<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[Shell726的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/Shell726</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; Shell726]]></copyright><item><title><![CDATA[使用Astra DB管理聊天历史记录的实践指南]]></title><link>https://blog.youkuaiyun.com/Shell726/article/details/145332590</link><guid>https://blog.youkuaiyun.com/Shell726/article/details/145332590</guid><author>Shell726</author><pubDate>Fri, 24 Jan 2025 04:42:12 +0800</pubDate><description><![CDATA[Astra DB是一种无服务器的向量数据库，它基于Cassandra构建，并通过易于使用的JSON API提供服务。它特别适用于处理需要高可扩展性和低延迟的数据访问的应用场景。在这篇文章中，我们将探讨如何利用Astra DB存储和管理聊天应用中的消息历史记录。]]></description><category></category></item><item><title><![CDATA[使用TensorFlow Datasets加载多语言问答数据]]></title><link>https://blog.youkuaiyun.com/Shell726/article/details/145328320</link><guid>https://blog.youkuaiyun.com/Shell726/article/details/145328320</guid><author>Shell726</author><pubDate>Thu, 23 Jan 2025 19:15:08 +0800</pubDate><description><![CDATA[MLQA（Multilingual Question Answering）数据集是一个用于评估多语言问答性能的基准数据集，涵盖了包括阿拉伯语、德语、西班牙语、英语、印地语、越南语和中文在内的七种语言。利用TensorFlow Datasets，我们可以轻松加载并进行处理。]]></description><category></category></item><item><title><![CDATA[利用Stripe API数据构建向量索引以提升LangChain应用的智能化]]></title><link>https://blog.youkuaiyun.com/Shell726/article/details/145328042</link><guid>https://blog.youkuaiyun.com/Shell726/article/details/145328042</guid><author>Shell726</author><pubDate>Thu, 23 Jan 2025 18:41:30 +0800</pubDate><description><![CDATA[Stripe提供了一整套用于电子商务网站和移动应用程序的支付处理软件和API。结合使用LangChain的向量存储能力，可以提升数据检索及分析效率，扩展智能应用的实现能力。例如，在语言模型的交互中，我们可以利用Stripe数据来增强服务的个性化及准确性。]]></description><category></category></item><item><title><![CDATA[使用NewsURLLoader加载并处理在线新闻文章]]></title><link>https://blog.youkuaiyun.com/Shell726/article/details/145326011</link><guid>https://blog.youkuaiyun.com/Shell726/article/details/145326011</guid><author>Shell726</author><pubDate>Thu, 23 Jan 2025 16:42:18 +0800</pubDate><description><![CDATA[随着自然语言处理技术的发展，将网络上的非结构化数据如新闻文章转换为结构化数据可极大地提高数据处理效率。是一个专为处理新闻URL而生的工具，它能自动抓取网页内容并提取出有价值的信息，如文章内容、标题和元数据。]]></description><category></category></item><item><title><![CDATA[使用Langchain加载Near区块链的NFT文档]]></title><link>https://blog.youkuaiyun.com/Shell726/article/details/145325722</link><guid>https://blog.youkuaiyun.com/Shell726/article/details/145325722</guid><author>Shell726</author><pubDate>Thu, 23 Jan 2025 16:29:39 +0800</pubDate><description><![CDATA[NFTs是一种用于表示各种独特数字资产的区块链代币。Near区块链提供了一种便捷的方式来存储和管理NFT资产。然而，开发者在数据处理过程中需要一种有效的机制来从区块链加载这些数据。Langchain提供了一种强大的文档加载器，可以从Near区块链的NFT智能合约中加载数据。]]></description><category></category></item><item><title><![CDATA[使用Elasticsearch进行嵌入生成的实战指南]]></title><link>https://blog.youkuaiyun.com/Shell726/article/details/145317635</link><guid>https://blog.youkuaiyun.com/Shell726/article/details/145317635</guid><author>Shell726</author><pubDate>Thu, 23 Jan 2025 09:59:33 +0800</pubDate><description><![CDATA[Elasticsearch是一款分布式的搜索引擎，广泛应用于全文搜索、日志分析等领域。随着机器学习技术的发展，Elasticsearch也集成了各种机器学习模型，其中包括文本嵌入生成模型，可以高效地将文本转换为语义向量。]]></description><category></category></item><item><title><![CDATA[使用LangChain与Clova Embeddings进行文本嵌入的详细实践]]></title><link>https://blog.youkuaiyun.com/Shell726/article/details/145316441</link><guid>https://blog.youkuaiyun.com/Shell726/article/details/145316441</guid><author>Shell726</author><pubDate>Thu, 23 Jan 2025 09:36:59 +0800</pubDate><description><![CDATA[Clova是由Naver提供的强大AI平台，提供了一系列AI服务，其中包括文本嵌入服务。