桜吹雪

Node.js 自诞生以来经历了显著的变革。如果您使用 Node.js 已有数年，您很可能亲身见证了它的演进——从重度依赖回调、CommonJS 主导的环境，发展到如今基于标准的、简洁的开发体验。

在许多问答应用中，我们希望允许用户进行多轮对话，这意味着应用需要具备某种对历史问答的"记忆"能力，以及将这些信息融入当前思考的逻辑。本文将扩展实现以支持对话式交互和多轮检索流程。

LangChain 中的工具抽象将 TypeScript ​函数与定义函数名称、描述和输入的模式关联起来。工具可以传递给支持工具调用的聊天模型，允许模型请求执行具有特定输入的特定函数。

大型语言模型（LLM）最强大的应用之一就是​​复杂问答（Q&A）聊天机器人​​。这类应用能够基于特定源信息回答问题，其核心技术称为​​检索增强生成。

上一篇讲了基本的调用LLM，还有简单或者灵活的去使用模板生成提示词，以及使用提示词+解析器实现结构化的输出，这一节介绍一下Loader、Embedding和搭建向量数据库，最后实现一个简单的RAG

因为最近ai挺火的，所以学习了一下LangChain.js，这是我学习过程的笔记，内容和例子主要来自官方文档。

继续上一篇，翻译一下错误处理，包括认识预期错误和非预期错误，学习如何去处理不同的错误，包括并发和串行去处理等等...

编程充满挑战。当我们构建库和应用时，会借助众多工具来应对复杂性，让日常工作更可控。Effect 为 TypeScript 编程提供了一种全新的思维方式。

最近在学RAG，学到Embedding部分，想搭建一个向量库去存数据，看了一圈网上以及问大佬，基本都是推荐milvus这个数据库，所以就开始想搭建一下玩玩