<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[fGVBSAbe的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/fGVBSAbe</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; fGVBSAbe]]></copyright><item><title><![CDATA[使用 Milvus 向量存储实现自查询检索器]]></title><link>https://blog.youkuaiyun.com/fGVBSAbe/article/details/145333136</link><guid>https://blog.youkuaiyun.com/fGVBSAbe/article/details/145333136</guid><author>fGVBSAbe</author><pubDate>Fri, 24 Jan 2025 07:26:11 +0800</pubDate><description><![CDATA[在现代AI系统中，存储和检索大量向量化数据是一个常见的需求。Milvus是一个专注于存储、索引和管理由深度神经网络和其他机器学习模型生成的大规模嵌入向量的数据库。本文将演示如何使用Milvus向量存储与自查询检索器（SelfQueryRetriever）结合，以实现强大的数据检索功能。]]></description><category></category></item><item><title><![CDATA[在 Astra DB 中使用 SelfQueryRetriever 进行向量存储与查询]]></title><link>https://blog.youkuaiyun.com/fGVBSAbe/article/details/145333044</link><guid>https://blog.youkuaiyun.com/fGVBSAbe/article/details/145333044</guid><author>fGVBSAbe</author><pubDate>Fri, 24 Jan 2025 06:56:27 +0800</pubDate><description><![CDATA[在构建此类系统时，请务必确保数据的安全性与合规性。使用稳定可靠的 API 服务，以确保系统的高可用性和性能。最后，定期更新向量模型和库以跟随最新技术发展。这种向量检索机制非常适合用于需要自然语言交互的应用场景，如智能搜索引擎、推荐系统等。对于数据丰富的电影平台，可以让用户通过简单询问来获取个性化推荐。如果遇到问题欢迎在评论区交流。]]></description><category></category></item><item><title><![CDATA[利用 OpenAPI 代理实现复杂 API 的层次化规划]]></title><link>https://blog.youkuaiyun.com/fGVBSAbe/article/details/145332043</link><guid>https://blog.youkuaiyun.com/fGVBSAbe/article/details/145332043</guid><author>fGVBSAbe</author><pubDate>Fri, 24 Jan 2025 02:02:26 +0800</pubDate><description><![CDATA[层次化规划是一个常用于机器人学中的方法，现在也被引入到自然语言处理和 API 集成领域。它的基本思想是通过分离关注点，来实现对长序列行为的一致性管理：规划器（planner）负责决定调用哪些端点，而控制器（controller）负责具体调用这些端点的细节。]]></description><category></category></item><item><title><![CDATA[使用MultiON Toolkit来增强LangChain的功能]]></title><link>https://blog.youkuaiyun.com/fGVBSAbe/article/details/145331855</link><guid>https://blog.youkuaiyun.com/fGVBSAbe/article/details/145331855</guid><author>fGVBSAbe</author><pubDate>Fri, 24 Jan 2025 01:14:37 +0800</pubDate><description><![CDATA[MultiON Toolkit 是一种工具包，允许开发人员将 LangChain 框架连接到 MultiON 的浏览器扩展，从而实现复杂的代理工作流。MultiON 的 AI 代理能够与各种 web 服务交互，执行多种任务，可以极大地提升自动化工作流的效率。]]></description><category></category></item><item><title><![CDATA[使用Infobip API 发送短信和邮件的实战指南]]></title><link>https://blog.youkuaiyun.com/fGVBSAbe/article/details/145331779</link><guid>https://blog.youkuaiyun.com/fGVBSAbe/article/details/145331779</guid><author>fGVBSAbe</author><pubDate>Fri, 24 Jan 2025 01:02:43 +0800</pubDate><description><![CDATA[Infobip 是一个全球化的通信平台，提供了包括短信、邮件在内的多种服务。