Күп агентлы AI архитектурасы һәм LangChain белән үз-үзен дәвалау программалары системаларын төзү

Кереш

Бүгенге программа тәэминаты тиз үсеш пейзажында, үз-үзен дәвалаучы программа системаларын төзү катлаулы программа системаларының ышанычлылыгын, масштаблылыгын һәм ныклыгын тәэмин итү өчен критик таләпкә әйләнде. Традицион монолит архитектурасы хәзерге программа тәэминаты таләпләрен канәгатьләндерерлек түгел, монда системалар үзгәрү таләпләренә яраклашырга, көтелмәгән уңышсызлыкларны җиңәргә һәм хаталардан тиз арада торгызылырга тиеш. Монда күп агентлы AI архитектурасы һәм LangChain уйный, үзгәреп торган программа системаларын төзү өчен көчле чишелеш тәкъдим итә, үзгәрә торган шартларга өйрәнә, җайлаша һәм җавап бирә ала.

Күп агент AI архитектурасы нәрсә ул?

Күп агентлы AI архитектурасы - уртак максатка ирешү өчен бер-берсе һәм әйләнә-тирә мохит белән үзара бәйләнештә торучы берничә автоном агенттан торган таратылган ЯИ системасы төре. Eachәр агентның карар кабул итү мөмкинлекләре, белемнәре, ресурслары бар, һәм алар бер-берсе белән мәгълүмат уртаклашу, чараларны координацияләү һәм үзгәрү шартларына яраклашу өчен аралаша алалар.

Программа системалары контекстында, күп агентлы AI архитектурасы үз-үзен дәвалау системаларын төзү өчен кулланыла ала, алар реаль вакытта хаталарны, уңышсызлыкларны һәм башка аномалияләрне ачыклый һәм аларга җавап бирә ала. Карарлар кабул итү процессын берничә агент аша таратып, бу системалар тәҗрибәдән өйрәнә ала, үзгәрә торган шартларга яраклаша һәм хаталардан тиз арада котыла ала.

LangChain нәрсә ул?

LangChain - күп агентлы AI системаларын төзү өчен ачык чыганаклы Python китапханәсе. Бу үзгәрә торган шартларга өйрәнә, җайлаша һәм җавап бирә ала торган катлаулы ЯИ системаларын төзү өчен гади, сыгылмалы һәм масштаблы база бирә. LangChain TensorFlow, PyTorch, һәм Keras кебек AI рамкалары белән эшләү өчен эшләнгән, һәм мәгълүмат базалары, API, IoT җайланмалары кебек төрле мәгълүмат чыганаклары белән интеграцияләнгән системалар төзү өчен кулланыла ала.

LangChain белән үз-үзеңне дәвалау программалары системаларын төзү

LangChain белән үз-үзен дәвалау программалары системасын төзү өчен, безгә күп агентлы AI архитектурасын эшләргә кирәк, ул реаль вакытта хаталарны, уңышсызлыкларны һәм башка аномалияләрне ачыклый һәм аларга җавап бирә ала. Менә архитектурага югары дәрәҗәдәге күзәтү:

1. ** Агент дизайны **: Без уртак максатка ирешү өчен бер-берсе һәм әйләнә-тирә мохит белән үзара бәйләнештә торучы автоном агентлар җыелмасын эшләргә тиеш. Eachәр агентның карар кабул итү мөмкинлекләре, белемнәре, ресурслары булырга тиеш.
2. ** Белем графигы **: Без агентлар, әйләнә-тирә мохит, система максатлары арасындагы бәйләнешне күрсәтүче белем графигын булдырырга тиеш. Бу график системаның торышы турында уйлау һәм карарлар кабул итү өчен кулланылырга мөмкин.
3. ** Карарлар кабул итү **: Без агентларга системаның торышы турында уйланырга һәм белем графигы нигезендә карарлар кабул итәргә мөмкинлек бирүче карар кабул итү процессын тормышка ашырырга тиеш.
4. ** Эш башкару **: Без агентларга карарларын үтәргә һәм әйләнә-тирә мохит белән үзара бәйләнештә торырга мөмкинлек бирүче эш башкару процессын тормышка ашырырга тиеш.

