كۆپ ئىقتىدارلىق سۈنئىي ئەقىل قۇرۇلمىسى ۋە LangChain ئارقىلىق ئۆز-ئۆزىنى داۋالاش يۇمشاق دېتال سىستېمىسى بەرپا قىلىش

تونۇشتۇرۇش

بۈگۈنكى تېز سۈرئەتلىك يۇمشاق دېتال ئېچىش مەنزىرىسىدە ، ئۆز-ئۆزىنى ئەسلىگە كەلتۈرۈش يۇمشاق دېتال سىستېمىسى بەرپا قىلىش مۇرەككەپ يۇمشاق دېتال سىستېمىسىنىڭ ئىشەنچلىكلىكى ، كېڭەيتىشچانلىقى ۋە چىدامچانلىقىغا كاپالەتلىك قىلىشنىڭ ھالقىلىق تەلىپىگە ئايلاندى. ئەنئەنىۋى مونوپوللۇق بىناكارلىق قۇرۇلۇشلىرى زامانىۋى يۇمشاق دېتال ئېچىش تەلىپىنى قاندۇرۇشقا يەتمەيدۇ ، بۇ سىستېمىلار چوقۇم ئۆزگەرتىش تەلىپىگە ماسلىشىشى ، كۈتۈلمىگەن مەغلۇبىيەتنى بىر تەرەپ قىلىشى ۋە خاتالىقلاردىن تېز ئەسلىگە كېلىشى كېرەك. بۇ يەردە كۆپ ۋاكالەتچى سۈنئىي ئەقىل قۇرۇلمىسى ۋە LangChain مەيدانغا كېلىپ ، ئۆزگىرىشچان شارائىتنى ئۆگىنىدىغان ، ماسلىشالايدىغان ۋە ئىنكاس قايتۇرالايدىغان ئۆز-ئۆزىنى ئەسلىگە كەلتۈرۈش يۇمشاق دېتال سىستېمىسى بەرپا قىلىش ئۈچۈن كۈچلۈك ھەل قىلىش چارىسى بىلەن تەمىنلەيدۇ.

كۆپ ۋاكالەتچى سۈنئىي ئەقىل قۇرۇلمىسى دېگەن نېمە؟

كۆپ ۋاكالەتچى سۈنئىي ئەقىل قۇرۇلمىسى بىر خىل تارقىتىلغان سۈنئىي ئەقىل سىستېمىسى بولۇپ ، ئورتاق نىشانغا يېتىش ئۈچۈن ئۆز-ئارا ۋە ئۇلارنىڭ مۇھىتى بىلەن ئۆز-ئارا تەسىر كۆرسىتىدىغان كۆپ خىل ئاپتوماتىك ۋاكالەتچىلەردىن تەركىب تاپىدۇ. ھەر بىر ۋاكالەتچىنىڭ ئۆزىگە خاس قارار چىقىرىش ئىقتىدارى ، بىلىمى ۋە مەنبەسى بار ، ئۇلار ئۆز-ئارا ئالاقە قىلىپ ئۇچۇردىن تەڭ بەھىرلىنەلەيدۇ ، ھەرىكەتلەرنى ماسلاشتۇرىدۇ ۋە ئۆزگىرىشچان شارائىتقا ماسلىشالايدۇ.

يۇمشاق دېتال سىستېمىسى ئارقا كۆرۈنۈشىدە ، كۆپ ۋاكالەتچى سۈنئىي ئەقىل قۇرۇلمىسى ئارقىلىق ئۆزلۈكىدىن ئەسلىگە كەلتۈرۈش سىستېمىسى بەرپا قىلىپ ، خاتالىق ، مەغلۇبىيەت ۋە باشقا نورمالسىزلىقلارنى دەل ۋاقتىدا بايقىيالايدۇ ۋە ئىنكاس قايتۇرالايدۇ. تەدبىر بەلگىلەش جەريانىنى كۆپ خىل ۋاكالەتچىلەرگە تارقىتىش ئارقىلىق ، بۇ سىستېمىلار تەجرىبىدىن ئۆگىنىپ ، ئۆزگىرىشچان شارائىتقا ماسلىشالايدۇ ۋە خاتالىقلاردىن تېز ئەسلىگە كېلىدۇ.

