# הקדמה

די גיך עוואָלוציע פון קינסטלעך ינטעלליגענסע (AI) און מאַשין לערנען (ML) האט געפֿירט צו דער אַנטוויקלונג פון אַגענטיק אַי, אַ טיפּ פון אַי וואָס קענען נעמען אַקשאַנז און מאַכן דיסיזשאַנז אויף זיך. די טעכנאָלאָגיע האט די פּאָטענציעל צו רעוואַלושאַנייז די וועג מיר צוגאַנג ווייכווארג אַרקאַטעקטשער און DevOps אָטאַמיישאַן. אין דעם אַרטיקל, מיר וועלן ויספאָרשן די ינאַגריישאַן פון אַגענט אַי, גרויס שפּראַך מאָדעלס (LLMs) און אָרקעסטראַטיאָן מכשירים ווי LangChain און DSPy צו אָטאַמייט ווייכווארג אַרקאַטעקטשער, ינפראַסטראַקטשער און DevOps פּראַסעסאַז.

וואָס איז אַגענטיק אַי?

אַגענטיק אַי רעפערס צו אַ טיפּ פון אַי וואָס קענען נעמען אַקשאַנז און מאַכן דיסיזשאַנז אויף זיך. דאָס איז אין קאַנטראַסט צו טראדיציאנעלן אַי סיסטעמען, וואָס זענען טיפּיקלי דיזיינד צו דורכפירן ספּעציפיש טאַסקס און נאָכגיין אַ גאַנג פון פּרידיפיינד כּללים. אַגענטיק אַי סיסטעמען, אויף די אנדערע האַנט, זענען דיזיינד צו זיין מער אָטאַנאַמאַס און אַדאַפּטאַבאַל, אַלאַוינג זיי צו לערנען פון זייער סוויווע און מאַכן דיסיזשאַנז באזירט אויף זייער אייגענע גאָולז און אַבדזשעקטיווז.

די ראָלע פון LLMs אין אַגענטיק אַי

גרויס שפּראַך מאָדעלס (LLMs) זענען אַ טיפּ פון אַי וואָס זענען טריינד אויף וואַסט אַמאַונץ פון טעקסט דאַטן און זענען ביכולת צו דזשענערייט מענטש-ווי שפּראַך. LLMs זענען אַ שליסל קאָמפּאָנענט פון אַגענטיק אַי סיסטעמען, ווייַל זיי צושטעלן די פיייקייט צו פֿאַרשטיין און דזשענערייט מענטשלעך שפּראַך. דאָס אַלאַוז אַגענטיק אַי סיסטעמען צו יבערגעבן מיט יומאַנז און אנדערע סיסטעמען אויף אַ מער נאַטירלעך און ינטואַטיוו וועג.

אָרקעסטראַטיאָן מכשירים: לאַנגטשאַין און דספּי

אָרטשעסטראַטיאָן מכשירים ווי LangChain און DSPy זענען דיזיינד צו פירן און קאָואָרדאַנאַט די ינטעראַקשאַנז צווישן פאַרשידענע סיסטעמען און קאַמפּאָונאַנץ. די מכשירים צושטעלן אַ וועג צו דעפינירן און ויספירן וואָרקפלאָוז, וואָס קענען אַרייַננעמען טאַסקס אַזאַ ווי דאַטן פּראַסעסינג, מאָדעל טריינינג און דיפּלוימאַנט.

לאנגטשיין

LangChain איז אַן אָפֿן-מקור אָרקעסטראַטיאָן געצייַג וואָס גיט אַ פלעקסאַבאַל און עקסטענסיבלע פריימווערק פֿאַר בנין און אָנפירונג וואָרקפלאָווס. LangChain איז דיזיינד צו אַרבעטן מיט אַ ברייט קייט פון סיסטעמען און קאַמפּאָונאַנץ, אַרייַנגערעכנט LLMs, דאַטאַבייסיז און אַפּיס.

דספּי

DSPy איז אַ פּיטהאָן-באזירט אָרקעסטראַטיאָן געצייַג וואָס גיט אַ פּשוט און ינטואַטיוו וועג צו דעפינירן און ויספירן וואָרקפלאָווס. DSPy איז דיזיינד צו אַרבעטן מיט אַ ברייט קייט פון סיסטעמען און קאַמפּאָונאַנץ, אַרייַנגערעכנט LLMs, דאַטאַבייסיז און אַפּיס.

