تبسيط خطوط أنابيب الذكاء الاصطناعي باستخدام سير العمل في LlamaIndex

ماذا لو كان نظام الذكاء الاصطناعي لدينا قادرًا على التفكير على مراحل؟

تخيل هذا السيناريو:
نحن نعمل على بناء نظام الذكاء الاصطناعي الذي يساعد المستخدمين على اتخاذ قرارات مالية أفضل.

يقوم المستخدم بإدخال:

"أعطني طريقة ذكية لتوفير المال كل شهر، وأخبرني إذا كانت واقعية بناءً على عادات الإنفاق المتوسطة."

هذا ليس سؤالاً بسيطاً، بل يتضمن مهاماً متعددة:

• الخطوة 1: إنشاء اقتراح لتوفير المال.

• الخطوة 2: قم بتقييم ما إذا كان الاقتراح منطقيًا بالنسبة للمستخدم النموذجي.

ولحل هذه المشكلة، نحتاج إلى أن يفكر الذكاء الاصطناعي على مراحل - ليس فقط الإجابة، بل التفكير والتأمل والاستجابة في تسلسل منظم.

هذا هو المكان الذي تأتي فيه مهام سير العمل في LlamaIndex .

باستخدام سير العمل، يُمكننا تصميم منطق الذكاء الاصطناعي كمجموعة من الخطوات المترابطة. كل خطوة تؤدي وظيفة واحدة - التوليد، التقييم، التحويل - ثم تُمرر نتيجتها إلى الخطوة التالية. لسنا بحاجة إلى الاعتماد على ماجستير إدارة الأعمال لتخمين ما سيأتي لاحقًا؛ فنحن نُحدده مُسبقًا.

في هذا الدرس، سنتعلم كيفية بناء خطوط أنابيب الذكاء الاصطناعي المنظمة متعددة الخطوات باستخدام سير العمل في LlamaIndex، مع تقديم نموذج LLaMA 3 من خلال API تطبيقات الاستدلال عالية الأداء الخاصة بـ Groq. ...