடுப்பதன் மூலம் இது அடையப்படுகிறது. ZeroOps நிறுவனங்களுக்கு மென்பொருளை வேகமாகவும், உயர் தரத்துடனும், குறைந்த செலவிலும் பயன்படுத்த உதவுகிறது.
** DevOps பைப்லைன்களில் ஆர்கெஸ்ட்ரேட்டிங் ஏஜென்டிக் AI**
டெவொப்ஸ் பைப்லைன்களில் ஏஜெண்டிக் AIஐ ஒழுங்கமைக்க, பைப்லைனில் AI-உந்துதல் முடிவெடுத்தல் மற்றும் நடவடிக்கை எடுப்பதை ஒருங்கிணைக்க வேண்டும். AI-உந்துதல் பயன்பாடுகளை உருவாக்குவதற்கும் பயன்படுத்துவதற்கும் இரண்டு பிரபலமான கட்டமைப்புகளான DSPy மற்றும் LangChain ஐப் பயன்படுத்துவதன் மூலம் இதை அடைய முடியும்.
டிஎஸ்பி
DSPy என்பது AI- இயக்கப்படும் பயன்பாடுகளை உருவாக்குவதற்கும் பயன்படுத்துவதற்கும் ஒரு பைதான் கட்டமைப்பாகும். இது தரவு செயலாக்கம், இயந்திர கற்றல் மற்றும் இயற்கை மொழி செயலாக்கத்திற்கான கருவிகள் மற்றும் நூலகங்களின் தொகுப்பை வழங்குகிறது. DSPy ஆனது LangChain மற்றும் FastAPI போன்ற பிரபலமான கட்டமைப்புகளுடன் தடையின்றி வேலை செய்யும் வகையில் வடிவமைக்கப்பட்டுள்ளது.
LangChain
LangChain என்பது AI- இயக்கப்படும் பயன்பாடுகளை உருவாக்குவதற்கும் பயன்படுத்துவதற்கும் ஒரு பைதான் கட்டமைப்பாகும். இது இயற்கை மொழி செயலாக்கம், இயந்திர கற்றல் மற்றும் அறிவாற்றல் கட்டமைப்புகளுக்கான கருவிகள் மற்றும் நூலகங்களின் தொகுப்பை வழங்குகிறது. DSPy மற்றும் FastAPI போன்ற பிரபலமான கட்டமைப்புகளுடன் தடையின்றி வேலை செய்யும் வகையில் LangChain வடிவமைக்கப்பட்டுள்ளது.
தொழில்நுட்ப செயலாக்கம்
DSPy மற்றும் LangChain ஐப் பயன்படுத்தி DevOps பைப்லைன்களில் ஆர்கெஸ்ட்ரேட்டிங் ஏஜென்டிக் AI இன் தொழில்நுட்ப செயலாக்கத்தை நிரூபிக்க, ஒரு எளிய உதாரணத்தைப் பார்ப்போம். டெவொப்ஸ் பைப்லைனைப் பயன்படுத்தி இணையப் பயன்பாட்டின் வரிசைப்படுத்தலை தானியக்கமாக்க விரும்புகிறோம் என்று வைத்துக்கொள்வோம். பயன்பாட்டு செயல்திறன், பயனர் கருத்து மற்றும் கணினி ஆதாரங்கள் போன்ற காரணிகளின் அடிப்படையில் உகந்த வரிசைப்படுத்தல் உத்தியை தீர்மானிக்கும் AI-உந்துதல் முடிவெடுக்கும் அமைப்பை உருவாக்க DSPy ஐப் பயன்படுத்தலாம்.
