ما الذي تثبته المصادر؟

تدعم المواد المصدرية نقطة انطلاق أضيق نطاقًا، لكنها مفيدة للمطورين. تصف LMSYS منصة FastChat بأنها خادم API متوافق مع OpenAI، ويمكنه تشغيل نماذج مفتوحة محليًا. ويعرض مقالها المنشور عام ٢٠٢٣ استخدام LangChain مع Vicuna-13B لتنفيذ مهمتين: الإجابة عن الأسئلة المتعلقة بالمستندات، وفهم الشيفرة البرمجية. وتتمثل الفكرة الأساسية للمقال في أن التطبيقات المبنية حول OpenAI API يمكنها، ضمن الإعداد المعروض، استخدام النماذج المفتوحة عبر FastChat من دون تغيير شيفرة التطبيق خصيصًا لتناسب Vicuna.

تصف المواد المقدّمة من DeepLearning.AI لغة LangChain بأنها إطار عمل يُستخدم لبناء تطبيقات LLM. وتغطي ملخصات الدورات موضوعات مثل القوالب، والتحليل، والذاكرة، والسلاسل، والإجابة عن الأسئلة، والوكلاء، والتطبيقات التي تستخدم بيانات مملوكة. كما تذكر أوصاف دورات منفصلة لغة LangChain Expression Language (LCEL) لتكوين السلاسل والوكلاء وتخصيصهما. وهذه موضوعات تعليمية موثّقة، وليست دليلًا على بنية إنتاج محددة أو على واجهة API حالية لحزمة بعينها.

يكتسب هذا التمييز أهمية خاصة بالنسبة إلى الموضوع المقترح. فواجهة API مخصّصة لتحليل الحوادث في بيئة الإنتاج هي تطبيق محدد، وله متطلبات تتعلق بعقود الإدخال، واختيار النماذج، والتحكم في الوصول، ومعالجة الأعطال، والبيانات التشغيلية، والنشر. ولا توثّق أي من المصادر المقدّمة معالج مسار في Next.js يحلل الحوادث، أو يستدعي OpenAI وAnthropic بالتتابع، أو يتحقق من الاستجابات باستخدام Zod، أو ينفذ الشيفرة الواردة في المسودة الأصلية. لذلك، لا ينبغي التعامل مع هذه التفاصيل باعتبارها موثّقة بالمصادر هنا.

الخطوة ١: حدّد التطبيق قبل اختيار التكامل

ابدأ بوصف المشكلة التي ينبغي لتطبيقك حلّها، من دون افتراض مزوّد خدمة محدد أو إعداد بعينه للإطار البرمجي. وفي حالة مفهوم تحليل الحوادث، قد يوضح الوصف أن التطبيق يستقبل سجل حادثة ويساعد شخصًا على تحليل المعلومات المقدّمة. هذا متطلب منتج، وليس قدرة موثّقة لـ LangChain أو FastChat أو أي نموذج في المصادر المقدّمة.

دوّن المعلومات التي سيحتاج إليها التطبيق، ومن يُسمح له بإرسالها، ونوع النتيجة المفيدة للمستخدمين المستهدفين. وحدد ما إذا كان الإصدار الأول تجربة، أو نموذجًا أوليًا داخليًا، أو خدمة يُتوقع أن تدعم سير العمل التشغيلي. تؤثر هذه الفروق في ما يجب التحقق منه قبل التنفيذ. وعلى وجه الخصوص، لا تتعامل مع تفسير مولّد بواسطة نموذج باعتباره سببًا مؤكدًا أو إجراءً تشغيليًا منفّذًا، إلا إذا أثبت تطبيقك ذلك بشكل مستقل.

حافظ على نطاق أولي صغير. فقد يختبر المطور أولًا قدرة نموذج لغوي على تلخيص سجل حادثة نموذجي أو الإجابة عن أسئلة حول مستند. وتُعد الإجابة عن الأسئلة المتعلقة بالمستندات إحدى المهام المعروضة في مقال FastChat، كما يتضمن وصف دورة LangChain المقدّم تطبيق LLMs على البيانات المملوكة. وتدعم هذه المراجع دراسة مثل هذه المهام، لكنها لا تثبت أن مخططًا محددًا للحوادث، أو تصنيفًا للمخاطر، أو مقياسًا للثقة، أو تنسيقًا معينًا للاستجابة مدعوم مسبقًا.

الخطوة ٢: اختر مسارًا لخدمة النماذج يمكنك التحقق منه

يصف مقال LMSYS مسارًا واحدًا لذلك: توفر FastChat خادم API متوافقًا مع OpenAI للنماذج المفتوحة التي تعمل محليًا، مع استخدام LangChain في العرض التوضيحي. والنموذج المستخدم في المثال هو Vicuna-13B. ويعرض المقال أمثلة على الإجابة عن الأسئلة المتعلقة بالمستندات وفهم الشيفرة، كما يصف استخدام واجهة متوافقة مع OpenAI لتجنب تكييف التطبيق خصيصًا مع Vicuna.

هذا مثال تاريخي نُشر في ٩ يونيو ٢٠٢٣، وليس مصفوفة توافق حالية أو توصية بأن Vicuna-13B مناسب لحمل عمل إنتاجي محدد. وقبل اعتماد أي خادم نماذج محلي، تحقّق من وثائقه الحالية، وتنسيقات النماذج المدعومة، وسلوك API، ومتطلبات الأجهزة، وحالة الصيانة، وإعدادات الأمان. ولا تتضمن ملخصات...