<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[teaghewvdb的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/teaghewvdb</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; teaghewvdb]]></copyright><item><title><![CDATA[探索OpenAI功能工具检索代理：动态选择工具的新方式]]></title><link>https://blog.youkuaiyun.com/teaghewvdb/article/details/144414407</link><guid>https://blog.youkuaiyun.com/teaghewvdb/article/details/144414407</guid><author>teaghewvdb</author><pubDate>Thu, 12 Dec 2024 05:03:31 +0800</pubDate><description><![CDATA[OpenAI功能工具检索代理为动态选择工具提供了一种高效的解决方案，特别是在大量工具选择中。通过合理的环境设置和使用方法，开发人员可以更好地管理和应用工具来解决复杂问题。]]></description><category></category></item><item><title><![CDATA[探索多功能聊天模型：LangChain中的高级特性解析]]></title><link>https://blog.youkuaiyun.com/teaghewvdb/article/details/144413865</link><guid>https://blog.youkuaiyun.com/teaghewvdb/article/details/144413865</guid><author>teaghewvdb</author><pubDate>Thu, 12 Dec 2024 01:42:17 +0800</pubDate><description><![CDATA[LangChain为开发者提供了多种聊天模型选择，具备多样的高级功能，能够满足不同应用场景的需求。通过理解和应用这些特性，您可以轻松地构建出功能丰富的对话系统。]]></description><category></category></item><item><title><![CDATA[探索如何解析JSON输出：从基础到进阶]]></title><link>https://blog.youkuaiyun.com/teaghewvdb/article/details/144411337</link><guid>https://blog.youkuaiyun.com/teaghewvdb/article/details/144411337</guid><author>teaghewvdb</author><pubDate>Wed, 11 Dec 2024 22:00:22 +0800</pubDate><description><![CDATA[学习如何有效地解析JSON输出是处理复杂数据的重要技能。在本文中，我们探讨了使用JSON输出解析器的方法。LangChain官方文档OpenAI API使用指南。]]></description><category></category></item><item><title><![CDATA[探索自定义输出解析器：从基础到进阶]]></title><link>https://blog.youkuaiyun.com/teaghewvdb/article/details/144411119</link><guid>https://blog.youkuaiyun.com/teaghewvdb/article/details/144411119</guid><author>teaghewvdb</author><pubDate>Wed, 11 Dec 2024 21:49:06 +0800</pubDate><description><![CDATA[自定义输出解析器为处理模型输出提供了灵活性。通过合理地选择实现方式，可以提高应用的效率和可维护性。建议深入研究 LangChain 文档，了解更多关于解析器的可能性和最佳实践。]]></description><category></category></item><item><title><![CDATA[[处理长文本提取的终极指南：克服语言模型上下文窗口限制]]]></title><link>https://blog.youkuaiyun.com/teaghewvdb/article/details/144410287</link><guid>https://blog.youkuaiyun.com/teaghewvdb/article/details/144410287</guid><author>teaghewvdb</author><pubDate>Wed, 11 Dec 2024 21:07:01 +0800</pubDate><description><![CDATA[接下来，我们将使用Pydantic来定义我们希望提取的信息结构。在这个例子中，我们将提取"关键发展"的列表，包括年份和描述。"""关于汽车历史发展的信息。"""year: int = Field(..., description="重要历史发展的年份。")description: str = Field(..., description="该年份发生了什么？发展是什么？")evidence: str = Field(..., description="从中提取年份和描述信息的原文句子。")]]></description><category></category></item><item><title><![CDATA[探索HTML解析的奥秘：用LangChain加载HTML文档]]></title><link>https://blog.youkuaiyun.com/teaghewvdb/article/details/144409355</link><guid>https://blog.youkuaiyun.com/teaghewvdb/article/details/144409355</guid><author>teaghewvdb</author><pubDate>Wed, 11 Dec 2024 20:23:26 +0800</pubDate><description><![CDATA[本文介绍了如何通过LangChain加载和解析HTML文档，分别使用了Unstructured和BeautifulSoup4两种方法。LangChain官方文档BeautifulSoup4官方文档Unstructured GitHub页面。]]></description><category></category></item><item><title><![CDATA[如何处理无查询生成的情况：利用Langchain实现智能查询分析]]></title><link>https://blog.youkuaiyun.com/teaghewvdb/article/details/144406078</link><guid>https://blog.youkuaiyun.com/teaghewvdb/article/details/144406078</guid><author>teaghewvdb</author><pubDate>Wed, 11 Dec 2024 17:26:20 +0800</pubDate><description><![CDATA[在这篇文章中，我们探讨了如何处理生成无查询的情况，通过结构化提示来灵活控制查询生成和执行。]]