Муқаддима
Пешрафтҳои босуръат дар зеҳни сунъӣ (AI) ва муҳандисии нармафзор боиси таҳияи системаҳои нармафзори мураккабе шуданд, ки агентҳои AI ва меъмории ҷараёни кории модулро муттаҳид мекунанд. Ин системаҳо потенсиали инқилоберо доранд, ки мо ба автоматизатсия ва оркестри DevOps муносибат мекунем. Бо вуҷуди ин, тарҳрезии системаҳои нармафзори миқёспазир ва ахлоқӣ, ки ба AI асос ёфтааст, дарки амиқи дастовардҳои навтарин дар AI, муҳандисии нармафзор ва меъмориро талаб мекунад.
Дар ин мақола, мо принсипҳои тарроҳӣ ва таҷрибаҳои беҳтаринро барои эҷоди системаҳои нармафзори модулӣ, миқёспазир ва ахлоқӣ, ки агентҳои AI ва меъмории ҷараёни кории модулиро муттаҳид мекунанд, меомӯзем. Мо ба омезиши пешрафтҳои навтарин дар AI (Моделҳои Забони калон (LLMs), Насли Ҷустуҷӯи Зиёдшуда (RAG)), муҳандисии нармафзор (Python, Rust, Go) ва меъморӣ барои эҷоди системаҳои мустаҳкам ва нигоҳдорӣ тамаркуз хоҳем кард.
Архитектураи ҷараёни кории модулӣ
Меъмории ҷараёни кории модул як намунаи тарроҳӣ мебошад, ки системаҳои мураккабро ба модулҳои хурдтар ва мустақил тақсим мекунад, ки онҳоро ба осонӣ нигоҳдорӣ, навсозӣ ва миқёс кардан мумкин аст. Ҳар як модул барои вазифа ё функсияи мушаххас масъул аст ва онҳо бо ҳамдигар тавассути интерфейсҳои дақиқ муошират мекунанд.
Ин аст як мисоли оддии меъмории ҷараёни кории модулӣ дар Python: `` питон
workflow.py
Раванди кори синф: def init (худ): self.modules = []
def add_module (худ, модул):
self.modules.append(модул)
def давидан (худ):
барои модул дар self.modules:
module.run()
module1.py
Модули синфи 1: def давидан (худ): чоп ("Модули 1 кор мекунад")
module2.py
Модули синфи 2: def давидан (худ): чоп ("Модули 2 кор мекунад")
main.py
агар ном == "асосӣ": ҷараёни корӣ = Ҷараёни корӣ () workflow.add_module(Module1()) workflow.add_module(Module2()) workflow.run()
Дар ин мисол, мо синфи 'Workflow' дорем, ки рӯйхати модулҳоро идора мекунад. Ҳар як модул барои вазифаи мушаххас масъул аст ва онҳо бо истифода аз усули `add_module` ба ҷараёни кор илова карда мешаванд. Усули 'run' барои иҷрои ҳар як модул дар ҷараёни корӣ истифода мешавад.
## Агентҳои AI
Агентҳои AI ҷузъҳои нармафзор мебошанд, ки алгоритмҳои омӯзиши мошинро барои қабули қарорҳо ва амалҳо дар система истифода мебаранд. Онҳо метавонанд барои автоматикунонии вазифаҳо, беҳтар кардани таҷрибаи корбар ва оптимизатсияи кори система истифода шаванд.
Якчанд намуди агентҳои AI мавҷуданд, аз ҷумла:
* **Агентҳои ба қоида асосёфта**: Ин агентҳо барои қабули қарор қоидаҳои пешакӣ муайяншударо истифода мебаранд.
* **Агентҳои омӯзиши мошин**: Ин агентҳо алгоритмҳои омӯзиши мошинро барои омӯхтани маълумот ва қабули қарорҳо истифода мебаранд.
* **Агентҳои гибридӣ**: Ин агентҳо равишҳои омӯзиши қоидаҳо ва мошинро барои қабули қарорҳо муттаҳид мекунанд.
Ин аст як мисоли агенти оддии AI дар Python бо истифода аз алгоритми омӯзиши мошин:
`` питон
# agent.py
аз sklearn.ensemble воридоти RandomForestClassifier
аз sklearn.model_selection воридоти train_test_split
аз sklearn.datasets воридоти load_iris
Агенти синф:
def __init__ (худ):
self.model = RandomForestClassifier ()
қатораи def (худ, X, y):
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0,2, random_state=42)
self.model.fit(X_train, y_train)
def пешгӯӣ (худ, X):
баргардонидани self.model.predict(X)
# main.py
агар __ном__ == "__асосӣ__":
Айрис = load_iris ()
X = iris.data
y = iris.target
агент = Агент ()
agent.train(X, y)
пешгӯиҳо = agent.predict(X)
чоп (пешгӯиҳо)
Дар ин мисол, мо як агенти оддии AI дорем, ки барои пешгӯиҳо таснифгари тасодуфии ҷангалро истифода мебарад. Агент дар маҷмӯи додаҳои Айрис омӯзонида мешавад ва дар ҳамон маҷмӯаи додаҳо пешгӯиҳо мекунад.
Омезиши агентҳои AI ва меъмории ҷараёни кории модулӣ
Якҷоя кардани агентҳои AI ва меъмории ҷараёни кории модулӣ ба мо имкон медиҳад, ки системаҳои мураккаберо эҷод кунем, ки қабули қарорҳои ба AI асосёфтаро бо меъмории модулӣ ва миқёспазир муттаҳид мекунанд.