文本嵌入技术是自然语言处理（NLP）的基石之一，将文本转换为可供机器学习模型使用的向量格式。通过将语言表示为密集向量，我们能够在语义空间中度量文本之间的相似度，这对文本分类、聚类和信息检索等应用特别有用。]]></description><category></category></item><item><title><![CDATA[使用AwaDB和LangChain进行嵌入向量存储与搜索]]></title><link>https://blog.youkuaiyun.com/Shell726/article/details/145315055</link><guid>https://blog.youkuaiyun.com/Shell726/article/details/145315055</guid><author>Shell726</author><pubDate>Thu, 23 Jan 2025 09:09:09 +0800</pubDate><description><![CDATA[随着自然语言处理技术的进步，大型语言模型已被广泛应用于各种任务中。这些模型通常需要使用嵌入向量来理解和处理文本数据。而高效地存储与检索这些嵌入向量是提升应用性能的关键。AwaDB提供了一套专门针对嵌入向量优化的数据库解决方案。]]></description><category></category></item><item><title><![CDATA[Aleph Alpha 语义嵌入的应用与实践]]></title><link>https://blog.youkuaiyun.com/Shell726/article/details/145314750</link><guid>https://blog.youkuaiyun.com/Shell726/article/details/145314750</guid><author>Shell726</author><pubDate>Thu, 23 Jan 2025 08:52:41 +0800</pubDate><description><![CDATA[Aleph Alpha 的语义嵌入模型主要用于提升文本比较的准确性和有效性，其独特之处在于提供了对称和非对称两种嵌入策略。非对称嵌入适用于结构不相似的文本（如文档与查询），而对称嵌入适用于结构相似的文本。]]></description><category></category></item><item><title><![CDATA[快速上手 Yi LLM 与 LangChain 集成]]></title><link>https://blog.youkuaiyun.com/Shell726/article/details/145314624</link><guid>https://blog.youkuaiyun.com/Shell726/article/details/145314624</guid><author>Shell726</author><pubDate>Thu, 23 Jan 2025 08:41:25 +0800</pubDate><description><![CDATA[随着 AI 2.0 的到来，大型语言模型 (LLM) 的发展进入了全新的阶段。由李开复博士创立的 01.AI 正在该领域引领潮流，推出了包括 Yi 系列在内的尖端大模型。这些模型的参数规模从 6B 到数千亿不等，涵盖多模态模型、开放 API 平台，以及开源模型如 Yi-34B/9B/6B 和 Yi-VL。对于开发者来说，使用这些 LLM 不仅需要性能稳定的环境，还需要简单高效的集成方式。本文将重点讲解如何使用LangChain与 Yi LLM 集成，为开发者提供便捷的开发接口。]]></description><category></category></item><item><title><![CDATA[使用Xinference进行LLM推理的实战指南]]></title><link>https://blog.youkuaiyun.com/Shell726/article/details/145314591</link><guid>https://blog.youkuaiyun.com/Shell726/article/details/145314591</guid><author>Shell726</author><pubDate>Thu, 23 Jan 2025 08:35:41 +0800</pubDate><description><![CDATA[随着AI模型的日益复杂和强大，如何在本地设备甚至分布式环境中高效地部署和调用这些模型成为一个重要的技术挑战。Xinference提供了一种解决方案，它允许开发者在本地或集群环境中部署和使用多种先进的AI模型。]]></description><category></category></item><item><title><![CDATA[使用CTranslate2进行高效Transformer模型推理]]></title><link>https://blog.youkuaiyun.com/Shell726/article/details/145314001</link><guid>https://blog.youkuaiyun.com/Shell726/article/details/145314001</guid><author>Shell726</author><pubDate>Thu, 23 Jan 2025 04:10:01 +0800</pubDate><description><![CDATA[随着深度学习模型的日益复杂，尤其是Transformer模型的普及，在推理阶段的性能优化变得尤为重要。CTranslate2是一个专门为加速和优化Transformer模型推理而设计的C++和Python库。通过应用多种性能优化技术，如权重量化、层融合、批次重排序等，CTranslate2能够在CPU和GPU上有效地降低模型的内存使用并加速推理。]]></description><category></category></item><item><title><![CDATA[利用LangChain与Banana模型进行交互示例]]></title><link>https://blog.youkuaiyun.com/Shell726/article/details/145313950</link><guid>https://blog.youkuaiyun.com/Shell726/article/details/145313950</guid><author>Shell726</author><pubDate>Thu, 23 Jan 2025 03:35:51 +0800</pubDate><description><![CDATA[在机器学习领域，Banana致力于为开发者提供高效和易于使用的基础设施。在这篇文章中，我们将探讨如何使用LangChain库与Banana模型进行交互。LangChain是一种强大的工具，为语言模型的集成提供了便利。]]