নিজের কোড জেনারেটিং টুল তৈরি করা LLM ব্যবহার করে

আজকাল যখন কৃত্রিম বুদ্ধিমত্তা আরো আরো সহজলভ্য হচ্ছে, অনেকেই চিন্তা করেন যে কীভাবে বড় ভাষা মডেল (LLM) এর পটেনশিয়াল ব্যবহার করে কোড লিখার কাজটি স্বয়ংক্রিয় করা যায়। এই নিবন্ধে আমি LLM ব্যবহার করে নিজের কোড জেনারেটিং টুল তৈরি করার একটি প্র্যাকটিকাল গাইড প্রদর্শন করবো।

পরিচিতি

মিস্ট্রালের মতো বড় ভাষা মডেলগুলি বিভিন্ন প্রোগ্রামিং ভাষায় কোড জেনারেট করতে সক্ষম। এগুলি ব্যবহার করে টুল তৈরি করা যায় যা প্রোগ্রামারদের দৈনিক কাজে সাহায্য করবে। এই নিবন্ধে আমরা কোড-বা-কোড কিভাবে তৈরি করা যায় তা আলোচনা করবো।

মডেল নির্বাচন

প্রথম ধাপ হল উপযুক্ত মডেল নির্বাচন করা। কোনও উপলব্ধ ওপেন-সোর্স মডেল নির্বাচন করা যায় বা ক্লাউড প্রোভাইডার দ্বারা প্রদত্ত API ব্যবহার করা যায়। এই উদাহরণে আমরা মিস্ট্রাল মডেল ব্যবহার করবো।

বেসিক টুল তৈরি করা

1. প্রয়োজনীয় লাইব্রেরি ইনস্টল করা

শুরু করার জন্য আমাদের কিছু লাইব্রেরি প্রয়োজন। এই উদাহরণে আমরা মডেল লোড করার জন্য transformers লাইব্রেরি এবং গণনা করার জন্য torch ব্যবহার করবো।

pip install transformers torch

2. মডেল লোড করা

এরপর মিস্ট্রাল মডেল লোড করা।

from transformers import AutoModelForCausalLM, AutoTokenizer

model_name = "mistral"
tokenizer = AutoTokenizer.from_pretrained(model_name)
model = AutoModelForCausalLM.from_pretrained(model_name)

3. কোড জেনারেট করা

এখন আমরা একটি ফাংশন লিখতে পারি যা একটি প্রদত্ত প্রম্প্টের ভিত্তিতে কোড জেনারেট করবে।

def generate_code(prompt):
    inputs = tokenizer(prompt, return_tensors="pt")
    outputs = model.generate(**inputs, max_length=100)
    return tokenizer.decode(outputs[0], skip_special_tokens=True)

4. টুল টেস্ট করা

আমাদের টুল টেস্ট করি একটি সাদা কোড পাইথন জেনারেট করে।

prompt = "একটি ফাংশন লিখো যা দুইটি সংখ্যা যোগ করে।"
print(generate_code(prompt))

ফাংশনালিটি বর্ধিত করা

1. কনটেক্সট যোগ করা

আমাদের টুলকে বর্ধিত করা যায় কনটেক্সট যোগ করে যা মডেলকে সহায়তা করবে কোড জেনারেট করার জন্য।

def generate_code_with_context(prompt, context):
    full_prompt = f"{context}\n\n{prompt}"
    return generate_code(full_prompt)

2. জেনারেট করা কোডের গুণমান উন্নত করা

কোডের গুণমান উন্নত করার জন্য একটি ভেরিফিকেশন এবং ভুল সংশোধন মেকানিজম যোগ করা যায়।

def verify_and_fix_code(code):
    verification_prompt = f"এই কোডটি চেক করো এবং ভুলগুলি সংশোধন করো:\n\n{code}"
    return generate_code(verification_prompt)

টুল ডিপ্লয় করা

1. ইউজার ইন্টারফেস তৈরি করা

একটি সাদা ইউজার ইন্টারফেস তৈরি করা যায় যা টুল ব্যবহার করা সহজ করে দেবে।

def main():
    print("কোড জেনারেটিং টুলে স্বাগতম!")
    while True:
        prompt = input("প্রম্প্ট প্রদান করো (অথবা 'exit' শেষ করতে): ")
        if prompt.lower() == 'exit':
            break
        code = generate_code(prompt)
        print("\nজেনারেট করা কোড:")
        print(code)
        print("\n")

if __name__ == "__main__":
    main()

2. সার্ভারে ডিপ্লয় করা

অন্যান্যকে টুলটি উপলব্ধ করা যায় সার্ভারে ডিপ্লয় করা যায়। একটি সাদা API তৈরি করার জন্য Flask লাইব্রেরি ব্যবহার করা যায়।

from flask import Flask, request, jsonify

app = Flask(__name__)

@app.route('/generate', methods=['POST'])
def generate():
    data = request.json
    prompt = data.get('prompt', '')
    code = generate_code(prompt)
    return jsonify({'code': code})

if __name__ == '__main__':
    app.run(debug=True)

সারাংশ

এই নিবন্ধে আমরা LLM ব্যবহার করে নিজের কোড জেনারেটিং টুল তৈরি করার বিষয়ে আলোচনা করেছি। আমরা দেখেছি কিভাবে মডেল লোড করা যায়, কোড জেনারেট করা যায় এবং টুলের ফাংশনালিটি বর্ধিত করা যায়। টুলটি আরও বিকাশ করা যায় ফাংশন যোগ করে এবং জেনারেট করা কোডের গুণমান উন্নত করে।

উদাহরণ কোড

এখানে একটি সম্পূর্ণ উদাহরণ কোড দেওয়া হয়েছে যা নিজের টুলের জন্য একটি স্টার্টিং পয়েন্ট হিসাবে ব্যবহার করা যায়।

from transformers import AutoModelForCausalLM, AutoTokenizer
from flask import Flask, request, jsonify

# মডেল লোড করা
model_name = "mistral"
tokenizer = AutoTokenizer.from_pretrained(model_name)
model = AutoModelForCausalLM.from_pretrained(model_name)

# কোড জেনারেট করা
def generate_code(prompt):
    inputs = tokenizer(prompt, return_tensors="pt")
    outputs = model.generate(**inputs, max_length=100)
    return tokenizer.decode(outputs[0], skip_special_tokens=True)

# API ইন্টারফেস
app = Flask(__name__)

@app.route('/generate', methods=['POST'])
def generate_api():
    data = request.json
    prompt = data.get('prompt', '')
    code = generate_code(prompt)
    return jsonify({'code': code})

if __name__ == '__main__':
    app.run(debug=True)

নিরূপণ

LLM ব্যবহার করে নিজের কোড জেনারেটিং টুল তৈরি করা একটি ফ্যাসিনেটিং কাজ যা প্রোগ্রামারদের কাজকে অনেক সহজ করে দিতে পারে। মিস্ট্রালের মতো অ্যাডভান্সড ভাষা মডেলগুলির উপলব্ধির কারণে প্রত্যেকেই নিজের টুল তৈরি করতে পারে যা তাদের ব্যক্তিগত প্রয়োজনগুলির সাথে মিলে যায়।