前言 LangChain近期发布了重要新功能LangGraph,作为一个老前端LangChain吹，肯定要给大家来分享下。一起搞AI项目，龙年发大财。 LangGraph LangGraph增强了La

AI狼人杀，人类一败涂地 首先给没看过视频的小伙伴们介绍下： 一个名为 Tore Knabe 的网友在 X 平台发布了一个视频，展示了一个有趣的实验

上一篇文章《37.4k 的 Dify，一款小白也可以轻松上手的大模型开发平台（一）：部署及基础使用》我们介绍了 Dify 的部署及基础使用，今天我们来介绍一下如何为 Dify 接入 Ollama。 使

介绍了LangChain4j框架支持的向量数据库，并使用LangChain4j + Omalla：qwen:7b 作为嵌入模型 + Milvus向量数据库，完成向量的存储，相似性搜索功能。

常见大模型介绍 1.1 ChatGLM-6B 系列 ChatGLM2-6B [【ChatGLM2-6B 入门】清华大学开源中文版 ChatGLM-6B 模型学习与实战] 论文名称：ChatGLM2-6

AI一键消除：手搓一个消除效果达国内Top3的消除工具 效果展示 在图像修复领域，以下场景一直是技术难点： 大面积区域的自然重建 复杂纹理的精确还原 多物体交互区域的上下文连贯处理 看看下面的效果对比

前一段时间吴恩达教授开源了一个专注于翻译的 AI Agent——translation-agent。 这个 translate-agent 主要以 AI 大模型为翻译引擎，再通过在工作流中增加一些针对

GitHub 一周热点汇总第20期(2024/04/21-04/27) ，本周期内其实最热的还是Llama3，但是上周刚刚入选，就换成Ollama了。来看看这一周内火爆的5个项目吧。

什么是 RAG RAG，即检索增强生成（Retrieval-Augmented Generation），是一种先进的自然语言处理技术架构，它旨在克服传统大型语言模型（LLMs）在处理开放域问题时的信息