- 博客(20)
- 收藏
- 关注
RSS订阅原创 每天的主题要文
本文摘要了大语言模型开发学习的系列主题内容，从Day2到Day11共10天的学习路线。主要包括：UML设计、提示词模板与链式结构、高级解析器与Pydantic应用、RAG检索增强技术、Loader加载器与文档切割、Embedding向量化模型、Milvus向量数据库应用、Runnable接口与Agent构建、LangSmith工具与记忆功能实现等核心知识点。完整呈现了从基础设计到高级应用的渐进式学习过程，重点涵盖了检索增强、向量数据库和智能体开发等关键技术。
2025-07-07 16:56:13
161
原创 Java+Python智能化网盘【Day11】
摘要：本文分享了作者完成小学期项目后的经验总结，重点介绍了数据库表设计和后端搭建的关键要点。在数据库设计方面，强调了命名规范、ID类型选择、时间字段处理以及外键约束的注意事项，并提供了解决前端精度缺失问题的方案。后端搭建部分详细说明了SpringBoot 3.x的版本要求、依赖配置及MyBatis-Plus的使用优势。文章还包含实用的代码片段和工具推荐，为开发者提供了可借鉴的技术实践。
2025-07-07 16:52:34
956
原创 Java+Python智能化网盘【Day-10-1】
LLM大模型记忆存储方法摘要 LangChain提供了完整的记忆存储方案，包括短期记忆（ConversationBufferMemory）和长期记忆（ConversationSummaryMemory）两种实现方式。短期记忆通过直接存储对话历史实现多轮对话连贯性，长期记忆则采用摘要生成和外部存储来扩展记忆容量。核心组件BaseChatMemory及其子类（BufferMemory、BufferWindowMemory、SummaryMemory）提供了灵活的记忆管理方法，通过save_context和loa
2025-06-29 14:40:04
755
原创 Java+Python智能化网盘【Day9-2】
LangChain是官方出品的LLM应用开发调试与监控平台解决大模型应用开发中的调试困难、效果追踪、生产监控三大痛点核心功能说明调试与追踪记录智能体完整执行链路（LLM调用、工具调用、中间结果）可视化展示每一步输入输出和耗时统计成功率、延迟等关键指标生产监控实时监控API调用情况（如超时、错误响应）。分析用户高频请求和模型性能趋势LangChain提供的智能体执行引擎，封装了执行循环，错误处理和日志追踪，让开发者聚焦业务逻辑核心功能功能说明错误处理。
2025-06-29 01:11:43
888
原创 Java+Python智能化网盘【Day9-1】
本文介绍了LangChain中ToolException异常处理机制在智能体调用外部工具时的应用。当智能体调用API工具遇到网络请求失败、权限不足、参数不规范等问题时，ToolException可统一错误格式并传递关键信息。文章通过代码示例展示了两种处理方式：1）配置handle_tool_error=True自动处理；2）自定义异常处理函数。最后提供了一个完整的LLM+Tool实现方案，包含搜索工具、乘法工具与LLM的集成，演示了从工具调用异常处理到最终结果输出的完整流程。该方案能有效处理工具调用异常，确
2025-06-28 19:55:30
455
原创 Java+Python智能化网盘【Day8-2】
LLM Agent智能体与工具系统概述 LLM Agent智能体系统由大语言模型(LLM)、工具(Tools)和记忆(Memory)三部分组成，通过自主决策和工具调用完成复杂任务。Agent能够感知环境、分析信息并执行动作，适用于实时信息检索、精确计算等场景。 LangChain提供了多种工具实现方式： @tool装饰器：快速定义简单工具函数 StructuredTool：支持结构化参数和严格校验 BaseTool继承：完全自定义工具类 工具调用流程为： 模型绑定工具后生成工具调用信息 解析响应中的工具调用
2025-06-27 20:58:14
1215
原创 Java+Python智能化云盘【Day8-1】
