解锁AI新纪元：LangChain保姆级RAG实战，助你抢占大模型发展趋势红利，共赴智能未来之旅！
基于LangChain 进行保姆级RAG实战演练：大模型发展趋势和红利期把握 随着人工智能技术的不断进步，大型语言模型（LLM）在各个领域的应用日益广泛。而检索增强生成（RAG）技术，作为提升LLM性能的重要手段，正逐渐受到业界的广泛关注。本文将通过对比和对比的形式，详细...
揭秘LangChain+RAG如何重塑行业未来？保姆级实战演练，解锁大模型在各领域应用场景的神秘面纱！
基于LangChain 进行保姆级RAG实战演练：各行业的大模型的应用场景部署 随着人工智能技术的飞速发展，大型语言模型（LLM）在各个行业中的应用日益广泛。而检索增强生成（RAG）技术，作为提升LLM性能的重要手段，正逐渐成为企业实现智能化转型的关键。本文将通过保姆级的实战演练&#x...
LangChain-26 Custom Agent 自定义一个Agent并通过@tool绑定对应的工具 同时让大模型自己调用编写的@tools函数
安装依赖 pip install -qU langchain-core langchain-openai ...
LangChain-25 ReAct 让大模型自己思考和决策下一步 AutoGPT实现途径、AGI重要里程碑
背景介绍 大模型ReAct（Reasoning and Acting）是一种新兴的技术框架，旨在通过逻辑推理和行动序列的构建，使大型语言模型（LLM）能够达成特定的目标。这一框架的核心思想是赋予机器模型类似人类的推理和行动能力，从而在各种任务和环境中实现更高效、更智能的决策和操作。 核心组成 ReAct框架主要由三个关键概念组成：Thought（思考）、Act（...
LangChain-22 Text Embedding 续接21节 文本切分后 对文本进行embedding向量化处理 后续可保存到向量数据库后进行检索 从而扩展大模型的能力
背景描述 介绍Embedding Text Embedding在大模型中的应用是一个重要的技术，它涉及到将高维度的数据（如文本）映射到低维度空间的过程。这一过程不仅有助于减少数据处理的复杂性，还能够捕捉和表达数据的语义信息。在自然语言处理（NLP）和机器学习领域，Text Embedding是实现文本分类、情感分析、机器翻译等任务的基础。 工作原理 Te...
LangChain-17 FunctionCalling 利用大模型对函数进行回调 扩展大模型的额外的能力 比如实现加减乘除等功能
背景介绍 引用: Function Calling是一种允许用户在使用大型语言模型（如GPT系列）处理特定问题时，定制并调用外部函数的功能。这些外部函数可以是专门为处理特定任务（如数据分析、图像处理等）而设计的代码块。通过Function Calling，大模型可以调用这些外部函数获取信息，然后根据这些信息生成相应的输出，从而实现更加复杂和专业化的任务处理能力。 安装依赖...
LangChain-11 Code Writing FunctionCalling 大模型通过编写代码完成需求 大模型计算加法
背景简介 我们知道GPT模型对于内容的输出，是对下一个字符的预测，通过概率选出下一个文本。 而且我们也知道，训练样本是非常庞大的，对于GPT来说，也是有可能学习过1 + 1 = 2的。 当我们向GPT询问1+1 时，完全可以通过概率来推测出结果是2 但是当我们要求GPT计算：12311111111111111 + 999999988888888111时，...
GraphRAG：基于PolarDB+通义千问+LangChain的知识图谱+大模型最佳实践
业务场景知识图谱知识图谱(KG)是谷歌提出的一种知识表示形式，它通过互联的节点和实体捕捉知识，以结构化的形式表示关系和信息。知识图谱具有以下优势： 结构化信息：知识图谱将信息以节点（实体）和边（关系）的形式组织，使得复杂信息结构化，便于存储和查询。语义理解&...
langchain 入门指南 - 自动选择不同的大模型
自动选择不同的大模型 在先前的文章中，我们学会了可以让 Agent 自动选择不同的工具来处理不同的问题。 在现实场景中，我们可能还会面临另外一种场景是，使用不同的大模型来处理用户的问题， 比如根据用户输入的不同问题选择使用 OpenAI 或者是本地部署的大模型。 RouterChain 为了解决这个问题，langchain 引入了 RouterChain，...
langchain 入门指南 - JSON 形式输出大模型的响应
在一些入门例子中，我们会发现，我们可以告诉 LLM 如何输出，然后输出的结果真的是我们想要的，比如下面这个例子： from langchain_core.output_parsers import StrOutputParser from langchain_core.prompts ...
本页面内关键词为智能算法引擎基于机器学习所生成，如有任何问题，可在页面下方点击"联系我们"与我们沟通。
