6天前 https://huggingface.co/blog/langchain

14天前 https://www.infoq.cn/article/y9zLo2WHVz94YMXk2O4O?utm_source=rss&utm_medium=article

14天前 https://aijishu.com/a/1060000000462246

基于LangChain-Chatchat实现的本地知识库的问答应用-快速上手（检索增强生成(RAG)大模型）基于 ChatGLM 等大语言模型与 Langchain 等应用框架实现，开源、可离线部署的检索增强生成(RAG)大模型知识库项目。1.介绍一种利用 langchain思想实现的基于本地知识库的问答应用，目标期望建立一套对中文场景与开源模型支持友好、可离线运行的知识库问答解决方案。受 GanymedeNil 的项目 document.ai和 AlexZhangji创建的 ChatGLM-6B Pull

14天前 https://juejin.cn/post/7365679089812848681

基于LangChain-Chatchat实现的本地知识库的问答应用-快速上手（检索增强生成(RAG)大模型） 基于 ChatGLM 等大语言模型与 Langchain 等应用框架实现，开源、可离线部署的检索增强生成(RAG)大模型知识库项目。 1.介绍 一种利用 langchain思想实现的基于本地知识库的问答应用，目标期望建立一套对中文场景与开源模型支持友好、可离线运行的知识库问答解决方案。 受 GanymedeNil 的项目 document.ai和 AlexZhangji 创建的 ChatG

16天前 https://juejin.cn/post/7363997316414439463

众所周知，GPT可以认为是一个离线的软件的，对于一些实时性有要求的功能是完全不行，比如实时信息检索，再比如我们今天要实现个一个日程管理的功能，这个功能你纯依赖于ChatGPT或者其他大语言模型（后文简称llm），是完全实现不了的，比如你这次让他帮你记录个日程，你要是和他聊的内容过多，历史聊天记录滚动覆盖了就找不回来了。 你要是换个聊天窗口，之前的日程信息你就更找不回来了，其根本原因是目前所有的llm都是无状态的，每轮对话必须携带所有历史聊天记录才能实现多轮对话，而所有的llm都有输入长度限制，比如gpt4目

16天前 https://juejin.cn/post/7363823495115751435

路由Routing 完成第一步Query Translation之后就要进入第二步Routing，Routing的意义在于根据不同的问题类型走不同的策略，比如关系型数据库走nl2sql查询，向量查询走索引向量数据库查询。 逻辑和语义路由 Logical and Semantic routing 使用函数调用进行分类 参考资料: https://python.langchain.com/docs/use_cases/query_analysis/techniques/routing#routing-

17天前 https://juejin.cn/post/7364038571966054426

回顾 AI菜鸟向前飞 — LangChain系列之六 - 深入浅出LCEL与Chain(上篇) AI菜鸟向前飞 — LangChain系列之七 - 深入浅出LCEL与Chain(中篇) AI菜鸟向前飞 — LangChain系列之八 - 深入浅出LCEL与Chain(下篇) 上一篇给大家把LangChain Expression Language的语法和原理给大家介绍完毕，这一篇给大家介绍一个比较有趣的“路由”(Router)chain，也算是比较常用，用下图来给大家讲解下，一图胜万言：） 简单来说，就是

17天前 https://juejin.cn/post/7363927383839866921

去年的时候我写过一篇关于OpenAi Function Call的实践文章，就是用Function Call的功能实现抓取并总结网页内容的功能，具体可以参考ChatGPT函数调用初体验：让ChatGPT具备抓取网页文本的能力，当时写了还算比较多的代码，最近在学习了LangChain的使用后，发现LangChain封装的很好了，同样的功能几乎不需要写太多的代码了。 接下来我们还是以抓取并总结网页内容的Agent为例，来看下使用LangChain如何实现类似的功能，当然你要看懂这篇文章，必须对LangChain

17天前 https://www.v2ex.com/t/1037528

tanglaomeiyouya: 征求一起学习的 python 的小伙伴，主打三个方向：爬虫，langchain ，量化金融交易 wx：MTUzNzE0NTI3MDU=

18天前 https://juejin.cn/post/7363607004348792871

一切都要从这张图开始说起，这是RAG的经典图 涵盖了Question->Translation->Routing->Construction->DB(VectorStore)->Indexing->Documents->Retrieval->Generation->Answer 今天我们就来一起学习、拆解这张图，经过这次的学习，你会对RAG有深刻的理解。 参考资料 https://youtube.com/playlist?list=PLfaIDFEX