大模型学习笔记

RAGas是一个用于评测RAG系统的评测框架，它支持与不同大语言模型的集成，并与langchain生态打通，能够很方便的构建评测系统。下面是RAGas的一些链接 论文：https://arxiv.or

最近项目中需要评估业务部门搭建的RAG助手的效果好坏，看了一下目前业界一些评测的方法。目前分为两大类，基于传统的规则、机器学习的评测方法，基于大模型的评测方法。上篇主要做评测方法的记录

在工具调用过程中，如何将中间状态返回到的stream，可以使用from langchain_core.callbacks import dispatch_custom_event方法实现。示例如下 g

在构造langraph工具函数时，常需要使用到运行时的配置RunableConfig以及对话的上下文数据（常命名为State）。文章记录下在工具函数中该如何获取上述配置 获取运行时配置RunableC

在国内由于种种限制，访问openai的接口总是一件麻烦事，即使解决了网络、账号等各种问题，token的价格也时常让人望而却步（曾经用GPT4跑了一下GrapRAG的demo花费了10多块钱）

LLM基类 需继承基类from langchain_core.language_models import LLM 必须实现的_call方法和_identifying_params属性方法 _call

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

开源工程 lencx/ChatGPT：ChatGPT桌面应用程序，支持Mac、Linux、Windows DocsGPT：个人知识库 document.ai：基于矢量数据库和 GPT-3.5 的通用本