Bir Langflow akışını içe aktarma — Basic Prompting başlangıç projesi
Langflow’un JSON olarak dışa aktarılmış Basic Prompting başlangıç projesi, aggrega import ile yazıldığı haliyle Docker Compose için derlenen bir Aggregate, bir Release ve bir Manifest’e içe aktarılmış.
Bir Langflow akışını içe aktarma bunu adım adım anlatır: komutu, yazdığı dosyaları, derlemeyi ve derlediği şeyin çalıştırılmasını. Bu klasör, o adım adım anlatımın her aşamasını içerir:
| klasör | içeriği |
|---|---|
source/ | dışa aktarılmış akış, basic-prompting.json; klasörü bir çalışma alanı yapan .aggrega-config.yaml; ve Kubernetes için bir içe aktarmanın istediği, hiçbir akışın tutamayacağı şeylerin yanıtları olan import-answers.yaml |
draft/ | aggrega import basic-prompting.json --target compose komutunun yazdığı dosyalar, değiştirilmemiş haliyle, ve komutun yazdırdıkları: standart çıktıya stdout.txt, standart hataya import.txt |
source/basic-prompting.json, Langflow 1.6.0’ın sunduğu başlangıç projesidir; Langflow deposundan (https://github.com/langflow-ai/langflow, 504c02fc47e76087b82b0e7cbe4186e9cdd916d4 commit’inde, src/lfx/tests/data/starter_projects_1_6_0/Basic Prompting.json dosyası) değiştirilmeden alınmıştır ve yanında LICENSE.langflow içinde yeniden verilen lisansa tabidir. Taslaklar aynı akışı taşır; akışın kenarlarının tutamaçları Langflow düzenleyicisinin yazdığı gibi yazılmıştır.
Belge deposunun bir checkout’unda check.sh, içe aktarmayı yeniden çalıştırır, yazdıklarını ve yazdırdıklarını draft/ ile karşılaştırır, adım adım anlatımın alıntıladığı blokları bu dosyalarla karşılaştırır ve içe aktarmanın yazdıklarını doğrulayıp derler. Standart kütüphane kataloğunun (nereden edinilir) bu deponun yanında checkout edilmiş olmasına ya da dizininin AGGREGA_CATALOG_DIRS içinde belirtilmesine ihtiyaç duyar.
Örneği oluşturun
Bu örneğin içe aktarmasını aşağıdaki komutlarla çalıştırabilir ya da yapay zekâ asistanınıza sizin yerinize çalıştırtabilirsiniz.
Örneği, adını taşıyan yeni bir klasöre yazın:
aggrega scaffold --example import-langflowArdından sırada çalıştırılacak komutları yazdırır. İlki yeni klasöre geçer:
cd import-langflowDerleme
İçe aktarma, Aggrega dosyalarını projenin yanında, source/ içinde taslak olarak oluşturur ve derlemenin ihtiyaç duyduğu şeyleri çeker. Projeyi, çalışma alanının varsayılan kayıt defterinin imzalı bir anlık görüntü olarak yayımladığı standart kütüphane kataloğuyla karşılaştırır: ilk içe aktarma onu getirir, doğrular, çalışma alanının içerik önbelleğinde saklar ve taslakların yanına yazdığı kayıtta onu özetiyle adlandırır. Kendi katalog klasörlerini — AGGREGA_CATALOG_DIRS içinde ya da workspace.catalog_dirs altında — adlandıran bir çalışma alanı ise bunun yerine onlara göre içe aktarır:
cd sourceaggrega import basic-prompting.json --target composeaggrega validate --release release.yamlaggrega build --release release.yamlDerlemenin yazdıklarını çalıştırmak, yukarıda bağlantısı verilen adım adım anlatımda yer alır.
Bir yapay zekâ asistanıyla
Aggrega araçlarıyla kurulmuş bir yapay zekâ asistanı da aynısını yapabilir: bu istemi ona yapıştırın.
Yalnızca Aggrega araçlarını kullanın ve kendiniz hiçbir klasör oluşturmayın. Çalışma alanı klasöründe henüz bir `import-langflow` klasörü yoksa `scaffold` aracını `example` değeri `import-langflow` olacak şekilde ve `dir` olmadan bir kez çağırın: araç örneği yeni bir `import-langflow` klasörüne yazar; bu klasörün içindeki `source` klasörü, bu örneğin içe aktardığı şeyleri içerir. Ardından `import` aracını `workspace_root` değeri `import-langflow/source`, `source` değeri `basic-prompting.json` ve `target` değeri `compose` olacak şekilde çağırın: araç ihtiyaç duyduğu yanıtları `basic-prompting.json` dosyasının yanındaki `import-answers.yaml` dosyasından okur, taslaklarını `import-langflow/source` içine yazar ve taslakların ihtiyaç duyduklarını çeker. Ardından `validate` aracını `workspace_root` değeri `import-langflow/source` ve `release` değeri `release.yaml` olacak şekilde, `build` aracını da `workspace_root` değeri `import-langflow/source`, `release` değeri `release.yaml` ve `write` değeri true olacak şekilde çağırın. Derlemenin hangi dosyaları yazdığını bana söyleyin; bunlar `import-langflow/source/dist/` altındadır.Test edin
Yığın kılavuzun çalıştırdığı gibi çalışırken http://127.0.0.1:7860 adresini açın ve admin olarak oturum açın: Basic Prompting düzenleyicidedir. API, akışı bir API anahtarı karşılığında çalıştırır; bu anahtarı kılavuz oturum açtıktan sonra oluşturur; bu anahtarla:
curl -sS -X POST 'http://127.0.0.1:7860/api/v1/run/0dbee653-41ae-4e51-af2e-55757fb24be3?stream=false' \ -H 'x-api-key: <api_key>' -H 'Content-Type: application/json' \ -d '{"input_value": "In one short sentence: what is Docker Compose?", "input_type": "chat", "output_type": "chat"}'{"detail":"{\"message\":\"Error running graph: Error building Component Language Model: \\n\\nError code: 401 - {'error': {'message': 'Incorrect API key provided: sk-place*****************-key. You can find your API key at https://platform.openai.com/account/api-keys.', 'type': 'invalid_request_error', 'code': 'invalid_api_key', 'param': None}, 'status': 401}\",[… omitted: three empty fields, and a suggestion to update three of the flow's components]}"}Çalıştırmanın OpenAI anahtarı bir yer tutucuydu, bu nedenle yanıt OpenAI’ın bu anahtarı reddetmesidir: akış modele yaptığı çağrıya kadar çalıştı.
--target helm ile içe aktarılıp Kubernetes’e uygulandığında, yerel bir port Service’ine yönlendirildiği anda Langflow aynı adreste aynı isteklere yanıt verir:
kubectl port-forward -n <namespace> svc/langflow-default 7860:7860