通过使用Infobip的API，我们可以轻松集成这些通信功能到我们的应用中。本指南将重点介绍如何调用Infobip API来发送短信和邮件，并且展示在Python中如何编写相关代码。]]></description><category></category></item><item><title><![CDATA[使用Alpha Vantage实现实时与历史金融市场数据获取]]></title><link>https://blog.youkuaiyun.com/fGVBSAbe/article/details/145330937</link><guid>https://blog.youkuaiyun.com/fGVBSAbe/article/details/145330937</guid><author>fGVBSAbe</author><pubDate>Thu, 23 Jan 2025 23:40:51 +0800</pubDate><description><![CDATA[在金融市场上，准确和及时的数据对于交易者、投资者和研究人员来说至关重要。而Alpha Vantage通过提供一套强大且开发者友好的数据API和电子表格，解决了从获取实时和历史金融数据到分析市场趋势的需求。本文将介绍如何使用Alpha Vantage API来获取货币兑换率、股票每日和每周时间序列数据、最新股票报价等，并展示相关代码示例，帮助开发者快速上手这些API进行数据获取和分析。]]></description><category></category></item><item><title><![CDATA[使用 TiDB Loader 在 LangChain 中加载数据的实战指南]]></title><link>https://blog.youkuaiyun.com/fGVBSAbe/article/details/145328345</link><guid>https://blog.youkuaiyun.com/fGVBSAbe/article/details/145328345</guid><author>fGVBSAbe</author><pubDate>Thu, 23 Jan 2025 19:20:45 +0800</pubDate><description><![CDATA[在AI应用开发过程中，数据库的选择至关重要。TiDB Cloud 提供了一种全面的数据库即服务 (DBaaS) 解决方案，包括专用和无服务器选项。特别是 TiDB Serverless 的引入，使得在 MySQL 上无缝集成向量搜索成为现实。此项功能使得开发者不需要额外的新数据库或技术栈，就能轻松开发AI应用。我们今天将介绍如何使用 TiDB Loader 从 TiDB 加载数据到 LangChain。]]></description><category></category></item><item><title><![CDATA[使用AI技术从Telegram导入数据到LangChain]]></title><link>https://blog.youkuaiyun.com/fGVBSAbe/article/details/145328185</link><guid>https://blog.youkuaiyun.com/fGVBSAbe/article/details/145328185</guid><author>fGVBSAbe</author><pubDate>Thu, 23 Jan 2025 18:58:28 +0800</pubDate><description><![CDATA[Telegram是一款全球范围内可供使用的即时通讯软件，支持多种平台并提供安全的加密通讯。对于开发者而言，它提供了丰富的API接口，可以用于自动化数据处理和集成。本文将介绍如何将Telegram中的聊天数据导入到LangChain，这是一种数据处理和分析工具，能够帮助开发者更高效地管理和分析聊天记录。]]></description><category></category></item><item><title><![CDATA[使用 Python 从 Slack Zipfile 加载文档数据]]></title><link>https://blog.youkuaiyun.com/fGVBSAbe/article/details/145327959</link><guid>https://blog.youkuaiyun.com/fGVBSAbe/article/details/145327959</guid><author>fGVBSAbe</author><pubDate>Thu, 23 Jan 2025 18:29:41 +0800</pubDate><description><![CDATA[Slack 是一种流行的即时通讯工具，可用于团队协作和沟通。Slack 提供了导出功能，允许用户将通信记录导出为一个 Zip 文件格式，这有助于离线查看和长期保存记录。使用合适的工具和库，我们可以轻松地读取和分析这些数据。]]></description><category></category></item><item><title><![CDATA[使用 ScrapingAnt 进行高效网页数据抓取]]></title><link>https://blog.youkuaiyun.com/fGVBSAbe/article/details/145327833</link><guid>https://blog.youkuaiyun.com/fGVBSAbe/article/details/145327833</guid><author>fGVBSAbe</author><pubDate>Thu, 23 Jan 2025 18:18:31 +0800</pubDate><description><![CDATA[如果遇到问题欢迎在评论区交流。]]