一、前言 目前大模型的微调方法有很多，而且大多可以在消费级显卡上进行，每个人都可以在自己的电脑上微调自己的大模型。 但是在微调时我们时常面对一个问题，就是数据集问题。网络上有许多开源数据集，但是很多时

LangChain的交互过程往往比较复杂，如果想深入了解其交互过程，我们可以通过python的debug能力来调试，但是debug调试往往效率比较低，可能还会打断正常的逻辑流转。最近在查看LangCh

最近，ChatGPT相关的LangChain项目备受瞩目，成了非常火热的开源代码库，并且还在快速发展中！本文将分享下简单30行代码，使用LangChain 搭建专属 GPT知识库

利用GPT和Milvus向量数据库，搭建一个私有化的知识库，向量数据库提供了一个很好的解决方案，紧跟大预言模型的发展步伐。

RAG 是`retrieval-augmented-generation`的缩写，翻译为中文的意思就检索增强，以基于最新，最准确的数据建立` LLM `的语料知识库。

LLM 学习之「向量数据库」 什么是向量数据库？ 向量数据库是一种以向量或数据点的数学表示形式存储数据的数据库。 人工智能和机器学习使非结构化数据能够转换为捕获意义和上下文的数字表示（向量），这得益于

一篇文章带你学会向量数据库Milvus（一） 上一篇文章中 LLM 学习之「向量数据库」 中我们介绍了什么是向量数据库，向量数据库有那些用途，向量数据库与 LLM 的关联以及 RAG 中向量数据库的使

RAG实操教程: langchain+Milvus向量数据库创建你的本地知识库 本篇文章是 Milvus 向量数据库学习的总结篇，打造自己的知识库系统。 RAG是什么 RAG 是retrieval-a