MarvinZhang

本篇文章将介绍我开发的基于大语言模型（LLM）的智能爬虫产品：Crawlab AI。虽然它还处于早期开发阶段，但已经展现出强大的潜力，有望让数据从业者轻松获取数据。

Langchain扩展了知识问答系统的应用范围，使其能够适应更多复杂的实际需求。本篇文章将通过一个简单的实战例子，介绍如何使用Langchain构建基本的知识问答系统。

前端领域的变迁如同时光流转，前端工程师的角色经历了从页面美工到真正的工程师的转变。时至今日，前端技术已经进化到一个全新的维度。现代的前端工程师不仅需要掌握设计与交互，还需要深入了解技术栈、框架、工程化

在研究 Langchain 库时，我发现了一个很有趣的功能：利用 OpenAI 的函数调用 API在一个链中执行特定操作，对于获取结构化数据非常有用。

很多基于 AI 的知识问答系统采用了检索增强生成（RAG） 技术，从而让 LLM 能够做出基于事实的回答，从而消除幻觉。本篇文章将简单介绍 RAG 是如何在知识问答系统中发挥作用的。

概览 Crawlab v0.6.3 是 Crawlab v0.6.x 的最新迭代版本，带来了一系列改进，包括问题修复、功能优化。

数据分析（Data Analytics）是很多企业实现数字化战略的重要业务模块。本文将介绍如何使用开源项目 Superset 打造数据分析平台

引言 在现代的数据驱动时代，获取和管理网上信息变得至关重要。为企业和开发者提供强大支持的，Crawlab出现了，它是一个企业级的爬虫管理平台，特点是开箱即用。

在信息爆炸的今天，阅读成了我们每个人不可或缺的一部分。然而，传统的阅读方式常常让我们陷入信息的海洋，难以分辨哪些是真正有用的知识。在这样的背景下，思阅（SRead）应运而生。