- 博客(75)
- 收藏
- 关注
RSS订阅原创 从RefineDocumentsChain迁移到LangGraph：提升长文本处理效率
为了处理长文本的摘要问题，我们通常会遇到上下文窗口限制。在这一方面提供了一种行之有效的解决方案。而通过迁移到LangGraph，我们能获得更多的灵活性和控制力。import os老铁们，今天我们讨论了如何从迁移到LangGraph以提高长文本处理的效率和灵活性。通过实战代码的演示，我们可以看到LangGraph在灵活性和可控性方面的优势。希望这波操作对你们的开发过程有所帮助！今天的技术分享就到这里，希望对大家有帮助。开发过程中遇到问题也可以在评论区交流~
2024-12-30 07:43:46
297
原创 如何使用RSpace文档加载器将RSpace笔记本导入Langchain管道
老铁们，今天咱们来聊聊如何使用RSpace文档加载器，将你在RSpace电子实验室笔记本中的研究笔记和文档导入到Langchain管道中。其实这个流程并不复杂，只需要一个RSpace账号和API密钥即可。首先，如果你还没有RSpace账号，可以到注册一个免费的账号，或者使用你的机构RSpace账号。拿到账号之后，记得从你的账号设置页面获取一个API令牌。如果你使用上述的环境变量名称，它们会被自动检测到，这波操作可以说是相当丝滑。
2024-12-28 12:48:02
415
原创 使用Google Memorystore for Redis集成Langchain文档存储、加载与删除
当初始化一个有多个内容字段的加载器时，加载的文档页面内容将包含一个JSON编码的字符串，其顶级字段等于中指定的字段。如果指定了，则加载的文档的元数据字段仅有顶级字段等于中指定的字段。如果元数据字段的值是一个JSON编码的字符串，将在加载到元数据字段之前进行解码。
2024-12-27 03:08:03
923
原创 于Intel Xeon上实现RAG的实战指南
RAG结合了信息检索与生成模型，能够从外部知识库中检索信息并进行文本生成。对数据密集型应用场景特别有用，尤其是在需要应用强大AI性能的场合。Intel Xeon可扩展处理器提供了卓越的性能支持，使得这种应用变得更为高效。并在你的server.py想要监控和调试LangChain应用，还可以配置LangSmith，详细步骤已在上文说明。今天的技术分享就到这里，希望对大家有帮助。开发过程中遇到问题也可以在评论区交流~—END—
2024-12-25 13:39:58
345
原创 构建高效聊天机器人反馈系统：无显性用户反馈的评价方法
在实际开发中，你会发现大约70%的用户查询是基于之前问题的跟进。这些后续问题中包含了大量可用于推断AI回应质量的数据。以Chat Langchain为例，显性反馈占比仅为0.04%，而通过分析用户后续的互动，我们可以解决“反馈稀缺”问题。而像LangSmith这样的服务，不仅仅是对于捕获用户和模型反馈有帮助，它还可以帮助你在LLM应用的开发过程中更好地进行调优。今天的技术分享就到这里，希望对大家有帮助。开发过程中遇到问题也可以在评论区交流~—END—
2024-12-25 12:44:27
332
原创 如何让你的RAG应用返回来源信息
我们构建了一个类似于从输入查询开始，检索文档并加入到字典的 “context” 键中；将查询和上下文输入到 RAG 链中，并将结果加入到字典中。# 以下是 LCEL 的简单实现"input": lambda x: x["input"], # 输入查询"context": lambda x: format_docs(x["context"]), # 上下文| prompt # 格式化查询和上下文到 prompt| llm # 生成响应。
2024-12-25 02:40:36
445
原创 如何使用向量存储库作为检索器
老铁们，这篇文章我们来聊聊如何使用向量存储库（Vectorstore）作为一个检索器（Retriever）。顾名思义，这玩意儿就是利用向量存储来检索文档的。它是对向量存储类的轻量封装，使其符合检索器接口。通过向量存储所实现的搜索方法，比如相似性搜索和最大边缘相关性搜索 (MMR)，来查询向量存储中的文本。
2024-12-24 15:29:52
394
原创 使用 Streamlit 打造交互式数据应用：StreamlitCallbackHandler 的实战教程
Streamlit 的设计初衷就是让数据科学家和工程师能迅速地将分析脚本转化成应用程序。其特点是简单易用，适合快速开发和展示你的机器学习模型及数据分析结果。虽然目前 StreamlitCallbackHandler 主要用于 LangChain Agent Executor，但未来会添加对其他 agent 类型和链（Chains）的支持。如果你对使用 LangChain 的 StreamlitChatMessageHistory 也感兴趣，不妨探索一下。今天的技术分享就到这里，希望对大家有帮助。
