# הקדמה
אין די מעלוכע פון ווייכווארג ינזשעניעריע, DevOps אָטאַמיישאַן איז געווארן אַ קריטיש אַספּעקט פון ינשורינג גלאַט און עפעקטיוו דיפּלוימאַנט, מאָניטאָרינג און וישאַלט פון אַפּלאַקיישאַנז. אָבער, ווי די קאַמפּלעקסיטי פון מאָדערן ווייכווארג סיסטעמען וואַקסן, די נויט פֿאַר מאַנואַל ינטערווענטיאָן און מענטש פאַרזע ווערט ינקריסינגלי בערדאַנסאַם. דאָס איז ווו דער באַגריף פון ZeroOps קומט אין - אַ זעאונג ווו אַי אגענטן אָרקעסטרירן און אָטאַמייט קאָמפּלעקס טאַסקס, פריי מענטש דעוועלאָפּערס פון מאַנדיין און ריפּעטיטיוו טאַסקס.
אין דעם אַרטיקל, מיר וועלן ויספאָרשן די ינטערסעקשאַן פון אַי, ווייכווארג ינזשעניעריע און DevOps אָטאַמיישאַן צו דערגרייכן ZeroOps. מיר וועלן דעלוו אין די ראָלע פון LangChain און DSPy אין געבן דעם זעאונג און צושטעלן פּראַקטיש ביישפילן פון ווי די טעקנאַלאַדזשיז קענען זיין געוויינט צו אָטאַמייט קאָמפּלעקס טאַסקס.
די פּראָבלעם מיט טראַדיציאָנעל דעוואָפּס אַוטאָמאַטיאָן
טראַדיציאָנעל DevOps אָטאַמיישאַן רילייז שווער אויף סקריפּטינג און מאַנואַל קאַנפיגיעריישאַן פון מכשירים אַזאַ ווי Jenkins, Ansible און Docker. כאָטש די מכשירים האָבן שוין ינסטרומענטאַל אין סטרימליינינג די אַנטוויקלונג און דיפּלוימאַנט פּראָצעס, זיי אָפט דאַרפן באַטייטיק עקספּערטיז און צייט צו שטעלן זיך און טייַנען.
דערצו, ווי אַפּלאַקיישאַנז ווערן מער קאָמפּליצירט און פונאנדערגעטיילט, די נויט פֿאַר פאַקטיש-צייט מאָניטאָרינג און באַמערקונגען ווערט ינקריסינגלי וויכטיק. דאָס איז ווו אַי אגענטן קומען אין - זיי קענען אַנאַלייז דאַטן פון פאַרשידן קוואלן, ידענטיפיצירן פּאַטערנז און מאַכן דיסיזשאַנז אָטאַנאַמאַסלי.
די העכערונג פון אַי אַגענץ אין דעוואָפּס אַוטאָמאַטיאָן
אַי אגענטן האָבן די פּאָטענציעל צו רעוואַלושאַנייז DevOps אָטאַמיישאַן דורך פּראַוויידינג פאַקטיש-צייט מאָניטאָרינג, אַנאַמאַלי דיטעקשאַן און אָטאַמייטיד באַשלוס-מאכן. דורך לעווערידזשינג מאַשין לערנען אַלגערידאַמז און נאַטירלעך שפּראַך פּראַסעסינג, אַי אגענטן קענען פונאַנדערקלייַבן לאָגס, מעטריקס און אנדערע דאַטן קוואלן צו ידענטיפיצירן פּאָטענציעל ישוז איידער זיי ווערן קריטיש.
LangChain און DSPy זענען צוויי טעקנאַלאַדזשיז וואָס זענען אין די פאָרפראַנט פון דעם רעוואָלוציע. LangChain איז אַ פּיטהאָן ביבליאָטעק וואָס ינייבאַלז די שאַפונג פון קאַנווערסיישאַנאַל אַי אגענטן, בשעת DSPy איז אַ רוסט ביבליאָטעק וואָס גיט אַ הויך-מדרגה צובינד פֿאַר בנין און דיפּלויינג אַי מאָדעלס.
LangChain: אַ פּיטהאָן ביבליאָטעק פֿאַר קאָנווערסאַטיאָנאַל אַי אַגענץ
LangChain איז אַ פּיטהאָן ביבליאָטעק וואָס ינייבאַלז די שאַפונג פון קאַנווערסיישאַנאַל אַי אגענטן. עס גיט אַ פּשוט און ינטואַטיוו אַפּי פֿאַר בנין און דיפּלויינג טשאַטבאָץ, קול אַסיסטאַנץ און אנדערע קאַנווערסיישאַנאַל ינטערפייסיז.
איינער פון די שליסל פֿעיִקייטן פון LangChain איז זיין פיייקייט צו ויסשטימען מיט פאַרשידן אַי מאָדעלס, אַרייַנגערעכנט שפּראַך מאָדעלס, וויסן גראַפס און באַשלוס ביימער. דאָס ינייבאַלז דעוועלאָפּערס צו שאַפֿן קאָמפּלעקס קאַנווערסיישאַנאַל פלאָוז און באַשלוס-מאכן לאָגיק וואָס קענען זיין לייכט דיפּלויד און מיינטיינד.