LangChain دېگەن نېمە؟

LangChain كۆپ مەنبەلىك سۈنئىي ئەقىل سىستېمىسى قۇرۇش ئۈچۈن ئوچۇق كودلۇق Python كۈتۈپخانىسى. ئۇ ئۆزگىرىشچان شارائىتنى ئۆگىنىدىغان ، ماسلىشالايدىغان ۋە ئىنكاس قايتۇرالايدىغان مۇرەككەپ سۈنئىي ئەقىل سىستېمىسى بەرپا قىلىش ئۈچۈن ئاددىي ، جانلىق ۋە كېڭەيتىشچان رامكا بىلەن تەمىنلەيدۇ. LangChain TensorFlow ، PyTorch ۋە Keras نى ئۆز ئىچىگە ئالغان كۆپ خىل سۈنئىي ئەقىل رامكىسى بىلەن ئىشلەش ئۈچۈن لايىھەلەنگەن بولۇپ ، سانلىق مەلۇمات ئامبىرى ، API ۋە IoT ئۈسكۈنىلىرىنى ئۆز ئىچىگە ئالغان ھەر خىل سانلىق مەلۇمات مەنبەلىرى بىلەن بىرلەشتۈرۈلگەن سىستېمىلارنى قۇرۇشقا ئىشلىتىلىدۇ.

LangChain بىلەن ئۆز-ئۆزىنى داۋالاش يۇمشاق دېتال سىستېمىسى قۇرۇش

LangChain بىلەن ئۆز-ئۆزىنى ئەسلىگە كەلتۈرۈش يۇمشاق دېتالى سىستېمىسى بەرپا قىلىش ئۈچۈن ، بىز خاتالىق ، مەغلۇبىيەت ۋە باشقا نورمالسىزلىقلارنى دەل ۋاقتىدا بايقىيالايدىغان ۋە ئىنكاس قايتۇرالايدىغان كۆپ ۋاكالەتچى سۈنئىي ئەقىل قۇرۇلمىسىنى لايىھىلەپ چىقىشىمىز كېرەك. بۇ بىناكارلىقنىڭ يۇقىرى قاتلاملىق ئومۇمىي كۆرۈنۈشى:

1. ھەر بىر ۋاكالەتچىنىڭ ئۆزىگە خاس قارار چىقىرىش ئىقتىدارى ، بىلىمى ۋە مەنبەسى بولۇشى كېرەك.
2. بۇ گرافىك سىستېمىنىڭ ئەھۋالى ھەققىدە پىكىر يۈرگۈزۈشكە ۋە قارار چىقىرىشقا ئىشلىتىلىدۇ.
4. ** ھەرىكەت ئىجرا قىلىش **: بىز ۋاكالەتچىلەرنىڭ قارارىنى ئىجرا قىلالايدىغان ۋە مۇھىت بىلەن ئۆز-ئارا تەسىر كۆرسىتىدىغان ھەرىكەت ئىجرا جەريانىنى يولغا قويۇشىمىز كېرەك.