></description><category></category></item><item><title><![CDATA[使用UnstructuredOrgModeLoader加载Org-mode文档的实用指南]]></title><link>https://blog.youkuaiyun.com/fGVBSAbe/article/details/145326960</link><guid>https://blog.youkuaiyun.com/fGVBSAbe/article/details/145326960</guid><author>fGVBSAbe</author><pubDate>Thu, 23 Jan 2025 17:25:17 +0800</pubDate><description><![CDATA[Org-mode不仅仅是一个简单的文本编辑工具，它提供了强大的文档结构化功能，如标题、列表、表格等，这些特性使得Org-mode文件成为数据驱动应用程序的一个重要数据源。然而，如何在应用程序中读取这些结构化数据成为了一个挑战。UnstructuredOrgModeLoader库应运而生，它简便地解析这些文件并提取有用的信息。]]></description><category></category></item><item><title><![CDATA[使用 Oracle AI Vector Search 进行文档处理和分块]]></title><link>https://blog.youkuaiyun.com/fGVBSAbe/article/details/145326838</link><guid>https://blog.youkuaiyun.com/fGVBSAbe/article/details/145326838</guid><author>fGVBSAbe</author><pubDate>Thu, 23 Jan 2025 17:19:41 +0800</pubDate><description><![CDATA[Oracle AI Vector Search 是一个功能强大的AI工具，允许您基于语义而非关键词进行数据查询。它的一个显著优势是能够在一个系统中将非结构化数据的语义搜索与业务数据的关系型搜索相结合。这不仅提升了效率，还减少了数据在多个系统之间分散的问题。Oracle AI Vector Search 提供了一系列强大的功能，例如分区支持、异地分片处理、并行SQL，以及灾难恢复和安全性等。这些功能使其成为处理大型、复杂数据集的理想选择。]]></description><category></category></item><item><title><![CDATA[如何从Oracle Autonomous Database加载文档]]></title><link>https://blog.youkuaiyun.com/fGVBSAbe/article/details/145326695</link><guid>https://blog.youkuaiyun.com/fGVBSAbe/article/details/145326695</guid><author>fGVBSAbe</author><pubDate>Thu, 23 Jan 2025 17:13:25 +0800</pubDate><description><![CDATA[Oracle Autonomous Database通过自动化的方式极大地简化了数据库管理的复杂性。它支持多种连接方式，使得开发者能够根据实际场景选择最佳的连接策略。在本文中，我们将重点介绍如何通过Python程序从Oracle Autonomous Database中加载数据。]]></description><category></category></item><item><title><![CDATA[使用 NotionDBLoader 从 Notion 数据库加载文档的实战指南]]></title><link>https://blog.youkuaiyun.com/fGVBSAbe/article/details/145326351</link><guid>https://blog.youkuaiyun.com/fGVBSAbe/article/details/145326351</guid><author>fGVBSAbe</author><pubDate>Thu, 23 Jan 2025 16:58:25 +0800</pubDate><description><![CDATA[Notion 作为一款功能集成的协作平台，允许用户创建和管理文档、数据库、任务等。为了程序化地加载 Notion 数据库的内容，我们需要借助，这是langchain包中的一个文档加载器类。它帮助我们从 Notion 数据库中提取页面及其元数据，并返回一个文档对象列表。]]></description><category></category></item><item><title><![CDATA[探索Baichuan文本嵌入：中文任务的顶级选择]]></title><link>https://blog.youkuaiyun.com/fGVBSAbe/article/details/145315394</link><guid>https://blog.youkuaiyun.com/fGVBSAbe/article/details/145315394</guid><author>fGVBSAbe</author><pubDate>Thu, 23 Jan 2025 09:14:41 +0800</pubDate><description><![CDATA[在自然语言处理（NLP）领域，文本嵌入是一个关键技术，它将文本数据转化为数值向量，为进一步的机器学习处理奠定基础。