LangChain真的好用吗?谈一下LangChain封装FAISS的一些坑 -
最近在做一个知识库问答项目,就是现在大模型浪潮下比较火的 RAG 应用。LangChain 可以说是 RAG 最受欢迎的工具,因此我首选 LangChain 来快速构建我的应用。坦白来讲 LangChain 本身一套对于组件的定义已经让我感觉很复杂,为什么采用 f-string 或 string.format 就能完成的事情必须要抽出一个这么复杂的对象。 当然上面种种原因可能是我不理解 LangChain 设计之禅,但是下面这个坑确实实实在在让我对 LangChain 感到失望的地方。 起因 事情起因很简单
从零开始学 langchain 之搭建最小的 RAG 系统 -
theme: healer-readable highlight: github-gist 大家好,我是雨飞。RAG 可以说是 23 年以来到现在,最为火热的大模型应用技术了,很多人都有了很多经典的研究。而对于新人来说,有些代码十分复杂,导致只看表象并不理解其原理。今天,就利用 langchain 和大家一起搭建一个最简单的 RAG 系统,一起来学习一下吧。 langchain 安装 目前,langchain 的版本已经更新到 0.1.X,建议使用最新的稳定版本,不然之前的代码会出现兼容性的问题。 Ret
AI菜鸟向前飞 — LangChain系列之三(OpenAI和ChatOpenAI的区别) -
前言 在学习OpenAI和框架Langchain的过程中,当时有个疑问,为啥有时候出现OpenAI,而有时会出现它:ChatOpenAI,有什么区别呢?还有也多次遇到过Completions、Model等术语,这类资料比较少,后来经过一点点尝试和源代码的走读,慢慢了解了... 这里抽丝剥茧,分享给大家,跟大家共同学习共同进步:) 理论篇 ChatOpenAI 基于消息而不是原始文本 支持的消息类型:AIMessage、HumanMessage、SystemMessage、FunctionMessage和C
【AI大模型应用开发】【LangSmith: 生产级AI应用维护平台】0. 一文全览Tracing功能,让你的程序运行过程一目了然 -
大家好,我是同学小张,日常分享AI知识和实战案例 欢迎 点赞 + 关注 👏,持续学习,持续干货输出。 +v: jasper_8017 一起交流💬,一起进步💪。 微信公众号也可搜【同学小张】 🙏 本站文章一览: 今天介绍一个AI生产力工具:LangSmith。本篇文章主要在Tracing部分的实操,包括环境准备、如何将你的LangChain程序和LangSimth平台打通,如何使用LangSimth调试Prompt,以及如何进行在线数据标注和收集,为后面的自动化评估作准备。 在开始之前,我们先来了
LangChain之模型调用 -
highlight: androidstudio theme: cyanosis Model I/O 概述 LangChain的模型是框架中的核心,基于语言模型构建,用于开发LangChain应用。通过API调用大模型来解决问题是LangChain应用开发的关键过程。 可以把对模型的使用过程拆解成三块: 输入提示(Format)、调用模型(Predict)、输出解析(Parse) 1.提示模板: LangChain的模板允许动态选择输入,根据实际需求调整输入内容,适用于各种特定任务和应用。 2.
本地部署资讯问答机器人:Langchain+Ollama+RSSHub 实现 RAG -
一、背景 在这个信息爆炸💥的时代,人工筛选对自己有价值的信息无异于大海捞针。不过,幸好现在有了 AI 这个强大的工具,我们可以让它来帮我们做集检索、整合与分析为一体的工作。 这里,我想以 A 股行情(其他场景也类似)问答为例,希望构建这么一个 Bot,当我问它诸如「XX股票今天表现怎么样?」、「复盘今天的家电板块」等问题时,它可以迅速从海量市场数据中找到有价值的信息,帮我进行整合与分析,然后为我提供个性化的回复。 另外,这里我还有个要求,希望能在本地私有化部署,这就意味着与 coze 无缘了。 关于 coz
LangChain 实战: LLM 应用开发指南 -
huiwancode: 熬了大半年的夜写的小册终于上线了,对 AI 应用开发感兴趣的朋友可以看看~~ https://juejin.cn/book/7352849785881591823 小册目录: 大语言模型 AI 未来号,启航了! LangChain 安装与快速入门 使用 LangChain 快速开发基于本地知识库的智能问答机器人 Prompt:学好提示工程,让 AI 更懂你 Prompt:如何使用 LangChain 构造 prompt ? Output Parsers:如何指定输出的格式? LCE
【AI大模型应用开发】【LangChain系列】6. LangChain的Callbacks模块:监控调试程序的重要手段 -
大家好,我是【同学小张】。持续学习,关注我,跟我一起学AI大模型技能。 LangChain提供了一个回调系统,允许您挂接到LLM应用程序的各个阶段。这对于日志记录、监视、流式传输和其他任务非常有用。 0. LangChain Callbacks模块提供的Callback接口一览 class BaseCallbackHandler: """Base callback handler that can be used to handle callbacks from langchain."""
RAG实操教程,LangChain + Llama2 | 创造你的个人LLM -
RAG实操教程,LangChain + Llama2 | 创造你的个人LLM 本文将逐步指导您创建自己的RAG(检索增强生成)系统,使您能够上传自己的PDF文件并向LLM询问有关PDF的信息。本教程侧重于图中蓝色部分,即暂时不涉及Gradio(想了解已接入Gradio的,请参考官网)。相关技术栈包括以下内容: LLM: Llama2 LLM API: llama.cpp service Langchain: Vector DB: ChromaDB Embeding: sentence-Tranforme
初识LangChain的快速入门指南 -
highlight: androidstudio theme: cyanosis LangChain 概述 LangChain是一个基于大语言模型用于构建端到端语言模型应用的框架,它提供了一系列工具、套件和接口,让开发者使用语言模型来实现各种复杂的任务,如文本到图像的生成、文档问答、聊天机器人等。 LangChain简化了LLM应用程序生命周期的各个阶段: 开发阶段:使用LangChain的开源构建块和组件构建应用程序,利用第三方集成和模板快速启动。 生产化阶段:使用LangSmith检查、监控和评
下滑推荐(鼠标滚轮下滑)