דאָ איז אַ ביישפּיל פון ווי צו שאַפֿן אַ פּשוט טשאַטבאָט ניצן LangChain:
אַרייַנפיר לאַנגטשאַין
# שאַפֿן אַ שפּראַך מאָדעל
model = langchain.LMModel("distilbert-base-uncased")
# שאַפֿן אַ וויסן גראַפיק
graph = langchain.KnowledgeGraph ("מיין_גראַף")
# שאַפֿן אַ טשאַטבאָט
chatbot = langchain.Chatbot (מאָדעל, גראַפיק)
# דעפינירן אַ קאַנווערסיישאַנאַל לויפן
לויפן = [
{"input": "העלא", "output": "העלא!"},
{"input": "ווי גייט עס מיט דיר", "output": "איך גיי גוט, א דאנק!"},
]
# צעוויקלען די טשאַטבאָט
chatbot.deploy (פלאָוו)
DSPy: א זשאַווער ביבליאָטעק פֿאַר בנין און דיפּלויינג אַי מאָדעלס
DSPy איז אַ רוסט ביבליאָטעק וואָס גיט אַ הויך-מדרגה צובינד פֿאַר בנין און דיפּלויינג אַי מאָדעלס. עס ינייבאַלז דעוועלאָפּערס צו שאַפֿן און באַן מאַשין לערנען מאָדעלס ניצן אַ פאַרשיידנקייַט פון אַלגערידאַמז און פראַמעוואָרקס, אַרייַנגערעכנט TensorFlow און PyTorch.
איינער פון די שליסל פֿעיִקייטן פון DSPy איז זיין פיייקייט צו ויסשטימען מיט פאַרשידן דאַטן קוואלן, אַרייַנגערעכנט דאַטאַבייסיז, אַפּיס און טעקע סיסטעמען. דאָס ינייבאַלז דעוועלאָפּערס צו שאַפֿן קאָמפּלעקס דאַטן פּייפּליינז און וואָרקפלאָוז וואָס קענען זיין לייכט דיפּלויד און מיינטיינד.
דאָ איז אַ ביישפּיל פון ווי צו שאַפֿן אַ פּשוט מאַשין לערנען מאָדעל ניצן DSPy:
נוצן dspy::{מאָדעל, דאַטאַסעט};
// שאַפֿן אַ דאַטאַסעט
לאָזן דאַטאַסעט = דאַטאַסעט:: נייַ ("מיין_דאַטאַסעט");
// שאַפֿן אַ מאָדעל
לאָזן מאָדעל = מאָדעל:: נייַ ("מיין_מאָדעל");
// באַן די מאָדעל
model.train (דאַטאַסעט);
// צעוויקלען דעם מאָדעל
מאָדעל.דיפּלוי();
אָרטשעסטינג אַי אַגענץ מיט LangChain און DSPy
איצט אַז מיר האָבן געזען ווי LangChain און DSPy קענען ווערן גענוצט צו שאַפֿן קאַנווערסיישאַנאַל אַי אגענטן און מאַשין לערנען מאָדעלס, לאָזן אונדז ויספאָרשן ווי די טעקנאַלאַדזשיז קענען זיין געוויינט צו אָרקעסטרירן אַי אגענטן.
איינער פון די שליסל טשאַלאַנדזשיז אין DevOps אָטאַמיישאַן איז ינטאַגרייטינג קייפל מכשירים און באַדינונגס צו שאַפֿן אַ קאָוכיסיוו און אָטאַמייטיד וואָרקפלאָוו. דאָס איז ווו LangChain און DSPy קומען אין - זיי צושטעלן אַ הויך-מדרגה צובינד פֿאַר בנין און דיפּלויינג אַי אגענטן וואָס קענען ויסשטימען מיט פאַרשידן מכשירים און באַדינונגס.