></description><category></category></item><item><title><![CDATA[用输出解析器将自然语言模型响应解析为结构化格式的终极指南]]></title><link>https://blog.youkuaiyun.com/teaghewvdb/article/details/144405914</link><guid>https://blog.youkuaiyun.com/teaghewvdb/article/details/144405914</guid><author>teaghewvdb</author><pubDate>Wed, 11 Dec 2024 17:20:29 +0800</pubDate><description><![CDATA[输出解析器在从LLM获取结构化数据方面具有重要作用。通过实现适当的方法，可以有效解析和处理模型响应，满足应用需求。PydanticOutputParser 文档PromptTemplate 使用指南OpenAI GPT-3.5 API 参考。]]></description><category></category></item><item><title><![CDATA[使用 Supabase 和 PostgreSQL 构建智能文档检索系统]]></title><link>https://blog.youkuaiyun.com/teaghewvdb/article/details/144359175</link><guid>https://blog.youkuaiyun.com/teaghewvdb/article/details/144359175</guid><author>teaghewvdb</author><pubDate>Mon, 09 Dec 2024 22:14:47 +0800</pubDate><description><![CDATA[本文通过 Supabase 和 PostgreSQL 展示了如何构建智能文档检索系统。您可以进一步探索 Supabase 的文档以及 PostgreSQL 的高级特性来提升应用的功能和性能。]]></description><category></category></item><item><title><![CDATA[[解锁Trubrics：如何设置和使用Trubrics Callback Handler来优化AI交互]]]></title><link>https://blog.youkuaiyun.com/teaghewvdb/article/details/144355600</link><guid>https://blog.youkuaiyun.com/teaghewvdb/article/details/144355600</guid><author>teaghewvdb</author><pubDate>Mon, 09 Dec 2024 19:24:57 +0800</pubDate><description><![CDATA[通过本文的介绍和代码示例，您应该能够开始使用Trubrics Callback Handler来提升AI模型的交互能力。Trubrics不仅让您能够收集用户数据，还能帮助您分析和优化模型表现。Trubrics官方文档Langchain文档。]]></description><category></category></item><item><title><![CDATA[[轻松掌控大数据：使用CassandraByteStore实现高效键值存储]]]></title><link>https://blog.youkuaiyun.com/teaghewvdb/article/details/144348865</link><guid>https://blog.youkuaiyun.com/teaghewvdb/article/details/144348865</guid><author>teaghewvdb</author><pubDate>Mon, 09 Dec 2024 15:07:01 +0800</pubDate><description><![CDATA[是一个实现了ByteStore接口的工具，用于在Cassandra实例中存储数据。它通过键-值对的方式存储数据，其中键必须是字符串，对应Cassandra表中的row_id列，而值以字节流的形式，存储在body_blob列中。为在Cassandra中实现高效的键值存储提供了便捷的途径。在此基础上，你可以结合Cassandra丰富的特性，进一步优化数据存储和管理。Cassandra 官方文档LangChain API 参考。]]></description><category></category></item><item><title><![CDATA[探索 Zapier 自然语言动作 API 的使用：自动化邮件和消息的高级集成]]></title><link>https://blog.youkuaiyun.com/teaghewvdb/article/details/144348444</link><guid>https://blog.youkuaiyun.com/teaghewvdb/article/details/144348444</guid><author>teaghewvdb</author><pubDate>Mon, 09 Dec 2024 14:54:55 +0800</pubDate><description><![CDATA[Zapier NLA API 允许您通过自然语言指令调用多个应用的操作，无需直接处理各个应用的授权和 API 调用。您可以通过类似 OAuth 的设置窗口来公开一组动作，并通过 REST API 执行它们。NLA 提供 API 密钥和 OAuth 两种签名请求的方法，支持服务器端和用户界面的应用场景。Zapier NLA API 提供了一种简化的方式来进行复杂的自动化工作流的集成。通过学习本文中的示例，您能够更好地利用 Zapier 的功能来提升业务效率。Zapier NLA API 文档。]]></description><category></category></item><item><title><![CDATA[使用Langchain与OpenAI有效操作Pandas DataFrame的指南]]></title><link>https://blog.youkuaiyun.com/teaghewvdb/article/details/144345044</link><guid>https://blog.youkuaiyun.com/teaghewvdb/article/details/144345044</guid><author>teaghewvdb</author><pubDate>Mon, 09 Dec 2024 12:52:33 +0800</pubDate><description><![CDATA[通过Langchain与OpenAI的结合，我们可以大大简化与Pandas DataFrame的交互，提升分析效率。Pandas官方文档OpenAI API参考Langchain文档。]]