Ṣiṣe Ailewu ati Iṣatunṣe Iṣeduro sọfitiwia AI-Iwakọ pẹlu Awọn irinṣẹ Orchestration | B4N1

Ṣiṣe Ailewu ati Iṣatunṣe Iṣeduro sọfitiwia AI-Iwakọ pẹlu Awọn irinṣẹ Orchestration

3 months ago · b4n1 Read time: 5 min

Ifihan

Ibarapọ ti Imọye Oríkĕ (AI) sinu awọn ohun elo sọfitiwia ti ṣe iyipada ọna ti a sunmọ ipinnu iṣoro, ṣiṣe ipinnu, ati adaṣe. Bibẹẹkọ, bi awọn ohun elo ti AI-ṣiṣẹ di idiju ti o pọ si, iwulo fun aabo ati faaji iwọn ti di ibakcdun titẹ. Ninu nkan yii, a yoo ṣawari ikorita ti AI, imọ-ẹrọ sọfitiwia, ati DevOps, pẹlu itọkasi pataki lori lilo awọn irinṣẹ orchestration bi DSPy ati LangChain lati ṣepọ awọn aṣoju AI sinu awọn pipelines DevOps.

Awọn italaya ti AI-Driven Software faaji

Awọn ohun elo sọfitiwia ti AI-ṣiṣẹ jẹ awọn italaya alailẹgbẹ si awọn ẹlẹrọ sọfitiwia ati awọn ẹgbẹ DevOps. Diẹ ninu awọn ipenija pataki pẹlu:

** Scalability ***: Awọn awoṣe AI nilo awọn orisun iṣiro pataki, eyiti o le ja si awọn ọran scalability ni awọn agbegbe iṣelọpọ. ** Aabo ***: Awọn awoṣe AI le jẹ ipalara si awọn ikọlu, gẹgẹbi majele data ati awọn ikọlu iyipada awoṣe. ** Integration ***: Awọn awoṣe AI nilo lati ṣepọ pẹlu awọn eto sọfitiwia ti o wa tẹlẹ, eyiti o le jẹ iṣẹ-ṣiṣe eka kan. ** Abojuto ati Itọju ***: Awọn awoṣe AI nilo ibojuwo lilọsiwaju ati itọju lati rii daju pe wọn wa ni deede ati igbẹkẹle.

Awọn irinṣẹ Orchestration: DSPy ati LangChain

Awọn irinṣẹ Orchestration bii DSPy ati LangChain pese ojutu kan si awọn italaya wọnyi nipa mimuuṣiṣẹpọ ti awọn aṣoju AI sinu pipelines DevOps. Awọn irinṣẹ wọnyi n pese ilana fun kikọ, imuṣiṣẹ, ati iṣakoso awọn awoṣe AI, ni idaniloju aabo ati faaji iwọn fun awọn ohun elo ti AI-ṣiṣẹ.

DSPy

DSPy jẹ ohun elo orchestration orisun ṣiṣi ti a ṣe lori oke Python. O pese API ti o rọrun ati ogbon inu fun kikọ, imuṣiṣẹ, ati iṣakoso awọn awoṣe AI. DSPy ṣe atilẹyin ọpọlọpọ awọn ilana AI, pẹlu TensorFlow, PyTorch, ati scikit-learn.

LangChain

LangChain jẹ irinṣẹ orchestration orisun-ìmọ miiran ti o pese ilana fun kikọ, imuṣiṣẹ, ati iṣakoso awọn awoṣe AI. LangChain ti wa ni itumọ ti lori oke ti Rust ati pe o pese API ti o ga julọ fun sisọpọ awọn aṣoju AI sinu awọn opo gigun ti DevOps.

Ṣiṣe Aabo ati Iṣatunṣe Iṣeduro sọfitiwia AI-Iwakọ pẹlu DSPy

Ni abala yii, a yoo ṣawari apẹẹrẹ ti o rọrun ti imuse imuse aabo ati wiwọ sọfitiwia sọfitiwia AI-iwakọ pẹlu DSPy.

