这段时间我个人在学习和工作中使用 MCP 非常多，体验了各种场景，有些工具浮于表面，根本不实用，但是有些工具确实是真的让我感受到效率提升。所以今天这一期主要是跟大家来介绍一下我这段时间的使用体验，给大

ChatGPT非常强大，但是无法与现实世界中的应用直接相结合。本文将介绍如何使用nodejs和langchain，使用大模型调外部接口、实现知识库问答。

DocsGPT是一个基于GPT3的知识库平台，其支持训练、本地部署，并支持结果导出。前置依赖：- pip- python3.8版本以上。如使用mac电脑，尽量使用10.14以上版本系统。下载源码、后端

流程 整个流程非常简单，也没有复杂的地方，相信关注GPT领域的都会看到过如上的流程。 主要就以下几个点： 将本地答案数据集，转为向量存储到向量数据 当用户输入查询的问题时，把问题转为向量然后从向量数据

本文使用LangChain+ChatGLM来实现一个简单的基于本地知识库的问答系统，可以在完全不使用openai提供的api来完成本地知识库问答系统的搭建。

“超级AI助手：全新提升！中文NLP训练框架，快速上手，海量训练数据，ChatGLM-v2、中文Bloom、Dolly_v2_3b助您实现更智能的应用！” 1.简介 目标：基于pytorch、tran

通过一些实践发现，ChatGPT 的确可以根据海量文本数据自动生成实体、属性和关系三元组等知识元素，从而快速构建大规模的知识图谱。

ChatIE：通过多轮问答问题实现实命名实体识别和关系事件的零样本信息抽取，并在NYT11-HRL等数据集上超过了全监督模型 零样本信息抽取（Information Extraction，IE）旨在从

ChatGPT及相关LLM模型让我们共同见证了AI的历史性变革，很多人好奇，LLM和它们的运作方式究竟是怎样的？它们是如何被构建的？未来又将走向何方？本文对此进行了深入探讨。