你要了解的2种AI思维链
我们使用的AI助手，一般是经过了预训练和微调这2个步骤，尽管训练出的模型能回答许多通用类问题，但是在遇到复杂问题时还是束手无策。
LangChain-09 Query SQL DB With RUN GPT 查询数据库 并 执行SQL 返回结果
【代码】LangChain-09 Query SQL DB With RUN GPT 查询数据库 并 执行SQL 返回结果。结合 上一节，根据我们的需求，生成SQL后，执行返回结果。
自定义 LLM：LangChain与文心一言擦出火花
call：它需要接受一个字符串、可选的停用词，并返回一个字符串。：用于帮助打印 LLM 信息。该函数应该返回一个字典。使用LLM模块来封装我们的模型接口，可以带来许多好处，其中之一就是有利于与LangChain的其他模块进行协同工作。"""使用 API Key，Secret Key 获取ac
大模型RAG基础知识 #Datawhale AI夏令营
在实际业务场景中，通用的基础大模型可能存在无法满足我们需求的情况，大模型幻觉、知识局限性，为了上述这些问题，研究人员提出了检索增强生成（Retrieval Augmented Generation, RAG）的方法。
利用Stable Diffusion AI图像模型评估智能车模型算法表现(下篇)
Amazon SageMaker 是亚马逊云科技提供的一项全托管机器学习服务，帮助开发者和数据科学家轻松构建、训练和部署机器学习模型。SageMaker 提供了全套的工具和基础设施支持，用户无需管理底层的服务器和环境，即可快速处理从数据准备到模型训练再到部署的完整机器学习流程。SageMaker 提
利用AI大语言模型和Langchain开发智能车算法训练知识库(上篇)
Amazon SageMaker 是亚马逊云科技提供的一项全托管机器学习服务，帮助开发者和数据科学家轻松构建、训练和部署机器学习模型。SageMaker 提供了全套的工具和基础设施支持，用户无需管理底层的服务器和环境，即可快速处理从数据准备到模型训练再到部署的完整机器学习流程。SageMaker 提
大模型从入门到精通——基于智谱AI和LangChain实现RAG应用(一)
ZhipuAILLM_call_llm_type通过插入特定的上下文和问题来生成提示，适用于自然语言处理模型。它确保模型生成的回答简洁明确，并在回答结束时添加template = """使用以下上下文来回答最后的问题。如果你不知道答案，就说你不知道，不要试图编造答案。最多使用三句话。尽量使答案简明扼
开源模型应用落地-LangChain实用小技巧-使用各种Loader高效解析不同数据源（七）
使用LangChain的Loader机制，高效解析不同数据源
Windows和Linux中Langchain-chatchat0.3.1.3部署
langchain-chatchat部署
LangChain实现文档检索和增强生成的示例
在这篇博客中，我们将介绍如何使用LangChain和Chroma来实现文档的检索和增强生成。我们将以一个具体的实例来展示这一过程，具体代码如下（修改自官方文档。
【大模型从入门到精通33】开源库框架LangChain RAG 系统中的问答技术3
实验可以帮助确定哪种技术最适合特定的应用场景。传递所有检索到的文档片段到语言模型（LM）上下文窗口的局限性包括上下文窗口大小的限制，这可能导致相关信息的丢失。在 RAG 系统中使用向量数据库（VectorDB）进行文档检索的重要性在于它能高效地存储和检索文档嵌入，从而实现对用户查询相关文档的快速准确
AI系统性学习—LangChain入门
LangChain是一个开源的Python库，它提供了构建基于大模型的AI应用所需的模块和工具。通过LangChain，开发者轻松地与大语言模型（LLM）集成，完成文本生成、问答、翻译、对话等任务。LangChain降低了AI应用开发的门槛，让任何人都可以基于LLM构建属于自己的创建应用。LLM和P
检索增强生成RAG系列9--RAG开源开发框架
当然还有许多优秀的框架没有介绍，有些可能也跟RAG相关比如open-webui等，这里就不一一列举。无论你使用较为底层Langchain或者LlamaIndex，还是使用dify较为低代码方式构建你的RAG，都是要根据你的业务场景来决定选择哪些开发框架。这里只是提供对于相关实践信息供大家参考，主要是
为什么要放弃LangChain：从生产力工具到阻碍
在AI开发工具的生态系统里，LangChain一直是一个备受争议的产品。一些开发者欣赏其丰富的工具、组件和易于集成的特点，另一些开发者则认为其复杂的抽象和嵌套抽象反而成为了开发的障碍。本文将结合Fabian Both的实际经验，详细探讨为什么他的团队最终决定放弃LangChain，以及如何开发大模型
LangChain-10(2) 加餐 编写Agent获取本地Docker运行情况 无技术含量只是思路
这里是通过执行 Shell的方式来获取状态的。通过执行`Docker`指令之后，可以获取到一大段的文本内容，此时把这些内容交给大模型去处理，大模型对内容进行提取和推理，最终回答我们。- `注意@tool注解，没有这个注解的话，无法使用`- `注意要写"""xxx""" 要写明该工具的介绍，大模型将根
在亚马逊云科技上通过LangChain ReAct Agent开发金融多模态数据AI分析中台
Amazon SageMaker 是亚马逊云科技提供的一站式机器学习服务，帮助开发者和数据科学家轻松构建、训练和部署机器学习模型。SageMaker 提供了全面的工具，从数据准备、模型训练到部署和监控，覆盖了机器学习项目的全生命周期。通过 SageMaker，用户可以加速机器学习模型的开发和上线，并
【可能是全网最丝滑的LangChain教程】十九、LangChain进阶之Agents
LangChain 的代理（Agents）模块允许开发者使用语言模型作为推理引擎，以动态确定执行的一系列动作，而不是硬编码这些动作。
开源模型应用落地-LangChain高阶-记忆组件-RedisChatMessageHistory正确使用（八）
如何正确使用RedisChatMessageHistory组件
【AI基础】第四步：保姆喂饭级-langchain+chatglm2-6b+m3e-base
保姆喂饭级，手把手安装langchain,使用大模型chatglm2-6b和嵌入模型m3e-base。
LangChain调用tool集的原理剖析（包懂）
在聊天场景中，针对用户的问题我们希望把问题逐一分解，每一步用一个工具得到分步答案，然后根据这个中间答案继续思考，再使用下一个工具得到另一个分步答案，直到最终得到想要的结果。这个场景非常匹配langchain工具。在langchain中，我们定义好很多工具，每个工具对解决一类问题。然后针对用户的输入，
