wffeige

一个复杂的应用 是通过多个chain 串联 选择判断 运行的 使用统一的数据处理 更规范 Data Connection 数据流介绍 Source 数据来源 文字 代码 载体 github youtu

背景 上下文衔接的能力 需要历史记录能力 大多数LLM应用都具有对话界面。对话的一个重要组成部分是能够引用先前在对话中介绍过的信息。 至少，一个对话系统应该能够直接访问一些过去消息的窗口。 更复杂的系

各种chain的介绍 串联式编排调用链:SequentialChain 流水线 胶水代码逻辑处理 超长文本的转换 Transform Chain pdf文件处理 实现条件判断的路由链:RouterCh

各种chain的介绍 串联式编排调用链:SequentialChain 流水线 胶水代码逻辑处理 超长文本的转换 Transform Chain pdf文件处理 实现条件判断的路由链:RouterCh

上手你的第一个链:LLMChain 串联式编排调用链:SequentialChain 流水线 超长文本的转换 Transform Chain pdf文件处理 实现条件判断的路由链:RouterChai

输出解析器 Output Parser 语言模型的输出是文本 希望获得比纯文本 更结构化的信息 。这就是输出解析器的价值所在。 输出解析器是帮助结构化语言模型响应的类。它们必须实现两种主要方法： "获

模型输入 Prompts 一个语言模型的提示是用户提供的一组指令或输入，用于引导模型的响应，帮助它理解上下文并生成相关和连贯的基于语言的输出，例如回答问题、完成句子或进行对话。 提示模板（Prompt

I/O input 提示词 output 大模型输出的结果 model介绍 langchain支持 多种模型 LLM chat model langchain提供统一的API 定义模型 屏蔽底层的差别

LangChain LangChain 快速迭代 LangChain: 通过组合模块和能力抽象来扩展 LLM 的助手 大语言模型跟这个框架结合到一起 构建新的APP 模块 model I/O data