דאָ איז אַ ביישפּיל פון ווי צו אָרקעסטרירן אַי אגענטן ניצן LangChain און DSPy:
אַרייַנפיר לאַנגטשאַין
אַרייַנפיר דספּי
# שאַפֿן אַ שפּראַך מאָדעל
model = langchain.LMModel("distilbert-base-uncased")
# שאַפֿן אַ וויסן גראַפיק
graph = langchain.KnowledgeGraph ("מיין_גראַף")
# שאַפֿן אַ טשאַטבאָט
chatbot = langchain.Chatbot (מאָדעל, גראַפיק)
# שאַפֿן אַ מאַשין לערנען מאָדעל
ml_model = dspy.Model("מיין_מאָדעל")
# דעפינירן אַ קאַנווערסיישאַנאַל לויפן
לויפן = [
{"input": "העלא", "output": "העלא!"},
{"input": "ווי גייט עס מיט דיר", "output": "איך גיי גוט, א דאנק!"},
]
# צעוויקלען די טשאַטבאָט
chatbot.deploy (פלאָוו)
# באַן די מאַשין לערנען מאָדעל
ml_model.train ("מיין_דאַטאַסעט")
# צעוויקלען די מאַשין לערנען מאָדעל
ml_model.deploy()
שפּיץ 5-10 מערסט געוויינט קאַמאַנדז / סניפּאַץ
דאָ זענען די שפּיץ 5-10 מערסט געוויינט קאַמאַנדז / סניפּאַץ פֿאַר LangChain און DSPy:
langchain.LMModel("distilbert-base-uncased"): קריייץ אַ שפּראַך מאָדעל ניצן די DistilBERT אַלגערידאַם.langchain.KnowledgeGraph("my_graph"): קריייץ אַ וויסן גראַפיק ניצן די ספּעסיפיעד גראַפיק.langchain.Chatbot (מאָדעל, גראַפיק): קריייץ אַ טשאַטבאָט ניצן די ספּעסיפיעד שפּראַך מאָדעל און וויסן גראַפיק.dspy.Model("my_model"): קריייץ אַ מאַשין לערנען מאָדעל ניצן די ספּעסיפיעד מאָדעל.dspy.Dataset("my_dataset"): קריייץ אַ דאַטאַסעט ניצן די ספּעסיפיעד דאַטאַסעט.model.train(dataset): טריינז די מאַשין לערנען מאָדעל ניצן די ספּעסיפיעד דאַטאַסעט.model.deploy(): דיפּלוידז די מאַשין לערנען מאָדעל.chatbot.deploy (flow): דיפּלוידז די טשאַטבאָט ניצן די ספּעסיפיעד קאַנווערסיישאַנאַל לויפן.graph.add_node("node1", "node2"): לייגט אַ נאָדע צו די וויסן גראַפיק.graph.add_edge("node1", "node2"): מוסיף אַ ברעג צו די וויסן גראַפיק.
וויסואַליזאַטיאָן
דאָ איז אַ וויזשוואַלאַזיישאַן פון די LangChain און DSPy אַרקאַטעקטשער ניצן Chart.js:
{
"type": "באַר",
"דאַטן": {
"labels": ["לאַנגטשאַין", "DSPy"],
"דאַטאַסעטס": [
{
"label": "קאָנווערסאַטיאָנאַל אַי אגענטן",
"דאַטן": [10, 5],
"backgroundColor": ["#4CAF50", "#FF9800"]
},
{
"label": "מאַשין לערנען מאָדעלס",
"דאַטן": [5, 10],
"backgroundColor": ["#2196F3", "#9C27B0"]
}
]
},
"אָפּציעס": {
"טיטל": {
"ווייַז": אמת,
"text": "לאַנגטשאַין און דספּי אַרקאַטעקטשער"
},
"לעגענד": {
"ווייַז": אמת
}
}
}
די וויזשוואַלאַזיישאַן ווייזט די פאַרשפּרייטונג פון קאַנווערסיישאַנאַל אַי אגענטן און מאַשין לערנען מאָדעלס צווישן LangChain און DSPy.
# מסקנא
אין דעם אַרטיקל, מיר האָבן יקספּלאָרד די ינטערסעקשאַן פון אַי, ווייכווארג ינזשעניעריע און DevOps אָטאַמיישאַן צו דערגרייכן ZeroOps. מיר האָבן געזען ווי LangChain און DSPy קענען ווערן גענוצט צו שאַפֿן קאַנווערסיישאַנאַל אַי אַגענץ און מאַשין לערנען מאָדעלס, און ווי די טעקנאַלאַדזשיז קענען זיין געוויינט צו אָרקעסטרירן אַי אגענטן.
דורך לעווערידזשינג די מאַכט פון אַי און אָטאַמיישאַן, דעוועלאָפּערס קענען שאַפֿן קאָמפּלעקס און עפעקטיוו וואָרקפלאָוז וואָס קענען זיין לייכט דיפּלויד און מיינטיינד. צי איר זענט אַ סיזאַנד דעוועלאָפּער אָדער נאָר סטאַרטינג אויס, LangChain און DSPy צושטעלן אַ שטאַרק און ינטואַטיוו צובינד פֿאַר בנין און דיפּלויינג אַי אגענטן.
ווי די וועלט פון ווייכווארג ינזשעניעריע האלט צו יוואַלוו, די נויט פֿאַר אָטאַמיישאַן און אַי וועט נאָר פאָרזעצן צו וואַקסן. דורך עמברייסינג די טעקנאַלאַדזשיז, דעוועלאָפּערס קענען מאַכן מער עפעקטיוו, סקאַלאַבלע און מיינטיינינג סיסטעמען וואָס קענען אַדאַפּט צו טשאַנגינג רעקווירעמענץ און ינווייראַנמאַנץ.
אין דער ווייַטער אַרטיקל, מיר וועלן ויספאָרשן מער אַוואַנסירטע טעמעס אין LangChain און DSPy, אַרייַנגערעכנט ווי צו ויסשטימען מיט אנדערע מכשירים און באַדינונגס, און ווי צו שאַפֿן מנהג אַי מאָדעלס און וואָרקפלאָוז. בלייַבן טונד!