LangChain LLM ఉదాహరణని సృష్టించండి | B4N1

LangChain LLM ఉదాహరణని సృష్టించండి

3 months ago · b4n1 Read time: 3 min

** AI- పవర్డ్ వెబ్ అప్లికేషన్‌ల కోసం డిఫాల్ట్-బై-డిఫాల్ట్ ఆర్కిటెక్చర్‌ని అమలు చేస్తోంది**

పరిచయం

AI-ఆధారిత వెబ్ అప్లికేషన్‌లు ఎక్కువగా ప్రబలంగా మారుతున్నందున, బలమైన మరియు సురక్షితమైన ఆర్కిటెక్చర్ అవసరం ఎప్పుడూ ఎక్కువ కాదు. AI-ఆధారిత దాడుల పెరుగుదలతో, సంభావ్య బెదిరింపులను తట్టుకోగల సురక్షిత-ద్వారా-డిఫాల్ట్ విధానాన్ని అమలు చేయడం చాలా అవసరం. ఈ కథనంలో, మేము పెర్కోనా యొక్క సురక్షిత ఓపెన్-సోర్స్ డేటాబేస్‌లను చైన్‌గార్డ్ యొక్క సెక్యూర్-బై-డిఫాల్ట్ విధానంతో ఎలా కలపాలి మరియు AI- పవర్డ్ వెబ్ అప్లికేషన్‌ల కోసం LangChainతో ఇంటిగ్రేట్ చేయడం ఎలాగో అన్వేషిస్తాము.

AI-ఆధారిత వెబ్ అప్లికేషన్‌లకు బెదిరింపులు

AI-ఆధారిత వెబ్ అప్లికేషన్‌లు వివిధ బెదిరింపులకు గురవుతాయి, వాటితో సహా:

  • డేటా పాయిజనింగ్: AI మోడల్‌లకు హానికరమైన డేటాను అందించడం ద్వారా వాటిని మార్చవచ్చు, ఇది తప్పు అంచనాలు లేదా నిర్ణయాలకు దారి తీస్తుంది.
  • మోడల్ ఇన్వర్షన్: దాడి చేసేవారు AI మోడల్ లేదా దాని శిక్షణ డేటా గురించి సున్నితమైన సమాచారాన్ని ఊహించగలరు.
  • ప్రతిపక్ష దాడులు: మోడల్‌ను తప్పుదారి పట్టించేందుకు రూపొందించిన జాగ్రత్తగా రూపొందించిన ఇన్‌పుట్‌ల ద్వారా AI మోడల్‌లను మోసగించవచ్చు.

సెక్యూర్-బై-డిఫాల్ట్ ఆర్కిటెక్చర్

ఈ బెదిరింపులను తగ్గించడానికి, మేము Percona యొక్క సురక్షిత ఓపెన్ సోర్స్ డేటాబేస్‌లను Chainguard యొక్క సెక్యూర్-బై-డిఫాల్ట్ విధానంతో మిళితం చేసే సురక్షిత-ద్వారా-డిఫాల్ట్ ఆర్కిటెక్చర్‌ను అమలు చేస్తాము మరియు AI- పవర్డ్ వెబ్ అప్లికేషన్‌ల కోసం LangChainతో అనుసంధానం చేస్తాము.

పెర్కోనా యొక్క సురక్షిత ఓపెన్-సోర్స్ డేటాబేస్‌లు

Percona MySQL కోసం Percona సర్వర్ మరియు PostgreSQL కోసం పెర్కోనా సర్వర్‌తో సహా సురక్షితమైన ఓపెన్-సోర్స్ డేటాబేస్‌ల శ్రేణిని అందిస్తుంది. ఈ డేటాబేస్‌లు బలమైన భద్రతా లక్షణాలను అందిస్తాయి, అవి:

  • ఎన్‌క్రిప్షన్: డేటా విశ్రాంతి సమయంలో మరియు రవాణాలో గుప్తీకరించబడుతుంది, సున్నితమైన సమాచారం గోప్యంగా ఉంటుందని నిర్ధారిస్తుంది.
  • యాక్సెస్ కంట్రోల్: సున్నితమైన డేటాకు ప్రాప్యతను పరిమితం చేయడానికి మరియు అధీకృత వ్యక్తులు మాత్రమే డేటాను సవరించగలరని లేదా తొలగించగలరని నిర్ధారించుకోవడానికి సూక్ష్మమైన యాక్సెస్ నియంత్రణ నిర్వాహకులను అనుమతిస్తుంది.
  • ఆడిటింగ్: వివరణాత్మక ఆడిటింగ్ సామర్థ్యాలు అన్ని డేటాబేస్ కార్యాచరణ యొక్క సమగ్ర రికార్డును అందిస్తాయి, భద్రతా సంఘటనలను గుర్తించడం మరియు ప్రతిస్పందించడం సులభం చేస్తుంది.

