最近在研究如何将大语言模型结合本地知识库进行问答，虽然网上已经有很多教程，但大部分都是基于LangChain进行文本分割，然后调用模型向量化的API。这种方式的确很简单，但有这么几个前提： 大模型不使

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。

💡前言 在日常工作中，企业会拥有企业的知识库，个人会拥有个人的知识库。但这些知识库沉淀多了，且如果不进行分类的话，久而久之，我们在查找问题答案的时候，就会发现「查找」这个事情，变得困难了许多。 基于此

LangChain是一个框架，用于开发由LLM驱动的应用程序。可以简单认为是LLM领域的Spring，以及开源版的ChatGPT插件系统。

前言   Prompt Enginnering 是打开LLM宝库的一把金钥匙，如果prompt得法，并能将其技巧与某项工作深度结合，那必将大大增效。今天我们来聊聊如何优化Prompt设计、Prompt

之前教过大家利用 langchain + ChatGLM-6B 实现个人专属知识库，非常简单易上手。最近，智谱 AI 研发团队又推出了 ChatGLM 系列的新模型 ChatGLM2-6B

简易AI客服实现 关于简易AI客服实现可以看之前的文章： 《解密 AI 客服：LangChain+ChatGPT 打造智能客服新时代》，基于文本检索实现AI客服，缺陷是仅能回答文本内存在的内容。 《畅

1.基础介绍 Langchain-Chatchat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。大致过

环境搭建 首先要在电脑上安装 Python，直接在官网下载安装包进行安装即可：https://www.python.org/downloads/ langchain官网位于https://python