【AI大模型】LangChain框架：示例选择器与输出解析器携手，编织NLP高效精准之网
本文将聚焦于LangChain框架中的两大璀璨明珠——示例选择器和输出解析器，深入探讨它们如何与Prompt精妙结合，共同编织出提升NLP任务效率与准确性的精密网络。示例选择器通过提供精心挑选的示例来增强Prompt，有效引导大型语言模型(LLM)生成更加符合预期的高质量输出。而输出解析器则负责将L
【AI大模型】Langchain探秘之旅：深入Prompt世界，解锁多种PromptTemplate的实战奇技！
在探索人工智能与自然语言处理领域时，“Prompt”是一个核心概念，尤其在 Langchain中，它是连接人类与机器思维的桥梁，能解锁模型潜能。本篇博客将深入这一领域，首先揭开 Prompt的神秘面纱，随后剖析Langchain中的几种重要PromptTemplate，包括基础而灵活的、专为聊天设计
LLM之RAG实战（四十）| 使用LangChain SQL Agent和MySQL搭建多层RAG ChatBot
在第二层，SQL Agent首先获取到用户的问题，然后要求 LLM 根据用户的问题创建 SQL 查询，使用内置函数在MySQL数据库上运行查询。在这里，我们使用的是 ChatPromptTemplate，如果你真的研究它，你会看到它是如何专门编写的，用于创建和运行 SQL 查询。在下一段代码中，将使
langchain 入门指南 - 让 AI 从互联网获取信息
通过这篇文章，我们知道了，我们可以通过搜索引擎来获取信息，然后将这些信息提供给 LLM，让它帮我们提炼出我们想要的信息。使用，这个类可以帮我们从互联网上获取信息，然后提供给 LLM。使用 Serper API，这个 API 可以直接调用，获取搜索结果。
【AI大模型应用开发】AI+知识图谱极简入门：手把手带你体验LangChain实现知识图谱创建和查询（附代码和源码分析）
最近在大模型应用中使用图数据库或知识图谱越来越流行。图在表示和存储多样化且相互关联的信息方面具有天然优势，能够轻松捕捉不同数据类型间的复杂关系和属性，从而更好地给大模型提供上下文或数据支持。本文一起来看下如何在大模型应用中使用图数据库或知识图谱。
2024年最新AI大模型，一文带你走进AI搜索！
随着技术的不断进步，这些AI工具将更加深入我们的生活，成为我们探索知识、解决问题的得力助手。智能对话，数据分析，语音识别和多平台支持，提供智能化、便捷化、高效化的解决方案。功能：华为的盘古大模型，它不仅支持知识问答、文案生成、代码生成，以及多模态大模型的图像生成、图像理解等能力集，还支持雷达、红外线
让AI语言模型自由飞翔：LangChain框架的奇妙世界
今天，我将为大家揭开一项令人激动的技术——LangChain。想象一下，如果能将人工智能的强大能力与我们日常使用的数据和工具无缝连接，那将开启怎样崭新且无限的可能！
langchain 入门指南 - 让 AI 记住你说过的话
没有特殊功能，只有一个messages属性，用于保存消息，是list类型。在使用 LLM 的时候，我们需要注意到 LLM 并不会记住我们之前说过的话。但是我们可以自行保存历史消息，然后在下一次调用的时候，将之前的消息传递给 AI。为了方便处理历史消息，langchain提供了这个工具，可以帮助我们保
详解基于 RAG 的 txt2sql 全过程
本文使用通义千问大模型和 ChromaDB 向量数据库来实现一个完整的 text2sql 的项目，并基于实际的业务进行效果的展示。
开源模型应用落地-LangChain高阶-QWen1.5-外部实时数据
通过LangChain调用外部心知天气API，并将结果返回给QWen1.5模型进行加工处理
开源模型应用落地-LangChain高阶-智能体探究-agent类型（一）
智能体入门，学习前三种agent类型，学习前三种agent类型，包括ZERO_SHOT_REACT_DESCRIPTION/CHAT_ZERO_SHOT_REACT_DESCRIPTION/CONVERSATIONAL_REACT_DESCRIPTION
开源模型应用落地-FastAPI-助力模型交互-WebSocket篇（六）
使用FastAPI提高AI应用程序的开发效率和用户体验,为 AI 模型的部署和交互提供全方位的支持。
开源模型应用落地-FastAPI-助力模型交互-WebSocket篇（五）
使用FastAPI提高AI应用程序的开发效率和用户体验,为 AI 模型的部署和交互提供全方位的支持。
【AI大模型应用开发】【LangChain系列】实战案例4：再战RAG问答，提取在线网页数据，并返回生成答案的来源
本文利用 LangChain 实现了一个完整的问答RAG应用。其中RAG中的数据源采用加载网页数据的形式获取，而不是采用之前实践中传统的本地知识库（加载本地PDF文件）的方式。然后我们还在RAG的返回中增加了参考文本的输出，这是之前我们没有实践过的，算是一点新知识。在实现这个功能的过程中，最主要的是
保护隐私，释放智能：使用LangChain和Presidio构建安全的AI问答系统
LangChain是一个基于区块链的AI模型管理和推理平台，它支持在不暴露原始数据的情况下进行AI推理，从而保护用户隐私。Presidio是Microsoft开源的文本数据匿名化工具，由分析器和匿名化器两部分组成，能够识别和替换文本中的PII实体。通过LangChain和Presidio的结合使用，
基于SearXNG+LangChain的实现的AI搜索引擎（2）
bash复制代码。
LangChain4j AiServices 实现聊天记忆
LangChain4j 实现聊天记忆、聊天记忆持久化，多用户聊天记忆，多用户聊天记忆持久化功能
【AI大模型应用开发】【LangChain系列】实战案例1：用LangChain写Python代码并执行来生成答案
本文通过一个案例来学习下如何让 LangChain 写代码并自动执行输出结果。
【记录】LangChain+本地模型的文档问答（webUI）
已在notebook测试无误。