></description><category></category></item><item><title><![CDATA[探索Oracle AI Vector Search：实现文档处理的强大功能]]></title><link>https://blog.youkuaiyun.com/teaghewvdb/article/details/144331790</link><guid>https://blog.youkuaiyun.com/teaghewvdb/article/details/144331790</guid><author>teaghewvdb</author><pubDate>Sun, 08 Dec 2024 20:54:41 +0800</pubDate><description><![CDATA[通过本文，我们展示了如何利用Oracle AI Vector Search进行文档加载和拆分的完整流程。利用Oracle数据库的强大功能，简化了非结构化数据和结构化数据的整合处理。Oracle AI Vector Search官方指南Langchain文档。]]></description><category></category></item><item><title><![CDATA[高效整合文档内容：使用MergedDataLoader加载多源数据]]></title><link>https://blog.youkuaiyun.com/teaghewvdb/article/details/144330416</link><guid>https://blog.youkuaiyun.com/teaghewvdb/article/details/144330416</guid><author>teaghewvdb</author><pubDate>Sun, 08 Dec 2024 19:38:59 +0800</pubDate><description><![CDATA[本文介绍了如何使用LangChain的有效地整合来自多种来源的数据。通过学习和实践这一工具，开发者可以显著提升数据处理效率。LangChain文档加载器指南LangChain文档加载器操作指南。]]></description><category></category></item><item><title><![CDATA[探索Ollama嵌入模型：从安装到实际应用的全面指南]]></title><link>https://blog.youkuaiyun.com/teaghewvdb/article/details/144322878</link><guid>https://blog.youkuaiyun.com/teaghewvdb/article/details/144322878</guid><author>teaghewvdb</author><pubDate>Sun, 08 Dec 2024 10:53:45 +0800</pubDate><description><![CDATA[通过本文，您应该对Ollama嵌入模型的安装、设置和使用有了初步了解。Ollama 官方文档嵌入模型概念指南嵌入模型使用指南。]]></description><category></category></item><item><title><![CDATA[[迁移指南：从ERNIE Embedding-V1到QianfanEmbeddingsEndpoint]]]></title><link>https://blog.youkuaiyun.com/teaghewvdb/article/details/144321236</link><guid>https://blog.youkuaiyun.com/teaghewvdb/article/details/144321236</guid><author>teaghewvdb</author><pubDate>Sun, 08 Dec 2024 08:25:31 +0800</pubDate><description><![CDATA[迁移到QianfanEmbeddingsEndpoint不仅可以延续您在文本表示领域的开发，而且还能利用最新的模型和技术提升您的应用效果。QianfanEmbeddingsEndpoint官方文档Embedding models概念指南Embedding models操作指南。]]></description><category></category></item><item><title><![CDATA[探索Clarifai与LangChain的结合：文本嵌入的强大之处]]></title><link>https://blog.youkuaiyun.com/teaghewvdb/article/details/144321056</link><guid>https://blog.youkuaiyun.com/teaghewvdb/article/details/144321056</guid><author>teaghewvdb</author><pubDate>Sun, 08 Dec 2024 07:31:20 +0800</pubDate><description><![CDATA[本文探讨了如何利用LangChain与Clarifai的强大功能进行文本嵌入。关于嵌入模型的概念性指南和更多操作指导，请参阅和。]]></description><category></category></item><item><title><![CDATA[深入探索腾讯混元API：打造下一个智能应用程序的利器]]></title><link>https://blog.youkuaiyun.com/teaghewvdb/article/details/144318065</link><guid>https://blog.youkuaiyun.com/teaghewvdb/article/details/144318065</guid><author>teaghewvdb</author><pubDate>Sat, 07 Dec 2024 22:20:59 +0800</pubDate><description><![CDATA[腾讯混元API是一种强大的工具，能够处理自然语言处理相关的多种任务。开发者可以利用它进行语言翻译、文本分析、生成自然语言内容等操作。其核心优势在于灵活性和易用性，使其能够集成到各种应用场景中。腾讯混元API为开发者提供了强大的工具来实现复杂的自然语言处理功能。从智能客服到内容创作，混元API能够有效提高工作效率和用户体验。为了更深入地了解其功能，建议查阅Chat model概念指南和Chat model使用指南。]]></description><category></category></item><item><title><![CDATA[探索MLX：使用LangChain和MLX LLM构建强大对话代理的指南]]></title><link>https://blog.youkuaiyun.com/teaghewvdb/article/details/144317077</link><guid>https://blog.youkuaiyun.com/teaghewvdb/article/details/144317077</guid><author>teaghewvdb</author><pubDate>Sat, 07 Dec 2024 21:21:23 +0800</pubDate><description><![CDATA[本篇文章介绍了如何使用MLX LLM与LangChain集成，构建一个强大的对话代理。]]></description><category></category></item></channel></rss>