大语言模型学习系列

我们知道在大语言模型中, 不管模型的能力有多强大，他的输入和输出基本上都是文本格式的，文本格式的输入输出虽然对人来说非常的友好，但是如果我们想要进行一些结构化处理的话还是会有一点点的不方便。 不

之前我们介绍了LLM模式，这种模式是就是文本输入，然后文本输出。 chat models是基于LLM模式的更加高级的模式。他的输入和输出是格式化的chat messages。 一起来看看如何在l

构建在大语言模型基础上的应用通常有两种，第一种叫做text completion,也就是一问一答的模式，输入是text，输出也是text。这种模型下应用并不会记忆之前的问题内容，每一个问题都是最

在之前的文章中，我们提到了可以在跟大模型交互的时候，给大模型提供一些具体的例子内容，方便大模型从这些内容中获取想要的答案。这种方便的机制在langchain中叫做FewShotPromptTem

langchain中有个比较有意思的prompt template叫做FewShotPromptTemplate。 他是这句话的简写："Prompt template that contains

prompts是大语言模型的输入，他是基于大语言模型应用的利器。没有差的大语言模型，只有差的prompts。 写好prompts才能发挥大语言模型300%的功力。 理论上，要写好prompts其