LangChain核心Runnable接口及实现解析 摘要： 本文深入解析LangChain框架的核心Runnable接口机制。Runnable通过统一接口定义(invoke/stream/batch等方法)实现组件标准化，支持链式调用(prompt|model|parser)的数据流传递。核心实现包括RunnableSequence(顺序执行)、RunnableBranch(条件路由)、RunnableParallel(并行处理)等子类，其中RunnablePassthrough用于透传参数或扩展上下文字
2025-06-27 16:57:48
1842
原创 Java+Python智能化云盘 【Day7-1】
Milvus向量数据库简介与使用指南 Milvus是一款开源的向量数据库，最新版本为2.5X（近期推出2.6版本）。文章介绍了Milvus的基本架构、核心概念和部署方式。主要内容包括： 架构解析：数据插入后生成日志并持久化到存储层，最后构建索引支持查询 核心概念： 支持欧式距离、内积和余弦相似度计算 采用集合(Collection)、实体(Entity)和字段(Field)的数据模型 通过分区、分片和段实现数据组织和管理 部署方式： 推荐使用Docker部署，服务器配置建议2h4g或更高 提供可视化工具At
2025-06-26 20:34:12
2035
原创 Java+Python智能化云盘【Day6-1】
本文介绍了RAG(检索增强生成)中的Embedding技术及其应用。主要内容包括： Embedding基础概念：将文本转换为数字向量，使计算机能够判断文本相似度，用于信息检索和聚类分析。 核心差异：对比了LLM(生成内容)和Embedding(组织内容)的不同特点，强调Embedding作为LLM辅助工具的作用。 实战应用： 提供两种实现方式（直接API调用和LangChain集成） 展示核心API与属性（如embed_query和embed_documents） 本地化部署：介绍使用Ollama部署开源E
2025-06-25 11:34:31
881
原创 Java+Python智能化云盘【Day5-2】
本文介绍了RAG（检索增强生成）技术中的文档切割方法，主要包括两种文档转换器：CharacterTextSplitter和RecursiveCharacterTextSplitter。前者适用于结构清晰、格式统一的文本，后者则采用多级分割符机制处理复杂文本。文章详述了文档转换器的作用、参数设置及使用场景，如控制文本块大小、保留上下文连贯性等。此外还提供了代码示例，并建议根据实际需求选择不同类型的分割器。文档切割作为RAG流程中的关键预处理步骤，能有效优化后续的向量化存储和检索效果。
2025-06-24 16:05:33
740
原创 Java+Python智能化云盘【Day5-1】
这篇文章介绍了RAG系统中数据加载器(Loaders)的分类和技术细节。主要内容包括： Loader分类：分为文件加载器（TextLoader、CSVLoader等）、网页加载器(WebBaseLoader)和数据库加载器(SQLDatabaseLoader)三大类。 常用Loader技术详解： TextLoader处理纯文本文件 CSVLoader解析CSV文件，支持自定义列名 JSONLoader提取JSON数据，使用jq语法查询 PyPDFLoader分割PDF页面，支持按页加载 进阶应用：特别提到P
2025-06-24 10:19:57
874
原创 Java+Python智能化云盘【Day4-2】
RAG（Retrieval-Augmented Generation）检索增强生成，是结合信息检索与文本生成的 AI 技术架构。核心思想：先通过检索系统找到与问题相关的知识片段再将检索结果与问题共同输入生成模型得到最终答案类比人类解答问题的过程：遇到问题时先查资料（检索），再结合资料组织回答（生成）用户问题 -> 检索器 -> 相关文档片段 -> 生成器 -> 最终答案涉及的技术链路环节：文档加载器 -> 文档转换器 -> 文本嵌入模型 -> 向量存储 -> 检索器。
2025-06-23 21:43:40
882
原创 Java+Python智能化云盘【Day4-1】
Pydantic V2 在大模型开发中应用广泛，尤其在 LangChain 的 PydanticOutputParser 和 OutputFixingParser 中发挥重要作用。前者将非结构化文本转为结构化对象并验证数据，后者自动修复模型输出的格式错误，提升鲁棒性。通过 Field 函数可定义字段的验证规则和元数据，而 @field_validator 实现自定义校验逻辑。结合大模型使用时，这些工具优化提示词工程，确保数据准确性和开发效率。案例展示了如何集成 Pydantic 模型与LangChain