截至2024年1月25日，BaichuanTextEmbeddings在C-MTEB（中文多任务嵌入基准）的排行榜中排名第一，成为中文文本任务的首选嵌入模型。该模型的优势不仅体现在其卓越的性能上，还包括其在中文文本处理方面的专注，为用户提供了一个高效且稳定的解决方案。]]></description><category></category></item><item><title><![CDATA[深入解析AscendEmbeddings模型在文本嵌入中的应用]]></title><link>https://blog.youkuaiyun.com/fGVBSAbe/article/details/145314870</link><guid>https://blog.youkuaiyun.com/fGVBSAbe/article/details/145314870</guid><author>fGVBSAbe</author><pubDate>Thu, 23 Jan 2025 09:03:40 +0800</pubDate><description><![CDATA[文本嵌入技术在自然语言处理（NLP）中的应用日益广泛，它将文本数据转换为定长向量，从而使计算机能够处理和分析文本间的语义关系。Langchain Community的AscendEmbeddings提供了一种简便可靠的方式来实现文本嵌入，广泛适用于文本搜索、相似度计算等场景。]]></description><category></category></item><item><title><![CDATA[使用AnyscaleEmbeddings进行文本嵌入的实战指南]]></title><link>https://blog.youkuaiyun.com/fGVBSAbe/article/details/145314820</link><guid>https://blog.youkuaiyun.com/fGVBSAbe/article/details/145314820</guid><author>fGVBSAbe</author><pubDate>Thu, 23 Jan 2025 08:58:12 +0800</pubDate><description><![CDATA[如果遇到问题欢迎在评论区交流。]]></description><category></category></item><item><title><![CDATA[如何利用ChatPerplexity聊天模型进行智能对话]]></title><link>https://blog.youkuaiyun.com/fGVBSAbe/article/details/145313728</link><guid>https://blog.youkuaiyun.com/fGVBSAbe/article/details/145313728</guid><author>fGVBSAbe</author><pubDate>Thu, 23 Jan 2025 02:04:11 +0800</pubDate><description><![CDATA[ChatPerplexity是一种强大的聊天模型，基于先进的自然语言处理技术，能够理解和生成高质量的自然语言文本。它被广泛应用于智能客服、虚拟助手、人机交互等领域。]]></description><category></category></item><item><title><![CDATA[从ErnieBotChat迁移到QianfanChatEndpoint的实践指南]]></title><link>https://blog.youkuaiyun.com/fGVBSAbe/article/details/145313113</link><guid>https://blog.youkuaiyun.com/fGVBSAbe/article/details/145313113</guid><author>fGVBSAbe</author><pubDate>Thu, 23 Jan 2025 00:37:18 +0800</pubDate><description><![CDATA[ErnieBot是由百度开发的大型语言模型，拥有强大的中文数据处理能力。然而，由于ErnieBotChat在功能和维护上的不足，官方建议开发者切换到功能更强大的QianfanChatEndpoint。QianfanChatEndpoint在流式传输、函数调用能力等方面提供了更为先进的支持。]]></description><category></category></item><item><title><![CDATA[使用Amazon API Gateway构建和管理你的API]]></title><link>https://blog.youkuaiyun.com/fGVBSAbe/article/details/145311156</link><guid>https://blog.youkuaiyun.com/fGVBSAbe/article/details/145311156</guid><author>fGVBSAbe</author><pubDate>Wed, 22 Jan 2025 21:36:58 +0800</pubDate><description><![CDATA[Amazon API Gateway充当应用与后端服务之间的“前门”，支持创建RESTful API和WebSocket API。它适用于容器化和无服务器工作负载，支持数十万并发API调用，并提供了流量管理、CORS支持、授权和访问控制、流控、监控和API版本管理等功能。API Gateway按照调用数量和数据传输量计费，并通过分级定价模型降低成本。]]></description><category></category></item></channel></rss>