用户9544052365747

CAMEL 交流式代理框架 下面我们一起来看看CAMEL——这个多AI通过角色扮演进行交互的框架，以及它在LangChain中的具体实现。 CAMEL，字面意思是骆驼。这个...

回调函数和异步编程 回调函数，你可能并不陌生。它是函数A作为参数传给另一个函数B，然后在函数B内部执行函数A。当函数B完成某些操作后，会调用（即“回调”）函数A。这种编程模...

新的数据库查询范式 下面这个图，非常清晰地解释了这个以LLM为驱动引擎，从自然语言的（模糊）询问，到自然语言的查询结果输出的流程。 这种范式结合了自然语言处理和传统数据库查...

RAG 的工作原理可以概括为几个步骤。 检索：对于给定的输入（问题），模型首先使用检索系统从大型文档集合中查找相关的文档或段落。这个检索系统通常基于密集向量搜索，例如Chr...

工具是代理的武器 LangChain之所以强大，第一是大模型的推理能力强大，第二则是工具的执行能力强大！孙猴子法力再强，没有金箍棒，也降伏不了妖怪。大模型再能思考，没有工具...

使用结构化工具对话代理 在这里，我们要使用的Agent类型是STRUCTURED_CHAT_ZERO_SHOT_REACT_DESCRIPTION。要使用的工具则是Play...

通过代理实现ReAct框架 下面，就让我们用LangChain中最为常用的 ZERO_SHOT_REACT_DESCRIPTION ——这种常用代理类型，来剖析一下LLM是...

代理的作用 每当你遇到这种需要模型做自主判断、自行调用工具、自行决定下一步行动的时候，Agent（也就是代理）就出场了。 代理就像一个多功能的接口，它能够接触并使用一套工具...

使用ConversationSummaryMemory 上面说了，如果模型在第二轮回答的时候，能够说出“我可以帮你为你姐姐找到...”，那么在第三轮回答时，即使窗口大小 k...

使用ConversationChain 这个Chain最主要的特点是，它提供了包含AI 前缀和人类前缀的对话摘要格式，这个对话格式和记忆机制结合得非常紧密。 让我们看一个简...

整体框架 RouterChain，也叫路由链，能动态选择用于给定输入的下一个链。我们会根据用户的问题内容，首先使用路由器链确定问题更适合哪个处理模板，然后将问题发送到该处理...

LLMChain：最简单的链 LLMChain围绕着语言模型推理功能又添加了一些功能，整合了PromptTemplate、语言模型（LLM或聊天模型）和 Output Pa...

自动修复解析器（OutputFixingParser）实战 来设计一个解析时出现的错误。 这段代码如果运行，会出现错误。 这个错误消息来自Python的内建JSON解析器发...

Pydantic（JSON）解析器实战 Pydantic (JSON) 解析器应该是最常用也是最重要的解析器。 第一步：创建模型实例 先通过环境变量设置OpenAI API...

LangChain 中的输出解析器 语言模型输出的是文本，这是给人类阅读的。但很多时候，你可能想要获得的是程序能够处理的结构化信息。这就是输出解析器发挥作用的地方。 输出解...

大语言模型发展史 说到语言模型，我们不妨先从其发展史中去了解一些关键信息。 Google 2018 年的论文名篇Attention is all you need，提出了T...

大模型的提示工程该如何做，吴恩达老师在他的ChatGPT Prompt Engineering for Developers公开课中，给出了两个大的原则：第一条原则是写出清...

在前天的文章中，我谈论了关于我自身对AI刷题体验的四个方面，包括提高学习效率方面、系统化知识掌握方面，实时反馈与纠错方面，增强自信心方面这四个方面，这篇文章主要谈谈这两天的...

LangChain中的具体组件包括： 模型（Models） ，包含各大语言模型的LangChain接口和调用细节，以及输出解析机制。 提示模板（Prompts） ，使提示工...

使用 AI 刷题功能对我学习的积极影响非常明显，尤其在编程学习的过程中。 1. 提高学习效率 在传统学习过程中，刷题往往需要花费大量时间寻找合适的题目，而 AI 刷题工具能...