Apeere: Ilé Awoṣe AI Rọrun pẹlu DSPy

Jẹ ki a wo apẹẹrẹ ti o rọrun ti kikọ awoṣe ikẹkọ ẹrọ nipa lilo DSPy. A yoo lo ile-ikawe scikit-earn lati kọ awoṣe ipadasẹhin laini kan.

`` Python gbe wọle dspy bi dsp lati sklearn.linear_model gbe wọle LinearRegression lati sklearn.datasets gbe load_diabetes wọle

Ṣe akojọpọ data ti àtọgbẹ

dataset = load_diabetes()

Pin data sinu ikẹkọ ati awọn eto idanwo

X_train, X_test, y_train, y_test = dsp.split_dataset (dataset.data, dataset.target, test_size=0.2)

Kọ awoṣe ipadasẹhin laini

awoṣe = LinearRegression()

Ṣe ikẹkọ awoṣe lori data ikẹkọ

model.fit (X_train, y_train)

Ṣe iṣiro awoṣe lori data idanwo naa

išedede = model.score (X_test, y_test) titẹ (f"Ipeye awoṣe: {ipeye:.2f}")


Àkọsílẹ koodu yii ṣe afihan bi o ṣe le kọ awoṣe ẹkọ ẹrọ ti o rọrun nipa lilo DSPy. A kojọpọ data ti àtọgbẹ, pin si ikẹkọ ati awọn eto idanwo, kọ awoṣe ipadasẹhin laini, ṣe ikẹkọ lori data ikẹkọ, ati ṣe iṣiro deede rẹ lori data idanwo naa.

## Ṣiṣe Aabo ati Iṣatunṣe Iṣeduro sọfitiwia AI-Iwakọ pẹlu LangChain

Ni apakan yii, a yoo ṣawari apẹẹrẹ ti o rọrun ti imuse imuse aabo ati wiwọn sọfitiwia sọfitiwia AI-iwakọ pẹlu LangChain.

### Apeere: Ṣiṣe Awoṣe AI Rọrun pẹlu LangChain

Jẹ ki a wo apẹẹrẹ ti o rọrun ti kikọ awoṣe ikẹkọ ẹrọ nipa lilo LangChain. A yoo lo ile-ikawe TensorFlow lati kọ awoṣe nẹtiwọọki nkankikan.

`` ipata
lo langchain bi lc;
lo tensorflow :: iṣaaju :: *;

// Ṣetumo awoṣe nẹtiwọọki nkankikan ti o rọrun
fn awoṣe (igbewọle: &Tensor) -> Tensor {
    jẹ ki o wu = input.matmul (& Tensor :: titun (1, 1));
    jade
}

// Ṣẹda aṣoju LangChain
jẹ ki oluranlowo = lc :: Aṣoju :: titun (awoṣe);

// Setumo a dataset
jẹ ki dataset = lc :: Dataset :: titun (vec![
    lc :: Apeere:: titun (vec! [1.0, 2.0], vec![3.0]),
    lc :: Apeere:: titun (vec! [4.0, 5.0], vec! [6.0]),
]);

// Kọ awoṣe lori dataset
agent.train (& dataset);

// Ṣe iṣiro awoṣe lori dataset
jẹ ki išedede = agent.valuate (& dataset);
println! ("Ipeye awoṣe: {}", deede);

Àkọsílẹ koodu yii ṣe afihan bi o ṣe le kọ awoṣe ẹkọ ẹrọ ti o rọrun nipa lilo LangChain. A ṣe asọye awoṣe nẹtiwọọki nkankikan ti o rọrun, ṣẹda aṣoju LangChain kan, ṣalaye ipilẹ data kan, ṣe ikẹkọ awoṣe lori dataset, ati ṣe iṣiro deede rẹ lori dataset.