చైన్‌గార్డ్ యొక్క సెక్యూర్-బై-డిఫాల్ట్ అప్రోచ్

చైన్‌గార్డ్ సురక్షిత-ద్వారా-డిఫాల్ట్ విధానాన్ని అందిస్తుంది, ఇది అప్లికేషన్‌లు మొదటి నుండి భద్రతను దృష్టిలో ఉంచుకుని రూపొందించబడిందని నిర్ధారిస్తుంది. ఈ విధానం వీటిని కలిగి ఉంటుంది:

  • తక్కువ ప్రివిలేజ్: అప్లికేషన్‌లు దాడి ఉపరితలాన్ని తగ్గించడం ద్వారా వాటి విధులను నిర్వహించడానికి అవసరమైన అతి తక్కువ ప్రత్యేక హక్కుతో అమలు చేయడానికి రూపొందించబడ్డాయి.
  • మారలేని అవస్థాపన: మౌలిక సదుపాయాలు మార్పులేని విధంగా రూపొందించబడ్డాయి, భద్రతా సంఘటనలను గుర్తించడం మరియు వాటికి ప్రతిస్పందించడం సులభం చేస్తుంది.
  • సురక్షిత కాన్ఫిగరేషన్: అప్లికేషన్‌లు సురక్షిత డిఫాల్ట్‌లు మరియు కనిష్ట కాన్ఫిగరేషన్‌తో సహా భద్రతను దృష్టిలో ఉంచుకుని కాన్ఫిగర్ చేయబడ్డాయి.

LangChain ఇంటిగ్రేషన్

LangChain అనేది పైథాన్ లైబ్రరీ, ఇది AI- పవర్డ్ వెబ్ అప్లికేషన్‌లను రూపొందించడానికి సులభమైన మరియు స్పష్టమైన APIని అందిస్తుంది. మేము లాంగ్‌చెయిన్‌ను పెర్కోనా యొక్క సురక్షిత ఓపెన్-సోర్స్ డేటాబేస్‌లతో మరియు చైన్‌గార్డ్ యొక్క సెక్యూర్-బై-డిఫాల్ట్ అప్రోచ్‌తో పటిష్టమైన మరియు సురక్షితమైన ఆర్కిటెక్చర్‌ని క్రియేట్ చేస్తాము.

కోడ్ ఉదాహరణ

పెర్కోనా యొక్క సురక్షిత ఓపెన్-సోర్స్ డేటాబేస్‌లు మరియు చైన్‌గార్డ్ యొక్క సెక్యూర్-బై-డిఫాల్ట్ అప్రోచ్‌తో LangChainని ఎలా సమగ్రపరచాలో వివరించే ఒక సాధారణ కోడ్ ఉదాహరణ ఇక్కడ ఉంది:

లాంగ్‌చెయిన్‌ను దిగుమతి చేయండి
లాంగ్‌చెయిన్ దిగుమతి LLM నుండి


llm = LLM(
    model_name="davinci:2-large",
    పరికరం="cuda",
    max_tokens=1024,
)

# పెర్కోనా డేటాబేస్ కనెక్షన్‌ని సృష్టించండి
mysql.connectorని దిగుమతి చేయండి
cnx = mysql.connector.connect(
    వినియోగదారు = 'వినియోగదారు పేరు',
    పాస్వర్డ్='పాస్వర్డ్',
    హోస్ట్='127.0.0.1',
    డేటాబేస్='డేటాబేస్'
)

# చైన్‌గార్డ్ సురక్షిత కాన్ఫిగరేషన్‌ను సృష్టించండి
చైన్‌గార్డ్‌ను దిగుమతి చేయండి
cfg = chainguard.Config(
    app_name="my_app",
    app_version="1.0",
    env_vars={
        "DB_HOST": "127.0.0.1",
        "DB_USER": "యూజర్ పేరు",
        "DB_PASSWORD": "పాస్‌వర్డ్",
    },
)

# డేటాబేస్‌ను ప్రశ్నించడానికి LangChainని ఉపయోగించండి
ప్రశ్న = "నా_టేబుల్ నుండి * ఎంచుకోండి"
ఫలితం = llm.query(ప్రశ్న, db=cnx, cfg=cfg)

# ఫలితాన్ని ముద్రించండి
ప్రింట్ (ఫలితం)

ఈ కోడ్ ఉదాహరణ LangChain LLM ఉదాహరణను ఎలా సృష్టించాలో, Percona డేటాబేస్‌కు కనెక్ట్ చేయడం మరియు Chainguard సురక్షిత కాన్ఫిగరేషన్‌ను ఎలా సృష్టించాలో చూపిస్తుంది. ఇది డేటాబేస్ను ప్రశ్నించడానికి మరియు ఫలితాన్ని ముద్రించడానికి LangChainని ఉపయోగిస్తుంది.