אַוטאָמאַטינג ווייכווארג אַרקאַטעקטשער און דעוואָפּס פּראַסעסאַז

אַגענטיק AI, LLMs און אָרקעסטראַטיאָן מכשירים ווי LangChain און DSPy קענען זיין געוויינט צו אָטאַמייט אַ ברייט קייט פון ווייכווארג אַרקאַטעקטשער און DevOps פּראַסעסאַז. עטלעכע ביישפילן אַרייַננעמען:

• ** אָטאַמייטיד קאָד רעצענזיע **: אַגענטיק אַי סיסטעמען קענען ווערן גענוצט צו רעצענזיע קאָד און ידענטיפיצירן פּאָטענציעל ישוז, אַזאַ ווי באַגז און זיכערהייט וואַלנעראַביליטיז.
• ** אָטאַמייטיד טעסטינג **: אַגענטיק אַי סיסטעמען קענען ווערן גענוצט צו אָטאַמייט טעסטינג, אַרייַנגערעכנט אַפּאַראַט טעסטינג, ינטאַגריישאַן טעסטינג און סוף-צו-סוף טעסטינג.
• ** אָטאַמייטיד דיפּלוימאַנט **: אַגענטיק אַי סיסטעמען קענען ווערן גענוצט צו אָטאַמייט דיפּלוימאַנט, אַרייַנגערעכנט די דיפּלוימאַנט פון קאָד, קאַנפיגיעריישאַן און אנדערע רעסורסן.
• ** אָטאַמייטיד מאָניטאָרינג **: אַגענטיק אַי סיסטעמען קענען ווערן גענוצט צו אָטאַמייט מאָניטאָרינג, אַרייַנגערעכנט מאָניטאָרינג פון סיסטעם פאָרשטעלונג, זיכערהייט און אנדערע מעטריקס.

פּראַקטיש ימפּלאַמענטיישאַן

אין דעם אָפּטיילונג, מיר וועלן צושטעלן אַ פּשוט בייַשפּיל פון ווי צו נוצן LangChain און DSPy צו אָטאַמייט אַ ווייכווארג אַרקאַטעקטשער און DevOps פּראָצעס.

בייַשפּיל: אַוטאָמאַטינג קאָד איבערבליק

אין דעם בייַשפּיל, מיר וועלן נוצן LangChain און DSPy צו אָטאַמייט קאָד רעצענזיע. מיר וועלן דעפינירן אַ וואָרקפלאָוו וואָס כולל די פאלגענדע סטעפּס:

1. ** קאָד אַנאַליסיס **: די וואָרקפלאָוו וועט נוצן אַ LLM צו אַנאַלייז די קאָד און ידענטיפיצירן פּאָטענציעל ישוז.
2. ** קאָד רעצענזיע **: די וואָרקפלאָוו וועט נוצן אַ אַגענטיק אַי סיסטעם צו אָפּשאַצן די קאָד און ידענטיפיצירן פּאָטענציעל ישוז.
3. ** קאָד דיפּלוימאַנט **: די וואָרקפלאָוו וועט נוצן אַ דיפּלוימאַנט געצייַג צו צעוויקלען די קאָד צו אַ פּראָדוקציע סוויווע.

דאָ איז אַ ביישפּיל פון ווי צו ינסטרומענט דעם וואָרקפלאָוו ניצן LangChain און DSPy:

אַרייַנפיר לאַנגטשאַין
פֿון לאַנגטשאַין אַרייַנפיר LLM

# דעפינירן די LLM
llm = LLM ("טעקסט-דאַווינסי-003")

# דעפינירן די אַגענטיק אַי סיסטעם
אַי_סיסטעם = לאַנגטשאַין.אַגענטיקאַי()

# דעפינירן די וואָרקפלאָוו
וואָרקפלאָוו = לאַנגטשאַין.וואָרקפלאָוו(
    טריט=[
        לאַנגטשאַין.סטעפּ(
            נאָמען = "קאָד אַנאַליסיס",
            func=llm.analyze_code,
            ינפּוץ = {"קאָדע": "דעף העלא_וועלט (): דרוק ('העלא וועלט')"},
        ),
        לאַנגטשאַין.סטעפּ(
            name="Code review",
            func=ai_system.review_code,
            ינפּוץ = {"קאָדע": "דעף העלא_וועלט (): דרוק ('העלא וועלט')"},
        ),
        לאַנגטשאַין.סטעפּ(
            נאָמען = "קאָד דיפּלוימאַנט",
            func=langchain.deploy_code,
            ינפּוץ = {"קאָדע": "דעף העלא_וועלט (): דרוק ('העלא וועלט')"},
        ),
    ]
)

# ויספירן די וואָרקפלאָוו
workflow.execute()

דער קאָד דיפיינז אַ וואָרקפלאָוו וואָס כולל דריי סטעפּס: קאָד אַנאַליסיס, קאָד אָפּשאַצונג און קאָד דיפּלוימאַנט. די וואָרקפלאָוו ניצט אַ LLM צו פונאַנדערקלייַבן די קאָד, אַן אַגענטיק אַי סיסטעם צו אָפּשאַצן די קאָד און אַ דיפּלוימאַנט געצייַג צו צעוויקלען די קאָד צו אַ פּראָדוקציע סוויווע.