Ин аст як мисоли системае, ки агентҳои AI ва меъмории ҷараёни кории модулро муттаҳид мекунад: `` питон
workflow.py
Раванди кори синф: def init (худ): self.modules = [] self.agent = Ҳеҷ
def add_module (худ, модул):
self.modules.append(модул)
def add_agent (худ, агент):
self.agent = агент
def давидан (худ):
барои модул дар self.modules:
module.run()
агар self.agent:
self.agent.predict()
module1.py
Модули синфи 1: def давидан (худ): чоп ("Модули 1 кор мекунад")
module2.py
Модули синфи 2: def давидан (худ): чоп ("Модули 2 кор мекунад")
agent.py
аз sklearn.ensemble воридоти RandomForestClassifier аз sklearn.model_selection воридоти train_test_split аз sklearn.datasets воридоти load_iris
Агенти синф: def init (худ): self.model = RandomForestClassifier ()
қатораи def (худ, X, y): X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0,2, random_state=42) self.model.fit(X_train, y_train)
def пешгӯӣ (худ, X):
баргардонидани self.model.predict(X)
main.py
агар ном == "асосӣ": ҷараёни корӣ = Ҷараёни корӣ () workflow.add_module(Module1()) workflow.add_module(Module2()) агент = Агент () agent.train(X, y) workflow.add_agent(агент) workflow.run()
Дар ин мисол, мо системае дорем, ки агентҳои AI ва меъмории ҷараёни кории модулро муттаҳид мекунад. Система ду модул ва як агенти AI дорад, ки барои пешгӯиҳо таснифгари тасодуфии ҷангалро истифода мебарад. Агент бо истифода аз усули `add_agent` ба ҷараёни кор илова карда мешавад ва он пас аз кор кардани модулҳо пешгӯиҳо мекунад.
## Top 5-10 Фармонҳо/порчаҳои бештар истифодашаванда
Инҳоянд баъзе аз фармонҳо ва порчаҳои маъмултарин барои тарҳрезии системаҳои нармафзори миқёспазир ва ахлоқии AI бо меъмории ҷараёни кории модулӣ ва агентҳои AI:
1. **Python**: `импорти пандаҳо ҳамчун pd` (воридоти китобхонаи пандаҳо)
2. **Python**: `pd.read_csv('data.csv')` (хондани файли CSV дар фрейми панда)
3. **Python**: `agent.train(X, y)` (омӯзонидани агенти AI дар маҷмӯи додаҳо)
4. **Python**: `agent.predict(X)` (бо истифода аз агенти AI пешгӯӣ мекунад)
5. **Руст**: `бигзор агенти мут = Agent::new()` (таъсиси агенти нави AI дар Rust)
6. **Руст**: `agent.train(X, y)` (омӯзонидани агенти AI дар маҷмӯи додаҳо дар Rust)
7. **Go**: `агент := NewAgent()` (таъсиси агенти нави AI дар Go)
8. **Go**: `agent.Train(X, y)` (омӯзонидани агенти AI дар маҷмӯи додаҳо дар Go)
9. **Chart.js**: `const диаграмма = Диаграммаи нав(ctx, {навъ: 'бар', маълумот: { тамғакоғазҳо: ['Label 1', 'Label 2'], маҷмӯаҳои додаҳо: [{ label: 'Dataset 1', data: [10, 20] }] } } });` (сохтани диаграммаи a chart.
10. **Chart.js**: `chart.data.datasets[0].data.push(30)` (илова кардани нуқтаи нави маълумот ба диаграмма бо истифода аз Chart.js)
## Визуалӣ
Дар ин ҷо як мисоли диаграммаи сутун бо истифода аз Chart.js аст:
``json
{
"type": "бар",
"маълумот": {
"labels": ["Label 1", "Label 2"],
"маҷмӯи додаҳо": [
{
"label": "Маҷмӯи додаҳо 1",
"маълумот": [10, 20]
}
]
}
}
Ин диаграмма дорои ду нишона ва як маҷмӯаи додаҳо бо ду нуқтаи дода аст. Диаграммаро бо истифода аз имконоти гуногун ва танзимот танзим кардан мумкин аст.
Хулоса
Тарҳрезии системаҳои нармафзори миқёспазир ва ахлоқии AI асосёфта бо меъмории ҷараёни кории модулӣ ва агентҳои AI фаҳмиши амиқи навтарин пешрафтҳои AI, муҳандисии нармафзор ва меъмориро талаб мекунад. Бо муттаҳид кардани агентҳои AI ва меъмории ҷараёни кории модулӣ, мо метавонем системаҳои мураккаберо эҷод кунем, ки қабули қарорҳои ба AI асосёфтаро бо меъмории модулӣ ва миқёспазир муттаҳид мекунанд.
Дар ин мақола, мо принсипҳои тарроҳӣ ва таҷрибаҳои беҳтаринро барои эҷоди системаҳои нармафзори модулӣ, миқёспазир ва ахлоқӣ, ки агентҳои AI ва меъмории ҷараёни кории модулиро муттаҳид мекунанд, омӯхтаем. Мо инчунин намунаҳои агентҳои оддии AI ва меъмории ҷараёни кории модулиро дар Python, Rust ва Go, инчунин намунаи визуализатсия бо истифода аз Chart.js пешниҳод кардем.
Бо риояи дастурҳо ва таҷрибаҳои беҳтарини дар ин мақола овардашуда, таҳиягарон метавонанд системаҳои нармафзори устувор ва нигоҳдории AI-ро эҷод кунанд, ки ба ниёзҳои замимаҳо ва соҳаҳои муосир ҷавобгӯ бошанд.