بۇ يەردە LangChain بىلەن ياسالغان ئۆز-ئۆزىنى ئەسلىگە كەلتۈرۈش يۇمشاق دېتال سىستېمىسىنىڭ ئاددىي بىر مىسالى: `` python import langchain langchain.agents دىن ۋاكالەتچى langchain.llms دىن ئىمپورت قىلىدۇ

graph = { 'ۋاكالەتچىلەر': ['agent1', 'agent2', 'agent3'], 'مۇھىت': ['ساندان' ، 'API' ، 'IoT ئۈسكۈنىسى'], 'نىشان': ['خاتالىقلارنى بايقاش' ، 'مەغلۇبىيەتكە جاۋاب قايتۇرۇش' ، 'خاتالىقتىن ئەسلىگە كەلتۈرۈش'] }

قارار چىقىرىش جەريانىغا ئېنىقلىما بېرىڭ

def قارار_ قارار چىقىرىش (ۋاكالەتچى ، بىلىم_ گرافىك): # سىستېمىنىڭ ئەھۋالى توغرىسىدىكى سەۋەب state = knowledge_graph ['ۋاكالەتچى'] [ۋاكالەتچى] # دۆلەتنى ئاساس قىلىپ قارار چىقىرىڭ قارار = 'مەغلۇبىيەتكە جاۋاب قايتۇرۇش' قايتۇرۇش قارارى

ھەرىكەت ئىجرا جەريانىغا ئېنىقلىما بېرىڭ

def action_execution (ۋاكالەتچى ، قارار): # قارارنى ئىجرا قىلىڭ if decision == 'مەغلۇبىيەتكە جاۋاب قايتۇرۇڭ': # مەغلۇبىيەتكە جاۋاب قايتۇرۇڭ print ('مەغلۇبىيەتكە جاۋاب ...') قايتىش

LangChain ۋاكالەتچىسى قۇرۇڭ

ۋاكالەتچى = ۋاكالەتچى ( name = 'self-healing-agent', قارار_ قارار چىقىرىش = قارار چىقىرىش ، action_execution = action_execution, knowledge_graph = graph )

LangChain LLM قۇر

llm = LLM ( name = 'self-healing-llm', model = 'davinci' )

LangChain سىستېمىسى قۇرۇش

system = langchain.System ( ۋاكالەتچى = ۋاكالەتچى ، llm = llm )

سىستېمىنى ئىجرا قىلىڭ

system.run () `` بۇ مىسال خاتالىقلارنى بايقىيالايدىغان ، مەغلۇبىيەتكە ئىنكاس قايتۇرالايدىغان ۋە خاتالىقتىن تېز ئەسلىگە كېلەلەيدىغان ئاددىي ئۆز-ئۆزىنى ئەسلىگە كەلتۈرۈش يۇمشاق دېتال سىستېمىسىنى كۆرسىتىپ بېرىدۇ. بۇ سىستېما ئۆز-ئارا ۋە ئۇلارنىڭ مۇھىتى بىلەن ئۆز-ئارا تەسىر كۆرسىتىپ ، ئورتاق نىشانغا يېتىش ئۈچۈن بىر يۈرۈش ئاپتوماتىك ۋاكالەتچىلەردىن تەركىب تاپقان. ۋاكالەتچىلەر بىلىم گرافىكىنى ئىشلىتىپ سىستېمىنىڭ ئەھۋالى ھەققىدە پىكىر يۈرگۈزۈپ ، گرافىكقا ئاساسەن قارار چىقىرىدۇ.

ئەڭ كۆپ ئىشلىتىلىدىغان 5-10 بۇيرۇق / ئۈزۈندىلەر

بۇ يەردە LangChain ئۈچۈن ئەڭ كۆپ ئىشلىتىلگەن 5-10 بۇيرۇق / ئۈزۈندىلەر:

1. langchain.Agent () `: يېڭى LangChain ۋاكالەتچىسى قۇرىدۇ.
2. langchain.LLM () `: يېڭى LangChain LLM قۇرىدۇ.
3. langchain.System () `: يېڭى LangChain سىستېمىسى قۇرىدۇ.
4. agent.decision_making (): ۋاكالەتچى ئۈچۈن قارار چىقىرىش جەريانىنى ئىجرا قىلىدۇ.
5. agent.action_execution (): ۋاكالەتچىنىڭ ھەرىكەت ئىجرا جەريانىنى ئىجرا قىلىدۇ.
6. llm.predict () `: LLM ئارقىلىق ئالدىن پەرەز قىلىدۇ.
7. system.run (): LangChain سىستېمىسىنى ئىجرا قىلىدۇ.
8. graph.add_node (): بىلىم گرافىكىغا يېڭى تۈگۈن قوشىدۇ.
9. graph.add_edge (): بىلىم گىرافىكىغا يېڭى بىر قۇر قوشىدۇ.
10. graph.remove_node (): بىلىم گرافىكىدىن بىر تۈگۈننى چىقىرىپ تاشلايدۇ.

