首页
AI Coding
NEW
沸点
课程
直播
活动
AI刷题
APP
插件
搜索历史
清空
创作者中心
写文章
发沸点
写笔记
写代码
草稿箱
创作灵感
查看更多
会员
登录
注册
本地大模型编程实战
刘立军
创建于2025-02-06
订阅专栏
聚焦于人工智能与编程的交叉领域,摒弃空泛理论,直击实战应用。我们将一起动手,从零开始,探索如何利用最新的AI技术解决实际编程问题,打造智能应用。
等 11 人订阅
共39篇文章
创建于2025-02-06
订阅专栏
默认顺序
默认顺序
最早发布
最新发布
本地大模型编程实战(37)使用知识图谱增强RAG(3)
本文将简单介绍如何使用 [**AutoSchemaKG**] 提升 **RAG(Retrieval Augmented Generation,检索增强生成)** 的问答效果。
本地大模型编程实战(36)使用知识图谱增强RAG(2)生成知识图谱
本文将简单介绍如何把文本生成 知识图谱(Knowledge Graph)。具体来说,是使用开源项目 AutoSchemaKG 生成 GraphML 。
本地大模型编程实战(35)使用知识图谱增强RAG(1)知识图谱简介
知识图谱本质上是一种结构化的语义知识库,它以 “实体 - 关系 - 实体” 的三元组形式,将现实世界中的概念、实体及其关联关系进行建模和存储,核心目标是让机器能够像人一样理解和运用知识。
本地大模型编程实战(34)使用faiss实现语义检索
本文将详细介绍如何使用 **FAISS** 实现语义检索: - 将内容矢量化并保存为索引 - 在保存索引的同时,保存每条信息的相关信息metadata - 通过矢量库进行语义检索
使用NetworkX查询GraphML图数据
本文使用 **Nextworkx** 实现查询 **GraphML** 图数据的功能。 - 查询根节点,支持分页 - 查询某个节点的子图结构:即它的子节点以及子节点对应的边和下一级节点
本地大模型编程实战(33)用SSE实现大模型的流式输出
SSE(Server-Sent Events)是一种基于 HTTP 协议的服务器向客户端单向推送数据的技术我们使用大语言模型**qwen3**实现翻译功能。它可以自动识别源语言,并翻译为目标语种。
本地大模型编程实战(32)用websocket显示大模型的流式输出
在与 `LLM(大语言模型)` 对话时,如果每次都等 `LLM` 处理完毕再返回给客户端,会显得比较卡顿。如何能够像主流的AI平台那样:可以一点一点吐出字符呢? 本文将模仿后端流式输出文字。
本地大模型编程实战(31)用Map-Reduce从大文本中提取摘要
`LangGraph` 提供了 `map-reduce` 工作流,它先把大文本拆成小文档分别提取摘要,然后再提炼/压缩提取的摘要,直到最后提取的摘要的token长度满足既定要求。
本地大模型编程实战(30)从文本提取摘要
本文将演练如何使用 LLM(大语言模型) 提取文本摘要。从文本中提取摘要的核心问题是如何将文档传递到 `LLM` 的提示词中。
本地大模型编程实战(29)用大语言模型LLM查询图数据库NEO4J(2)
本文将基于`langgraph` 框架,用`LLM(大语言模型)`查询图数据库`NEO4J`。它可以定义清晰复杂的工作流,能应对比较复杂的应用场景。
在windows系统中安装图数据库NEO4J
`Neo4j`是一个高性能的`NOSQL`图形数据库,它将结构化数据存储在网络上而不是表中。本文讲述了在如何在`windows`系统中安装`NEO4J`。
本地大模型编程实战(28)用大语言模型LLM查询图数据库NEO4J(1)
本文将基于langchain 框架,用LLM(大语言模型)查询图数据库NEO4J。使用 `qwen2.5` 做实验。
本地大模型编程实战(27)初探langgraph的流式输出
对于 LLM(大语言模型),流式传输已成为一种越来越受欢迎的功能。其理念是在 LLM 生成令牌时就快速返回,而不是等待创建完整响应后再返回全部内容。
本地大模型编程实战(26)用langgraph实现基于SQL数据构建的问答系统(5)
本文将扩展上一篇文章完成的 `langgraph` 链,继续使用基于 `langgraph` 链 ,对结构化数据库 `SQlite` 进行查询的方法。
本地大模型编程实战(25)用langgraph实现基于SQL数据构建的问答系统(4)
本文将演练使用基于 `langgraph` 链 ,对结构化数据库 `SQlite` 进行查询的方法。
本地大模型编程实战(24)用智能体(Agent)实现智能纠错的SQL数据库问答系统(3)
本文将实现这样一个 `智能体(Agent)` : - 可以使用自然语言对 `SQLite` 数据库进行查询。即:用户用自然语言提出问题,智能体也用自然语言根据数据库的查询结果回答问题。
本地大模型编程实战(23)用智能体(Agent)实现基于SQL数据构建问答系统(2)
本文将用 `智能体(Agent)` 实现对 `SQLite` 数据库的查询:用户用自然语言提出问题,智能体也用自然语言根据数据库的查询结果回答问题。
本地大模型编程实战(22)用langchain实现基于SQL数据构建问答系统(1)
我们将演练在使用基于 `langchain` 链 ,在结构化数据库 `SQlite` 中的数据上创建问答系统的基本方法,该系统建立以后,我们用自然语言询问有关数据库中数据的问题并返回自然语言答案。
本地大模型编程实战(21)支持多参数检索的RAG(Retrieval Augmented Generation,检索增强生成)(5)
本文将演练通过两个参数进行知识库的检索。为此会在 `langgraph`链 中增加一个 `analyze_query` 节点,它用来基于用户问题推理检索的参数。
本地大模型编程实战(20)用langgraph和智能体实现RAG(Retrieval Augmented Generation,检索增强生成)(4)
本文将要在上一篇文的此基础上,增加自动记录聊天历史的功能,另外,我们还将使用一个 `Agent(智能体)` 来实现几乎同样的功能。
下一页