LangChain белән төзелгән үз-үзен дәвалау программа системасының гади мисалы: "питон импорт лангчейн langchain.agents импорт агентыннан langchain.llms -тан LLM импорт

график = { 'агентлар': ['агент1', 'агент2', 'агент3'], 'мохит': ['мәгълүмат базасы', 'API', 'IoT җайланмасы'], 'максатлар': ['хаталарны ачыклау', 'уңышсызлыкларга җавап бирү', 'хаталардан торгызу'] }

Карарлар кабул итү процессын билгеләгез

def карар кабул итү (агент, белем_граф): # Системаның торышы турында сәбәп дәүләт = белем_граф ['агентлар'] [агент] # Дәүләт нигезендә карар кабул итегез карар = 'уңышсызлыкка җавап бирү' кайтару карары

Эш башкару процессын билгеләгез

def action_execution (агент, карар): # Карарны үтәү карар == 'уңышсызлыкка җавап' булса: # Уңышсызлыкка җавап бастыру ('Уңышсызлыкка җавап ...') кайту

LangChain агентын булдырыгыз

агент = агент ( исем = 'үз-үзен дәвалау-агент', карар кабул итү = карар кабул итү, action_execution = action_execution, белем_граф = график )

LangChain LLM ясагыз

llm = LLM ( исем = 'үз-үзен дәвалау-ллм', модель = 'davinci' )

LangChain системасын булдырыгыз

система = langchain.Система ( агент = агент, llm = llm )

Системаны эшләгез

system.run () " Бу мисал хаталарны ачыклый ала, уңышсызлыкларга җавап бирә һәм хаталардан тиз арада төзәтә ала торган гади үз-үзен дәвалаучы программа системасын күрсәтә. Система уртак максатка ирешү өчен бер-берсе һәм әйләнә-тирә мохит белән үзара бәйләнештә торучы автоном агентлар җыелмасыннан тора. Агентлар системаның торышы турында уйлану һәм график нигезендә карарлар кабул итү өчен белем графигын кулланалар.

Иң күп кулланылган командалар / фрагментлар

LangChain өчен иң күп кулланылган 5-10 командалар / фрагментлар:

1. "Langchain.Agent ()": яңа LangChain агентын ясый.
2. "Langchain.LLM ()": яңа LangChain LLM ясый.
3. "Langchain.System ()": яңа LangChain системасын булдыра.
4. "Agent.decision_making ()": агент өчен карар кабул итү процессын башкара.
5. "Agent.action_execution ()": агент өчен эшне башкару процессын башкара.
6. "Llm.predict ()": LLM ярдәмендә фаразлый.
7. "System.run ()": LangChain системасын эшли.
8. "Graf.add_node ()": Белем графигына яңа төен өсти.
9. "Graf.add_edge ()": Белем графигына яңа кыр өсти.
10. "Graf.remove_node ()": Белем графигындагы төенне бетерә.

Визуализация

Менә Chart.js ярдәмендә белем графигының гади визуализациясе: "json { "тип": "график", "мәгълүмат": { "төеннәр": [ {"id": "агент1", "ярлык": "Агент 1"}, {"id": "агент2", "ярлык": "Агент 2"}, {"id": "агент3", "ярлык": "Агент 3"}, {"id": "мәгълүмат базасы", "ярлык": "Мәгълүматлар базасы"}, {"id": "API", "ярлык": "API"}, {"id": "IoT җайланмасы", "ярлык": "IoT җайланмасы"} ], "кырлар": [ source "чыганак": "агент1", "максат": "мәгълүмат базасы"}, source "чыганак": "агент2", "максат": "API"}, source "чыганак": "агент3", "максат": "IoT җайланмасы"}, source "чыганак": "агент1", "максат": "агент2"}, source "чыганак": "агент2", "максат": "агент3"} ] }, "вариантлар": { "макет": { "тип": "түгәрәк" }, "төеннәр": { "зурлык": 50 }, "кырлар": { "киңлек": 2 } } } " Бу визуализация агентлар, әйләнә-тирә мохит, системаның максатлары арасындагы бәйләнешне күрсәтә.

Йомгаклау

Күп агентлы AI архитектурасы һәм LangChain белән үз-үзен дәвалау программа системаларын төзү катлаулы программа системаларының ышанычлылыгын, масштаблылыгын һәм ныклыгын тәэмин итү өчен көчле чишелеш тәкъдим итә. Карарлар кабул итү процессын берничә агент аша таратып, бу системалар тәҗрибәдән өйрәнә ала, үзгәрә торган шартларга яраклаша һәм хаталардан тиз арада котыла ала. LangChain ярдәмендә, уйлап табучылар катлаулы AI системаларын төзи алалар, алар мәгълүмат чыганаклары, API, IoT җайланмалары кебек күп мәгълүмат чыганаклары белән интеграцияләнәләр. Codeрнәк коды буенча һәм иң күп кулланылган 5-10 команданы / фрагментны кулланып, уйлап табучылар LangChain ярдәмендә үз-үзләрен дәвалау программалары системаларын төзи алалар.