2024-12-23 23:53:14
427
原创 探索 JaguarDB 矢量数据库的强大功能
矢量数据库在现代人工智能和大数据应用中发挥着至关重要的作用。它们能够处理高维数据，并通过距离度量（比如欧氏距离、余弦相似度等）进行快速相似度搜索。JaguarDB 作为其中一个较新的成员，它的全主节点结构允许并行读写操作，这在高并发场景下显得尤为重要。说到这里，JaguarDB 作为一款现代矢量数据库，提供了丰富的功能和灵活的扩展性。无论是研究最前沿的 AI 应用，还是在生产环境中部署大规模数据处理，JaguarDB 都是值得一试的选择。今天的技术分享就到这里，希望对大家有帮助。
2024-12-23 08:53:13
389
原创 使用Rockset实现实时向量搜索与分析：LangChain环境下的实践指南
Rockset不仅支持元数据过滤，还能进行实时数据摄取处理。我们将在这篇文章中运用Rockset作为LangChain中的向量存储器，帮助大家快速上手。使用之前，确保你已经拥有一个Rockset账户并获取了API密钥，注册可以从Rockset官网开始。先安装今天我们成功地创建了一个Rockset集合，插入了带有OpenAI嵌入的文档，并进行了相似性搜索。对于想要进一步掌握向量存储概念的老铁们，可以关注相关指南保持更新。说白了，用Rockset结合大模型实现搜索分析确实方便又高效。
2024-12-23 04:01:36
436
原创 OpenSearch 技术应用和实战示例
OpenSearch是一个开源软件套件，灵活可扩展，适用于搜索、分析和可观测应用。它基于Apache Lucene，是个高效的分布式搜索和分析引擎。在启动之前，你需要确保有一个正在运行的OpenSearch实例。如果你还没有，可以通过Docker进行简单安装。除此之外，OpenSearch也可以与AWS服务集成，比如Amazon OpenSearch Service。你可以采用不同的搜索方法，包括Script Scoring和Painless Scripting，以满足特定的业务需求。
2024-12-23 03:11:27
370
原创 使用UnstructuredTSVLoader加载和解析TSV文件
TSV，即Tab-separated values，是一种常用的文件格式，特别适用于需要在不同系统和软件之间交换数据的情况。它的简洁性和易读性使得TSV成为数据科学和数据工程领域的常客。在处理TSV文件时，我们可能会用到一些工具或库，来帮助我们更高效地读取和解析文件内容。这里，我想和大家分享一个不错的工具——。这个工具相对简单，但在处理TSV文件中却有不错的表现。老铁们，如果你需要更复杂的加载逻辑，建议看看langchain社区的其他文档加载工具。今天的技术分享就到这里，希望对大家有帮助。
2024-12-22 20:22:47
196
原创 如何高效获取Hacker News数据：使用Python API接口
Hacker News提供了一个API接口，允许开发者获取网站上的文章和评论数据。HNLoader是一个Python类，封装了这些API请求，简化了数据提取过程。通过本文，我们了解了如何使用HNLoader从Hacker News获取数据。同时，我们讨论了可能遇到的网络问题及解决方案。
2024-12-22 14:24:29
394
原创 [使用Langchain和Predibase部署AI模型的完整指南]
adapter_version=1, # 对于Predibase托管的适配器，版本号是必需的")
2024-12-22 00:37:44
350
原创 利用LangChain与Banana模型进行无缝集成的实用指南
结合LangChain的强大链式调用功能和Banana的机器学习模型，我们可以创建自定义的模型交互逻辑。# 定义提示模板# 设置Banana模型参数# 创建LangChain链# 提出问题并运行通过此指南，我们了解了如何设置和使用LangChain与Banana模型进行交互。这不仅简化了机器学习模型的集成过程，还提供了一种强大的方式来处理复杂的数据交互任务。有关更深入的学习资源，请参考下面的资料。
2024-12-21 19:29:36
305
原创 探索LangChain与GigaChat的强大结合：从入门到精通
本文介绍了如何通过LangChain与GigaChat搭建基础的AI对话系统。从环境配置到简单示例，我们希望能为读者提供实用的参考。LangChain官方文档GigaChat API文档。
2024-12-21 15:20:46
257
原创 如何使用LangChain与Dappier AI实时数据模型进行互动