இறக்குமதி dsp
லாங்செயின் இறக்குமதி LLM இலிருந்து
def deployment_strategy(app_performance, user_feedback, system_resources):
# தரவை செயலாக்க மற்றும் முடிவுகளை எடுக்க DSPy ஐப் பயன்படுத்தவும்
தரவு = dspy.Data(app_performance, user_feedback, system_resources)
முடிவு = dspy.DecisionMaker(தரவு)
# வரிசைப்படுத்தல் திட்டத்தை உருவாக்க LangChain ஐப் பயன்படுத்தவும்
llm = LLM("text-davinci-003")
plan = llm.generate_text(f" {app_performance}ஐ {user_feedback} மற்றும் {system_resources} ஆதாரங்களுடன் பயன்படுத்தவும்")
திரும்பும் திட்டம்
# DevOps பைப்லைனை வரையறுக்கவும்
டெஃப் பைப்லைன்(app_performance, user_feedback, system_resources):
# பைப்லைனை ஒழுங்கமைக்க DSPy ஐப் பயன்படுத்தவும்
குழாய் = dspy.Pipeline()
pipeline.add_task(deployment_strategy, app_performance, user_feedback, system_resources)
pipeline.add_task(dspytasks.Deploy, plan)
# பைப்லைனை இயக்கவும்
pipeline.run()
# பைப்லைனை இயக்கவும்
பைப்லைன்(90, 4.5, 80)
முதல் 5-10 அதிகம் பயன்படுத்தப்பட்ட கட்டளைகள்/துணுக்குகள்
DSPy மற்றும் LangChainக்கு அதிகம் பயன்படுத்தப்படும் 5-10 கட்டளைகள்/துணுக்குகள் இங்கே:
dspy.Data(): செயலாக்கம் மற்றும் முடிவெடுப்பதற்கு ஒரு தரவு பொருளை உருவாக்குகிறது.dspy.DecisionMaker(): தரவு மற்றும் சூழலின் அடிப்படையில் முடிவுகளை எடுக்கிறது.LLM.generate_text(): உள்ளீட்டுத் தூண்டுதல்களின் அடிப்படையில் உரையை உருவாக்குகிறது.dspytasks.Deploy(): வரிசைப்படுத்தல் திட்டத்தின் அடிப்படையில் ஒரு பயன்பாட்டைப் பயன்படுத்துகிறது.dspy.Pipeline(): DevOps பைப்லைனை ஆர்கெஸ்ட்ரேட் செய்கிறது.pipeline.add_task(): பைப்லைனில் ஒரு பணியைச் சேர்க்கிறது.pipeline.run(): பைப்லைனை இயக்குகிறது.dspy.Data.process(): முடிவெடுப்பதற்கான தரவை செயலாக்குகிறது.dspy.DecisionMaker.decide(): தரவு மற்றும் சூழலின் அடிப்படையில் முடிவெடுக்கிறது.LLM.generate_text(prompt): உள்ளீட்டுத் தூண்டுதல்களின் அடிப்படையில் உரையை உருவாக்குகிறது.
காட்சிப்படுத்தல்
Chart.js ஐப் பயன்படுத்தி ஏஜென்டிக் AI- இயக்கப்படும் DevOps பைப்லைனின் காட்சிப்படுத்தல் இங்கே:
{
"வகை": "பார்",
"தரவு": {
"லேபிள்கள்": ["தரவு செயலாக்கம்", "முடிவெடுத்தல்", "பணியிடல்"],
"தரவுத்தொகுப்புகள்": [
{
"லேபிள்": "ஏஜென்டிக் ஏஐ",
"தரவு": [10, 20, 30],
"பின்னணி நிறம்": "rgba(255, 99, 132, 0.2)",
"borderColor": "rgba(255, 99, 132, 1)",
"எல்லை அகலம்": 1
}
]
},
"விருப்பங்கள்": {
"செதில்கள்": {
"yAxes": [
{
"உண்ணி": {
"beginAtZero": உண்மை
}
}
]
}
}
}
இந்த காட்சிப்படுத்தல் ஏஜென்டிக் AI- இயக்கப்படும் DevOps பைப்லைனின் மூன்று நிலைகளைக் காட்டுகிறது: தரவு செயலாக்கம், முடிவெடுத்தல் மற்றும் வரிசைப்படுத்தல்.
முடிவு
இந்தக் கட்டுரையில், DSPy மற்றும் LangChain ஐப் பயன்படுத்தி DevOps பைப்லைன்களில் ஏஜென்டிக் AI ஐ ஆர்கெஸ்ட்ரேட் செய்வது பற்றிய கருத்தை நாங்கள் ஆராய்ந்தோம். AI-இயக்கப்படும் முடிவெடுக்கும் முறையைப் பயன்படுத்தி இணையப் பயன்பாட்டின் வரிசைப்படுத்தலை எவ்வாறு தானியங்குபடுத்துவது என்பதற்கான எளிய உதாரணத்தை நாங்கள் காண்பித்தோம். Chart.js ஐப் பயன்படுத்தி ஏஜென்டிக் AI- இயக்கப்படும் DevOps பைப்லைனின் காட்சிப்படுத்தலையும் நாங்கள் வழங்கியுள்ளோம். டெவொப்ஸ் பைப்லைன்களில் ஏஜென்டிக் AI ஐ ஒருங்கிணைப்பதன் மூலம், நிறுவனங்கள் ZeroOps ஐ அடையலாம் மற்றும் மென்பொருளை வேகமாகவும், உயர் தரத்துடனும், குறைந்த செலவிலும் பயன்படுத்த முடியும்.