2025-06-23 20:06:56
942
原创 Java+Python智能化云盘【Day3】
详细的写了提示词工程中Promp的使用和简介，以及对应的Template的两种类型（chat和普通的）的使用和简介。还介绍了LangChain和LLMChain链，以及他们的混合使用，还简单的讲了写Pydantic模型和LLM高级解析器
2025-06-21 18:16:02
1203
原创 Java+Python智能化Ai云盘[Day2]
摘要：本文分享了作者为完成UML课程作业而整理的项目文档，包含类图、用例图、活动图、顺序图和状态图。文档基于作者对项目的理解，借助AI辅助编写文字说明并生成PlantUML图。整个整理过程耗时两天，旨在帮助其他有类似作业需求的学生。作者提供了百度网盘下载链接，强调该文档不同于开源项目文档，而是包含个人项目理解的详细说明，有助于深入理解网盘项目的设计架构。文档可作为UML大作业的参考模板。
2025-06-11 21:56:59
387
原创 Elasticsearch的学习使用 [Day4]
摘要 本文介绍了如何在SpringBoot项目中整合Elasticsearch（ES）搜索引擎。主要内容包括： 两种整合方案： 使用Elasticsearch官方Java API Client（推荐） 使用Spring Data Elasticsearch框架（简化操作） Spring Data Elasticsearch配置： 添加依赖和基础配置 介绍了ElasticsearchTemplate的核心功能和常用方法 实操案例： 演示了创建DTO实体类并配置ES映射 提供了索引存在性检查和创建索引的测试用例
2025-06-06 00:46:03
1885
原创 Elasticsearch的学习使用 [Day3]
本文介绍了Elasticsearch中的聚合查询功能，主要包括指标聚合和桶聚合两种类型。指标聚合用于计算数据的最大值、最小值、平均值等统计指标，而桶聚合则用于对数据进行分组统计。文章通过实际案例演示了terms聚合和sum聚合的组合使用，展示了如何对商品销售数据进行分组并计算每组的销售总量。此外还介绍了max和min聚合的基本用法。作者在学习过程中结合了个人经历，将聚合查询与SQL中的group by和聚合函数进行类比，并表达了将其应用于SpringBoot项目的期待。文末提供了详细的DSL查询示例和结果截
2025-06-05 18:57:07
1031
原创 Elasticsearch的学习使用 [Day2]
本文总结了Elasticsearch核心概念和基础查询语法。主要内容包括： 索引原理：对比正排索引和倒排索引的区别与适用场景 基础操作：索引CRUD、文档增删改查等REST API语法 数据类型：重点解析text和keyword字段的应用差异 分词机制：介绍标准分词器和IK中文分词器的配置使用 查询DSL：详细讲解match、term、bool、range等查询语法 高级功能：包括多字段匹配、短语搜索、模糊查询和高亮显示 文章通过具体案例演示了各种查询语法，并强调在实际开发中需要结合SpringBoot进行
2025-06-04 18:38:24
1212
原创 Elasticsearch的学习使用 [Day1]
欧克了，今天其实我还是在上课的，写了这些差不多1h写完了，真的感觉还不错，明天开始继续学习里面的理论知识，其实我今天也学了一部分但是感觉还是太浅了，就没写下去了😅，继续加油吧！
2025-06-03 23:10:30
1115
原创 记录自我学习——Java+Python智能化Ai云盘【Day1】
摘要：一名软件工程专业的学生正面临期末压力与职业迷茫。尽管学校为VR开发提供了良好硬件资源，但企业外聘教师的周末课程效果不佳，导致学生选择退出企业班。在自学Java和SpringBoot三个月后，他完成了基础项目搭建，发现AI辅助编程虽有帮助但存在局限性。近期陷入懈怠状态，既为娱乐放纵感到焦虑，又对大学陈旧课程体系感到无奈。他意识到系统学习时间的宝贵，决心调整状态继续沉淀技术，争取9月找到实习机会。（149字）
2025-06-02 02:51:00
313
1
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人