שפּיץ 5-10 מערסט געוויינט קאַמאַנדז / סניפּאַץ

דאָ זענען די שפּיץ 5-10 מערסט געוויינט קאַמאַנדז / סניפּאַץ פֿאַר LangChain און DSPy:

1. langchain.Workflow(סטעפּס=[...]): דעפינירן אַ וואָרקפלאָוו מיט קייפל סטעפּס.
2. langchain.Step(נאָמען = "...", func =..., ינפּוץ = {...}): דעפינירן אַ איין שריט אין אַ וואָרקפלאָוו.
3. llm.analyze_code(ינפּוץ = {"קאָד": ...}): ניצן אַ LLM צו אַנאַלייז קאָד.
4. ai_system.review_code(ינפּוץ={"קאָדע": ...}): ניצן אַן אַגענטיק אַי סיסטעם צו אָפּשאַצן קאָד.
5. langchain.deploy_code(ינפּוץ = {"קאָד": ...}): צעוויקלען קאָד צו אַ פּראָדוקציע סוויווע.
6. langchain.AgenticAI(): שאַפֿן אַ בייַשפּיל פון אַן אַגענטיק אַי סיסטעם.
7. langchain.LLM(): שאַפֿן אַ בייַשפּיל פון אַ LLM.
8. langchain.deploy_code(): צעוויקלען קאָד צו אַ פּראָדוקציע סוויווע.
9. langchain.execute_workflow(): ויספירן אַ וואָרקפלאָוו.
10. langchain.get_workflow_status(): באַקומען די סטאַטוס פון אַ וואָרקפלאָוו.

וויסואַליזאַטיאָן

דאָ איז אַ ביישפּיל פון ווי צו וויזשוואַלייז אַ וואָרקפלאָוו ניצן Chart.js:

{
  "type": "באַר",
  "דאַטן": {
    "labels": ["קאָוד אַנאַליסיס", "קאָוד איבערבליק", "קאָוד דיפּלוימאַנט"],
    "דאַטאַסעטס": [
      {
        "label": "ווערקפלאָו סטעפּס",
        "דאַטן": [10, 20, 30],
        "backgroundColor": [
          "rgba(255, 99, 132, 0.2)",
          "rgba(54, 162, 235, 0.2)",
          "רגבאַ(255, 206, 86, 0.2)"
        ],
        "borderColor": [
          "rgba(255, 99, 132, 1)",
          "rgba(54, 162, 235, 1)",
          "רגבאַ(255, 206, 86, 1)"
        ],
        "באָרדערווידטה": 1
      }
    ]
  },
  "אָפּציעס": {}
}

דער קאָד דיפיינז אַ באַר טשאַרט מיט דריי לאַבעלס: קאָוד אַנאַליסיס, קאָוד איבערבליק און קאָוד דיפּלוימאַנט. די טשאַרט ווייזט די נומער פון סטעפּס אין יעדער בינע פון ​​די וואָרקפלאָוו.

# מסקנא

אַגענטיק אַי, LLMs און אָרקעסטראַטיאָן מכשירים ווי LangChain און DSPy האָבן די פּאָטענציעל צו רעוואַלושאַנייז די וועג מיר צוגאַנג ווייכווארג אַרקאַטעקטשער און DevOps אָטאַמיישאַן. דורך אָטאַמייטינג טאַסקס אַזאַ ווי קאָד אָפּשאַצונג, טעסטינג און דיפּלוימאַנט, מיר קענען פֿאַרבעסערן די עפעקטיווקייַט און יפעקטיוונאַס פון אונדזער אַנטוויקלונג פּראַסעסאַז. אין דעם אַרטיקל, מיר האָבן יקספּלאָרד די ינאַגריישאַן פון די טעקנאַלאַדזשיז און צוגעשטעלט אַ פּשוט ביישפּיל פון ווי צו נוצן זיי צו אָטאַמייט ווייכווארג אַרקאַטעקטשער און DevOps פּראָצעס.