惜鸟

概述 最近在看一个开源项目 cognee ，其中有很多下面类似的pydantic配置文件，由于对 pydantic 没有深入了解，所以对 pydantic 中的 BaseSettings 的作用不是很

前面一篇文件介绍了为什么要使用LiteLLM以及使用LiteLLM的两种方式，本文是LiteLLM的实践篇，通过本文的学习，将会对LiteLLM的基本使用有一个大概的了解，下面介绍本文的具体实践。

LiteLLM 基本介绍 为什么需要LiteLLM？ 在AI应用开发过程中，开发者常常遇到以下痛点： 接口碎片化：不同厂商的API接口差异巨大，从参数命名到响应格式都不统一 密钥管理复杂：每个服务商都

概述 本文是chunk分块的实践篇，chunk分块的理论可以查看前一篇文章chunk分块理论篇。 接下来主要使用 langchain 提供的工具对前面的chunk分块方法进行实践，下面内容都是在jup

概述 本文是RAG优化系列的第三篇文章，前面两篇文章分别是： 【RAG优化】将pdf和docx转换为markdown格式 【RAG优化】docling结合OCR实现pdf转markdown 前面两篇文

将 Jupyter Notebook（.ipynb 文件）转换为 Markdown 格式（.md 文件）有以下几种常用方法： 方法 1：使用 nbconvert 命令行工具 这是最直接的方法，依赖 J

在MySQL中进行深度分页（例如查询第1000页之后的数据）确实存在显著的性能问题，主要原因是传统的LIMIT offset, count分页方式在大偏移量时效率低下。以下是详细分析和优化建议： 问题

概述 前面写了一篇文章 将pdf和docx转换为markdown格式 介绍了使用一些开源工具转换pdf为markdown的效果对比，得出的结论是： 使用 docling 转换 pdf 为 markdo

本文介绍一下如何使用 LangChain 框架（一个用于构建基于大型语言模型（LLM）的端到端应用程序的工具库）来生成 结构化输出（Structured Output）。结构化输出是指让模型（如GPT