Visualization

بۇ يەردە Chart.js ئارقىلىق بىلىم گرافىكىنىڭ ئاددىي تەسۋىرى بار: json { "type": "graph", "data": { "تۈگۈن": [ {"id": "agent1", "label": "ۋاكالەتچى 1"}, {"id": "agent2", "label": "ۋاكالەتچى 2"}, {"id": "agent3", "label": "ۋاكالەتچى 3"}, {"id": "ساندان" ، "بەلگە": "ساندان"}, {"id": "API", "label": "API"}, {"id": "IoT ئۈسكۈنىسى" ، "بەلگە": "IoT ئۈسكۈنىسى"} ], "edge": [ source "مەنبە": "agent1", "target": "ساندان"}, source "مەنبە": "agent2", "target": "API"}, source "مەنبە": "agent3", "target": "IoT ئۈسكۈنىسى"}, {"مەنبە": "agent1", "target": "agent2"}, {"مەنبە": "agent2", "target": "agent3"} ] }, "options": { "layout": { "type": "ئايلانما" }, "تۈگۈن": { "size": 50 }, "edge": { "width": 2 } } } بۇ تەسۋىر ۋاكالەتچىلەر ، مۇھىت ۋە سىستېمىنىڭ نىشانى ئوتتۇرىسىدىكى مۇناسىۋەتنى كۆرسىتىپ بېرىدۇ.

خۇلاسە

كۆپ ئىقتىدارلىق سۈنئىي ئەقىل قۇرۇلمىسى ۋە LangChain ئارقىلىق ئۆز-ئۆزىنى ئەسلىگە كەلتۈرۈش يۇمشاق دېتال سىستېمىسى بەرپا قىلىش مۇرەككەپ يۇمشاق دېتال سىستېمىسىنىڭ ئىشەنچلىكلىكى ، كېڭەيتىشچانلىقى ۋە چىدامچانلىقىغا كاپالەتلىك قىلىش ئۈچۈن كۈچلۈك ھەل قىلىش چارىسى بىلەن تەمىنلەيدۇ. تەدبىر بەلگىلەش جەريانىنى كۆپ خىل ۋاكالەتچىلەرگە تارقىتىش ئارقىلىق ، بۇ سىستېمىلار تەجرىبىدىن ئۆگىنىپ ، ئۆزگىرىشچان شارائىتقا ماسلىشالايدۇ ۋە خاتالىقلاردىن تېز ئەسلىگە كېلىدۇ. LangChain ئارقىلىق ، پروگراممېرلار سانلىق مەلۇمات ئامبىرى ، API ۋە IoT ئۈسكۈنىلىرىنى ئۆز ئىچىگە ئالغان نۇرغۇن سانلىق مەلۇمات مەنبەلىرى بىلەن بىرلەشتۈرۈلگەن مۇرەككەپ سۈنئىي ئەقىل سىستېمىسى قۇرالايدۇ. ئۈلگە كودقا ئەگىشىش ۋە ئەڭ كۆپ ئىشلىتىلىدىغان 5-10 بۇيرۇق / پارچىلارنى ئىشلىتىش ئارقىلىق ، پروگراممېرلار LangChain ئارقىلىق ئۆز-ئۆزىنى ئەسلىگە كەلتۈرۈش يۇمشاق دېتال سىستېمىسىنى قۇرالايدۇ.