టాప్ 5-10 ఎక్కువగా ఉపయోగించిన ఆదేశాలు/స్నిప్పెట్‌లు

ఈ సాంకేతికత కోసం అత్యధికంగా ఉపయోగించే 5-10 కమాండ్‌లు/స్నిప్పెట్‌లు ఇక్కడ ఉన్నాయి:

  1. langchain.LLM(model_name="davinci:2-large", device="cuda", max_tokens=1024) - LangChain LLM ఉదాహరణని సృష్టించండి.
  2. mysql.connector.connect(user='username', password='password', host='127.0.0.1', database='database') - Percona డేటాబేస్ కనెక్షన్‌ని సృష్టించండి.
  3. `chainguard.Config(app_name="my_app", app_version="1.0", env_vars={"DB_HOST": "127.0.0.1", "DB_USER": "యూజర్‌నేమ్", "DB_PASSWORD": "పాస్‌వర్డ్"}) - కాన్ఫిగరేషన్‌ను సురక్షిత ఛేజింగ్‌ని సృష్టించండి.
  4. llm.query(query, db=cnx, cfg=cfg) - డేటాబేస్‌ను ప్రశ్నించడానికి LangChainని ఉపయోగించండి.
  5. ప్రింట్(ఫలితం) - ప్రశ్న యొక్క ఫలితాన్ని ముద్రించండి.
  6. ఇంపోర్ట్ లాంగ్‌చెయిన్ - లాంగ్‌చెయిన్ లైబ్రరీని దిగుమతి చేయండి.
  7. import mysql.connector - పెర్కోనా డేటాబేస్ కనెక్టర్‌ను దిగుమతి చేయండి.
  8. దిగుమతి చైన్‌గార్డ్ - చైన్‌గార్డ్ లైబ్రరీని దిగుమతి చేయండి.
  9. llm = LLM() - మోడల్‌ను పేర్కొనకుండా LangChain LLM ఉదాహరణని సృష్టించండి.
  10. cnx = mysql.connector.connect() - డేటాబేస్ పేర్కొనకుండా Percona డేటాబేస్ కనెక్షన్‌ని సృష్టించండి.

విజువలైజేషన్

Chart.jsని ఉపయోగించి సురక్షిత-ద్వారా-డిఫాల్ట్ ఆర్కిటెక్చర్ యొక్క విజువలైజేషన్ ఇక్కడ ఉంది:

{
  "రకం": "బార్",
  "డేటా": {
    "లేబుల్స్": ["పెర్కోనా డేటాబేస్", "చైన్‌గార్డ్ సెక్యూర్ కాన్ఫిగరేషన్", "లాంగ్‌చెయిన్ LLM"],
    "డేటాసెట్లు": [
      {
        "label": "సెక్యూరిటీ ఫీచర్స్",
        "డేటా": [10, 8, 12],
        "backgroundColor": ["#FF6384", "#36A2EB", "#FFCE56"]
      }
    ]
  },
  "ఎంపికలు": {
    "శీర్షిక": {
      "ప్రదర్శన": నిజం,
      "టెక్స్ట్": "సెక్యూర్-బై-డిఫాల్ట్ ఆర్కిటెక్చర్"
    },
    "స్కేల్స్": {
      "yAxes": [
        {
          "పేలు": {
            "beginAtZero": నిజం
          }
        }
      ]
    }
  }
}

ఈ విజువలైజేషన్ Percona యొక్క సురక్షిత ఓపెన్-సోర్స్ డేటాబేస్‌లు, Chainguard యొక్క సురక్షిత-ద్వారా-డిఫాల్ట్ విధానం మరియు LangChain యొక్క LLM యొక్క భద్రతా లక్షణాలను చూపుతుంది.

ముగింపు

AI- పవర్డ్ వెబ్ అప్లికేషన్‌ల కోసం సురక్షితమైన డిఫాల్ట్ ఆర్కిటెక్చర్‌ని అమలు చేయడం నేటి ముప్పు ల్యాండ్‌స్కేప్‌లో కీలకం. పెర్కోనా యొక్క సురక్షిత ఓపెన్-సోర్స్ డేటాబేస్‌లను చైన్‌గార్డ్ యొక్క సెక్యూర్-బై-డిఫాల్ట్ విధానంతో కలపడం ద్వారా మరియు లాంగ్‌చెయిన్‌తో అనుసంధానం చేయడం ద్వారా, మేము సంభావ్య AI-ఆధారిత దాడులను తట్టుకోగల బలమైన మరియు సురక్షితమైన నిర్మాణాన్ని సృష్టించగలము. కోడ్ ఉదాహరణలు మరియు విజువలైజేషన్‌లతో సహా ఈ ఆర్కిటెక్చర్‌ను ఎలా అమలు చేయాలనే దానిపై ఈ కథనం ప్రాక్టికల్ గైడ్‌ను అందించింది.


Have Questions?

Let's Talk

Contact me on LinkedIn