Dappier AI的核心在于其动态实时数据模型，这些模型涵盖了新闻、娱乐、金融、市场数据、天气等多个领域。通过预训练的模型，开发者可以确保AI应用程序的响应是准确和最新的，从而减少错误信息的产生。Dappier AI为开发者提供了一个功能强大的平台，通过整合实时数据模型，开发者可以创建更智能、更可靠的AI应用程序。深入了解Dappier AI，访问其API文档，并通过实际项目实践以提升您的技能。
2024-12-21 14:34:12
268
原创 使用Coze Bot API：入门指南与实用技巧
Coze API为构建智能聊天机器人提供了强大的功能和灵活性。通过本文的介绍，您应该能够开始使用该API来开发自己的AI应用。
2024-12-21 14:28:18
832
原创 [ChatAI21入门指南：将AI21 Chat模型融入你的项目]
本文介绍了如何在项目中集成AI21的聊天模型，通过实例和代码解析帮助你快速上手。ChatAI21 API参考聊天模型概念指南聊天模型使用指南。
2024-12-21 13:50:24
518
原创 探索Azure Blob Storage容器：有效管理和加载海量数据
Azure Blob Storage为管理和访问大规模数据提供了便捷的方式。通过本文介绍的方法，开发者可以快速在应用中整合Azure Blob Storage的文档加载功能。如需进一步学习，可以查阅Azure Blob Storage 文档和Azure 文档加载器指南。
2024-12-21 11:47:23
428
原创 解锁Google Cloud SQL for MySQL的强大功能：使用Vector Store实现AI增强数据库
通过本文的指南，您可以在Google Cloud SQL for MySQL中存储和检索矢量嵌入，从而增强数据库的AI功能。Vector store概念指南Vector store操作指南。
2024-12-21 08:09:09
491
原创 深入探索：使用 Langchain 集成 Google Generative AI 模型
通过本文的介绍，相信您已经掌握了如何使用Langchain集成并使用Google的生成式AI模型。Langchain 官方文档Google Generative AI API 使用指南。
2024-12-21 05:58:23
442
原创 使用Amazon SageMaker Endpoint：构建、训练和部署机器学习模型的完整指南
SageMaker Endpoint提供了一种简化构建、训练和部署ML模型的方法。通过其强大的集成和配置选项，开发者可以快速实现复杂的机器学习工作流。
2024-12-21 04:13:09
416
原创 如何利用USearch实现快速向量搜索：更轻量、更高效的替代方案
USearch提供了一种简洁而高效的向量搜索解决方案，适用于各种应用场景。通过本文的介绍，相信您能够迅速上手使用USearch进行向量搜索。USearch官方文档近似最近邻算法概述。
2024-12-21 01:41:11
475
原创 [全面了解UpTrain：评估和提升生成式AI应用的开源平台]
UpTrain是一个强大的工具，可以帮助开发者评估和优化生成式AI应用的性能。通过多样化的评估和详细的根本原因分析，开发者可以更快地识别和解决问题。Langchain社区文档。
2024-12-21 01:35:27
411
原创 使用TruLens提升大型语言模型应用的质量评估
TruLens允许开发者根据自身需求扩展反馈函数，可以参照官方文档进行扩展。TruLens为LLM应用的评估和跟踪提供了一套完整的工具。借助这些功能，你可以优化和提高你的应用在不同质量指标上的表现。想要深入了解TruLens的更多功能，请访问TruLens官方网站。
2024-12-21 01:12:57
497
原创 [轻松构建AI应用程序——深入探索SemaDB云端向量相似性搜索引擎]
SemaDB提供了一种简化的、无需繁杂配置的向量搜索服务。其云托管版本通过与RapidAPI的集成，实现了透明的计费、自动分片和交互式API使用体验。这意味着开发者无需关注节点大小、模式定义、分区设置、参数调整和搜索算法调整等复杂问题，可以专注于应用程序本身的开发。SemaDB简化了向量相似性搜索的复杂性，特别适合需要快速部署AI应用的开发者。SemaDB API文档向量搜索引擎使用手册SemaDB教程笔记本示例。
2024-12-20 22:48:45
488
原创 使用Ontotext GraphDB进行知识发现：从入门到实用案例
Ontotext GraphDB是一款功能强大的图数据库管理系统，专为存储大量的RDF数据集而设计。它支持SPARQL查询语言，提供灵活的数据查询能力，非常适合用于基于关系的复杂数据分析。利用Graph QA Chain，我们可以将GraphDB数据库与聊天模型结合，进一步获取数据洞察。：用于连接并查询GraphDB数据库。：与图数据库的交互形成QA链。Ontotext GraphDB是一个强大的工具，通过与现代化的聊天模型结合，可以大幅提升数据洞察能力。GraphDB官方文档RDFLib文档。