Top 5-10 Awọn aṣẹ ti a lo julọ / awọn snippets

Eyi ni oke 5-10 awọn aṣẹ ti a lo julọ/snippets fun DSPy ati LangChain:

DSPy

  • dsp.split_dataset(data, afojusun, test_size=0.2): Pipin idasile sinu ikẹkọ ati eto idanwo.
  • dsp.build_model(model_name, model_params): Kọ awoṣe ẹkọ ẹrọ nipa lilo orukọ awoṣe ti a sọ ati awọn ayeraye.
  • dsp.train_model (awoṣe, data): Ṣe ikẹkọ awoṣe ikẹkọ ẹrọ lori data ti a sọ.
  • `dsp.evaluate_model(awoṣe, data): Ṣe iṣiro iṣẹ ṣiṣe ti awoṣe ẹkọ ẹrọ lori data ti a sọ.
  • dsp.deploy_model(awoṣe, server_url): Nfi awoṣe kikọ ẹrọ ṣiṣẹ si URL olupin ti a sọ.

LangChain

  • lc :: Aṣoju :: tuntun (awoṣe) : Ṣẹda aṣoju LangChain kan nipa lilo awoṣe pàtó kan.
  • lc :: Eto data :: titun(apẹẹrẹ): Ṣẹda data LangChain kan nipa lilo awọn apẹẹrẹ ti a pato.
  • lc :: reluwe(aṣoju, dataset): Ṣe ikẹkọ aṣoju LangChain lori ipilẹ data ti a pato.
  • lc :: ṣe iṣiro (aṣoju, dataset): Ṣe iṣiro iṣẹ ti aṣoju LangChain lori ipilẹ data pato.
  • lc :: ransogun(aṣoju, server_url): Nfi oluranlowo LangChain ransẹ si URL olupin ti a sọ.

Wiwo

Eyi ni iwoye ti o rọrun ti faaji sọfitiwia ti AI-ṣiṣẹ nipa lilo Chart.js:

`` javascript const ctx = document.getElementById ('myChart') .getContext ('2d'); const chart = Aworan tuntun (ctx, { iru: 'bar', data: { akole: ['Aago Ikẹkọ', 'Aago Itọkasi', 'Ipeye Awoṣe'], awọn ipilẹ data: [{ aami: 'DSPy', data: [10, 5, 90], backgroundColor: 'rgba(255, 99, 132, 0.2)', Awọ aala: 'rgba(255, 99, 132, 1)', Iwọn ààlà: 1 }, { aami: 'LangChain', data: [8, 6, 92], backgroundColor: 'rgba(54, 162, 235, 0.2)', Awọ aala: 'rgba(54, 162, 235, 1)', Iwọn ààlà: 1 }] }, awọn aṣayan: { awọn iwọn: { y: { beginAtZero: otitọ } } } });


Àkọsílẹ koodu yii ṣẹda apẹrẹ igi ti o rọrun nipa lilo Chart.js lati wo iṣẹ DSPy ati LangChain.

## Ipari

Ninu àpilẹkọ yii, a ṣawari ikorita ti AI, imọ-ẹrọ sọfitiwia, ati DevOps, pẹlu itọkasi pataki lori lilo awọn irinṣẹ orchestration bi DSPy ati LangChain lati ṣepọ awọn aṣoju AI sinu awọn pipelines DevOps. A ṣe afihan bi o ṣe le ṣe imuse aabo sọfitiwia sọfitiwia AI-iwakọ nipa lilo DSPy ati LangChain, ati pese apẹẹrẹ ti o rọrun ti kikọ awoṣe ikẹkọ ẹrọ nipa lilo ọpa kọọkan. A tun pese oke 5-10 awọn pipaṣẹ / snippets ti o lo julọ fun ọpa kọọkan ati iworan ti o rọrun ti faaji sọfitiwia ti AI-ṣiṣẹ nipa lilo Chart.js.

Have Questions?

Let's Talk

Contact me on LinkedIn