LangChain

一种新型的代理——Autonomous Agents（自治代 理或自主代理）， 在 LangChain 的代理、工具和记忆这些组件的支持下，它们能够在无需外部干预的情况下自主 运行，这在真实世界的应用

能否让 ChatGPT 自己生成这些引导文本呢？ CAMEL 交流式代理框架 CAMEL 框架旨在通过角色扮演来促进交流代理之间的自主合作，并为其“认知”过程提供洞察。这种方法涉及使用启示式提示来指导

新的数据库查询范式 提出问题：用户用自然语言提出一个问题，例如“去年的总销售额是多少？”。 LLM 理解并转译：LLM 首先会解析这个问题，理解其背后的意图和所需的信息。接着，模型会根据解析的内容，生

什么是 RAG？其全称为 Retrieval-Augmented Generation，即检索增强生成，它结合了检 索和生成的能力，为文本序列生成任务引入外部知识。RAG 将传统的语言生成模型与大规模

在上一讲中，我们深入LangChain程序内部机制，探索了AgentExecutor究竟是如何思考（Thought）、执行（Execute/Act）和观察（Observe）的，这些步骤之间的紧密联系就

LangChain 中的“代理”和“链”的差异究竟是什么？在链中，一系列操作被硬编码（在代码中）。在代理中，语言模型被用作推理引 擎来确定要采取哪些操作以及按什么顺序执行这些操作。 Agent 的关键

应用思维链推理并不能解决大模型的固有问题：无法主动更新自己的知识，导致出现事实幻觉。也就是说，因为缺乏和外部世界的接触，大模型只拥有训练时见过的知识，以及提示信息中作为上下文提供的附加知识。如果你问的

无论是LLM还是代理都是无状态的，每次模型的调用都是独立于其他交互的。也就是说，我们每次通过API开始和大语言模型展开一次新的对话，它都不知道你其实昨天或者前天曾经和它聊过天了。 使用Conversa

任务设定 鲜花养护（保持花的健康、如何浇水、施肥等） 鲜花装饰（如何搭配花、如何装饰场地等） 如果接到的是第一类问题，你要给ChatBot A指示；如果接到第二类的问题，你要给ChatBot B指示。

什么是 Chain 如果你想开发更复杂的应用程序，那么就需要通过 “Chain” 来链接LangChain的各个组件和功能——模型之间彼此链接，或模型与其他组件链接。 首先LangChain通过设计好

使用Pydantic 解析器来重构第4课中的程序 LangChain 中的输出解析器 输出解析器是一种专用于处理和构建语言模型响应的类。一个基本的输出解析器类通常需要实现两个核心方法。 get_for

大语言模型发展史 Transformer是几乎所有预训练模型的核心底层架构。基于Transformer预训练所得的大规模语言模型也被叫做“基础模型”（Foundation Model 或Base Mo

什么是 Chain of Thought CoT这个概念来源于学术界，是谷歌大脑的Jason Wei等人于2022年在论文《Chain-of-Thought Prompting Elicits Rea

在Open AI的官方文档 GPT 最佳实践中，也给出了和上面这两大原则一脉相承的6大策略。分别是： 写清晰的指示 给模型提供参考（也就是示例） 将复杂任务拆分成子任务 给GPT时间思考 使用外部工具

Model I/O 可以把对模型的使用过程拆解成三块，分别是输入提示（对应图中的Format）、调用模型（对应图中的Predict）和输出解析（对应图中的Parse）。这三块形成了一个整体，因此在La