2024-12-20 19:45:12
362
原创 探索过时的MLflow AI Gateway与MLflow Deployments：LLMs的未来
MLflow AI Gateway虽然被弃用，但其基本概念和使用方式为理解和管理大型语言模型提供了有益的经验。过渡到MLflow Deployments将使开发者受益于更现代化和全面的解决方案。推荐阅读MLflow官方文档了解更多关于MLflow Deployments的信息。
2024-12-20 18:27:35
424
原创 探索Minimax：解锁自然语言处理的潜力
通过这篇文章，你了解了如何设置并使用Minimax的不同NLP模型。随着你对这些工具的深入研究，你可以发挥更大的创造力来解决实际问题。Minimax官方文档LangChain社区Python自然语言处理库。
2024-12-20 18:15:28
378
原创 使用Doctran提升文档处理效率：从混乱到结构化的高效转变
Doctran提供了强大的工具来简化文本处理，在信息提取和文档翻译方面表现卓越。为了更好地利用Doctran，建议进一步阅读其文档和社区示例代码。Doctran官方文档NLP相关学习资料LLM相关学习资源。
2024-12-20 12:37:34
603
原创 利用LangChain与DataForSEO API进行SEO数据分析的指南
通过本文的介绍，您应该能够在LangChain中集成并使用DataForSEO的API来进行SEO数据分析。LangChain官方文档DataForSEO API文档GitHub上的LangChain示例项目。
2024-12-20 11:52:13
591
原创 [深入探讨Cube Semantic Layer：构建现代数据应用的神器]
Cube Semantic Layer通过简化数据访问和管理的复杂性，为现代应用开发提供了强大的支持。本篇文章仅仅是个开始，鼓励读者深入研究Cube的官方文档和社区资源，以更好地利用其强大功能。Cube 官方文档Cube GitHub 资源API代理服务介绍。
2024-12-20 11:27:47
287
原创 激活您的文本！深入了解如何使用OpenAI Embedding类
OpenAI Embedding类为文本嵌入提供了强大的功能。通过适当的设置和使用，它可以极大地增强自然语言处理任务的效果。对于想深入学习的读者，OpenAI的官方文档是一个不错的起点。
2024-12-20 03:58:45
773
原创 解锁复杂问题：使用Step-Back方法提高问答性能
Step-Back方法是一种通过先提出一个“回退”问题来改善回答复杂问题性能的技术。这种方法首先通过一个更广泛或一般性的问题来收集背景信息，然后再回答具体问题。这种双重质询能够帮助模型提供更加准确的答案。Step-Back方法是一种有效的提高复杂问题问答性能的技术。通过LangChain的集成，我们可以轻松实现这一技巧。LangChain官方文档Step-Back方法研究论文关于Step-Back的深入博文。
2024-12-20 02:59:26
492
原创 自然语言与SQL的完美结合：使用Ollama实现智能查询
SQL-ollama模版为开发者提供了一种便捷的方式来通过自然语言与SQL数据库进行交互。通过配置和使用LangChain和Ollama，您可以在不编写复杂SQL语句的情况下进行复杂的数据库查询。
2024-12-20 02:42:15
549
原创 探索RAG与Vectara的深度结合：从环境设置到实现
本文介绍了如何通过LangChain与Vectara结合使用RAG技术，详细讲解了从环境配置到运行应用的每一步。希望能为您提供实用的指导和帮助。LangChain 官方文档Vectara API 文档FastAPI 介绍与实用。
2024-12-20 01:30:40
588
原创 助你轻松管理Gmail的OpenAI函数代理之旅
此次探索展示了如何使用OpenAI Functions Agent来简化Gmail管理。OpenAI API文档Google Gmail API指南LangChain项目官网。
2024-12-19 21:57:32
484
原创 探索Upstage的Solar Mini Chat和LangChain功能集成
Upstage提供了多种功能，包括文本嵌入、基于上下文的正确性检查（Groundedness Check）和文档布局分析。以下是每项功能的详细说明及其代码示例。Upstage的Solar Mini Chat通过LangChain提供强大的NLP功能，在多种应用场景中都能极大地提升应用的对话能力和文本处理效率。Upstage官方文档LangChain GitHub仓库。
2024-12-19 18:17:47
559
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人