go ai

本文代码 提示模板 创建LangChain模板，根据实际需求动态选择不同的输入 使用模板， 我们让模型将 文本 从 某个语言 转换为 另一个语言， 使用模板我们只需要对 文本，转换前语言 和 被转后语

当我们使用模型进行问答的时候， 我们想要基于本地的文件进行回答，我们需要搭建自己的本地知识库。具体流程分为下面几步 使用文档加载器加载本地文件 使用分割器对文件进行分割 将分割后的数据存储到向量数据库

文档解析 文档解析技术的本质在于将格式各异、版式多样、元素多种的文档数据，包括段落、表格、标题、公式、多列、图片等文档区块，转化为阅读顺序正确的字符串信息。 数据除了存储到数据库中，还有的以 PDF、

嵌入模型（Embedding Model）负责将文本数据映射到高维向量空间中，将输入的文档片段转换为对应的嵌入向量（embedding vectors）。这些向量捕捉了文本的语义信息，并被存储在向量库

使用api访问 ollama api文档 通过go进行访问 langchaingo githut ollama demo github 单次访问代码 运行查看 恭喜你，完成了与qwen模型的第一次交互

简介 Ollama 是一个开源的大型语言模型（LLM）平台，旨在让用户能够轻松地在本地运行、管理和与大型语言模型进行交互。 部署 ollama官网 此处使用docker-compose进行部署 oll