></description><category></category></item><item><title><![CDATA[使用 Llama2Chat 增强 Llama-2 进行对话 AI 应用]]></title><link>https://blog.youkuaiyun.com/Shell726/article/details/145313576</link><guid>https://blog.youkuaiyun.com/Shell726/article/details/145313576</guid><author>Shell726</author><pubDate>Thu, 23 Jan 2025 01:18:54 +0800</pubDate><description><![CDATA[在当今的AI技术中，Llama-2不仅作为一个强大的语言模型存在，还被广泛应用于各种对话系统。为了更好地支持Llama-2的对话提示格式，Llama2Chat提供了一个通用的封装器，使其能够被用于支持多种LLM实现，如ChatHuggingFace、LlamaCpp、GPT4All等。在这篇文章中，我们将详细介绍如何使用Llama2Chat和LangChain库的组件来构建一个简单的对话应用。]]></description><category></category></item><item><title><![CDATA[使用AWS Bedrock构建智能对话应用]]></title><link>https://blog.youkuaiyun.com/Shell726/article/details/145311021</link><guid>https://blog.youkuaiyun.com/Shell726/article/details/145311021</guid><author>Shell726</author><pubDate>Wed, 22 Jan 2025 21:26:37 +0800</pubDate><description><![CDATA[Amazon Bedrock 是一项完全托管的服务，它让开发者能够轻松试验和评估适用于其使用场景的基础模型，并通过提供私密的自定义功能来生成AI应用程序。使用Bedrock，你无需管理基础设施，可以安全地将生成式AI能力集成到已有的AWS服务中。]]></description><category></category></item><item><title><![CDATA[利用Typesense构建高效的内存搜索引擎]]></title><link>https://blog.youkuaiyun.com/Shell726/article/details/145309906</link><guid>https://blog.youkuaiyun.com/Shell726/article/details/145309906</guid><author>Shell726</author><pubDate>Wed, 22 Jan 2025 19:57:05 +0800</pubDate><description><![CDATA[Typesense 是一款开源的内存搜索引擎，它特别重视性能和开发者体验。通过将整个索引存储在内存中（同时在磁盘上备份），Typesense 可以提供极高的查询速度。其简化的配置选项和良好的默认设置，使得开发者可以快速上手并进行自定义。]]></description><category></category></item><item><title><![CDATA[使用Predibase与LangChain整合LLM模型的实战指南]]></title><link>https://blog.youkuaiyun.com/Shell726/article/details/145307361</link><guid>https://blog.youkuaiyun.com/Shell726/article/details/145307361</guid><author>Shell726</author><pubDate>Wed, 22 Jan 2025 17:14:55 +0800</pubDate><description><![CDATA[Predibase是一款高性能的AI基础设施平台，提供了多种机器学习模型的托管与部署服务。它通过与LangChain整合，实现了大规模语言模型的轻松调用和应用。LangChain则是一款流行的Python库，专注于语言模型的管道管理与协调，是开发智能应用的基础工具之一。]]></description><category></category></item><item><title><![CDATA[使用IMSDbLoader加载电影脚本的实战指南]]></title><link>https://blog.youkuaiyun.com/Shell726/article/details/145300921</link><guid>https://blog.youkuaiyun.com/Shell726/article/details/145300921</guid><author>Shell726</author><pubDate>Wed, 22 Jan 2025 12:25:57 +0800</pubDate><description><![CDATA[IMSDb是一个在线的电影脚本数据库，其中包含了许多知名电影的完整剧本文本。这对于研究电影叙事结构、角色对话和编剧技巧非常有帮助。为了便于程序化访问这些剧本，工具应运而生，它是库的一部分，专门用于加载并解析IMSDb上的剧本。]]></description><category></category></item><item><title><![CDATA[使用Fiddler进行机器学习模型监控与改进]]></title><link>https://blog.youkuaiyun.com/Shell726/article/details/145297456</link><guid>https://blog.youkuaiyun.com/Shell726/article/details/145297456</guid><author>Shell726</author><pubDate>Wed, 22 Jan 2025 10:03:58 +0800</pubDate><description><![CDATA[Fiddler是一个全面的平台，专为企业级机器学习模型的部署而设计。它可以帮助你在生产环境中实时监控模型性能，并提供易于理解的解释和分析工具。除了检测模型的偏差和漂移，Fiddler还可以帮助你做出改进，以提高模型的准确性和可靠性。]]></description><category></category></item><item><title><![CDATA[[在LangChain实验中使用Comet进行跟踪和优化]]]></title><link>https://blog.youkuaiyun.com/Shell726/article/details/145293785</link><guid>https://blog.youkuaiyun.com/Shell726/article/details/145293785</guid><author>Shell726</author><pubDate>Wed, 22 Jan 2025 07:07:14 +0800</pubDate><description><![CDATA[Comet是一种机器学习平台，可以与现有的基础设施和工具集成，用于管理、可视化和优化模型，从训练运行到生产环境的监控。通过与LangChain结合使用，开发者可以轻松跟踪和评估生成的实验数据。]]></description><category></category></item></channel></rss>