用户50658784842

今天就来手把手教大家：怎么从零开始搭一个属于自己的 RAG 系统？其实核心就 3 步，哪怕是 AI 初学者也能看懂，赶紧码住～

在继承了初代 LLaMA 强大性能与开源精神的基础上，Meta 于 2023 年推出了 LLaMA 2，这不仅是一次模型能力的升级，更是一场关于 可控、安全、可用的开源 AI 的深刻变革。

本期分享我们通过Streamlit前端界面，结合LangChain框架retriever工具与DashScope向量模型服务、DeepSeek大模型服务，从0到1实现了轻量化的RAG知识库系统。

本文使用一个垃圾邮件分类的任务，来说明如何基于预训练的GPT2在邮件数据集上进行微调，我们的目标是打造一个垃圾邮件分类器，输入一份邮件的内容，模型给出该邮件是否为垃圾邮件的分类结果。

和Langchain的区别，为什么要有langgraph？ 链表和图的区别 单agent 和多agent Memory 和state的区别 维度 LangChain LangGraph 1. 设计哲学

从谷歌抓取数据是一个复杂且需要谨慎处理的任务，因为谷歌有非常严格的反自动化和反爬虫机制。直接使用常规的爬虫库（如 requests 或 Scrapy）去大规模抓取谷歌搜索结果，很可能会被迅速封锁IP地

编写的提示词运行在大语言模型上，所以我们是通过提示词对大语言模型进行编程，编程出来的应用我们叫做 AI 的原生应用。这种转变使我们对开发范式和应用开发的理解有非常多的思维转变。

本期分享通过Streamlit前端界面，结合LangChain框架搭建了CSV数据智能分析系统，通过自然语言指令分析结构化数据，支持CSV文件上传与DataFrame实时显示，还支持图表识别与自动展示

本文将以 LangChain 框架为核心，结合 GPT-4o-mini 模型，通过接入工具与消息修剪策略，实现一个具备记忆、调用搜索、执行函数能力的智能体。