n8n是一款基于Node.js的开源工作流自动化平台，由德国开发者Jan Oberhauser于2019年创立。其技术架构以微服务化设计为核心，通过可视化节点式工作流实现跨系统集成

Qwen2.5是通义千问团队最近开源的大语言模型，由阿里云通义实验室研发。 ​​ 以Qwen2.5作为基座大语言模型，通过指令微调的方式实现命名实体识别（NER）任务，是学习LLM微调的入门任务。 本

今天分享一篇技术文章，你可能听说过很多大模型的知识，但却从未亲自使用或微调过大模型。 今天这篇文章，就手把手带你从零微调一个大模型。 大模型微调本身是一件非常复杂且技术难度很高的任务，因此本篇文章仅从

本作者推出全新系列《深入浅出LLM》专栏，将分为基础篇、进阶篇、实战篇等，将分别从各个大模型模型的概念、经典模型、创新点、微调、分布式训练、数据集、未来发展方向、RAG、Agent及项目实战等展开介绍

🦜🕸️ LangGraph的出现宣布LangChain进入到多智能体框架领域,langGraph是基于图论运作的,他提供了一种状态机的技术,可与驱动循环代理调用,实现有向有环图的多Agent.

使用LangGraph构建多代理系统，通过LangSmith进行各个环节的监控。以此实现了多个agent之间之间的交互，以及多种工具之间的逻辑调用。

前言 如果您想在localhost部署并运行开源大模型，可以试试Ollama。本文我们将使用Ollama部署，并通过API的方式调用大模型。 安装 Ollama提供了python和js两种开发包，对前

目标 在上一篇文章中，我们已经尝试在本地部署了大模型以及利用langchain框架来构建起基于大模型的应用程序。在本章中，我们将更近一步，在现有的应用程序上尝试利用RAG来继续强化应用。

LLM存在时效性和幻觉问题，在 如何用解决大模型时效性和准确性问题？RAG技术核心原理 一文中我介绍了RAG的核心原理，本文将分享如何基于llama3和langchain搭建本地私有知识库。