【LangChain系列】第九篇：LLM 应用评估简介及实践
[toc] 随着语言模型（LLMs）的不断进步，它们的应用变得越来越复杂和精密。随着这种复杂性的增加，评估这些基于LLM的应用程序的性能和准确性也变得更具挑战性。在这篇博客文章中，我们将深入探讨LLM应用评估的世界，探讨可以帮助您评估和改进模型性能的框架和工具。 一、创建QA应用程序 import os fro...
通过阿里云 Milvus 和 LangChain 快速构建 LLM 问答系统
本文介绍如何通过整合阿里云Milvus、阿里云DashScope Embedding模型与阿里云PAI（EAS）模型服务，构建一个由LLM（大型语言模型）驱动的问题解答应用，并着重演示了如何搭建基于这些技术的RAG对话系统。 免费试用 前提条件 已创建Milvus实例。具体操作，请参见快速创建Milvus实例。 已开通PAI（EA...
LangChain Agent：赋予 LLM 行动力的神秘力量
LangChain Agent 是什么？有什么用？基本原理是什么？ 那么多 Agent 类型在实际开发中又该如何选择？ 如果以上有你想知道的答案，那么请往下看 那么如果没有呢？看看嘛，反正又不吃亏 (～￣▽￣)～ What & Why 丹尼尔：蛋兄，我又来了。今天主要想跟你深入了解下 LangChain 中的 Agent 蛋先生：Agent，知道中文是什么意思吗？ ...
LangChain 是 LLM 交响乐的指挥家
本文分享 LangChain 框架中一个引人入胜的概念 Prompt Templates。如果热衷于语言模型并且热爱 Python，那么将会大饱口福。深入了解 LangChain 的世界，这个框架在我作为开发者的旅程中改变了游戏规则。LangChain 是一个框架，它一直是我作为开发者旅途中的规则改变者。 LangChain 是一个独特的工具，它利用大语言模型（LLMs）的力量为各种使用案例构建....
LangChain 开发LLM的框架
1、简介LangChain是一个用于开发由语言模型提供支持的应用程序的框架。它支持以下应用程序：上下文感知：将语言模型连接到其他上下文源（提示说明、少量示例、响应内容）推理：依靠语言模型进行推理（关于如何根据提供的上下文回答，采取什么行动等）2、LangChain 的主要价值组件：用于处理语言模型的抽象，以及每个抽象的实现集合。无论您是否使用LangChain框架的其余部分，组件是模块化的并且易....
langchain中的LLM模型使用介绍
简介构建在大语言模型基础上的应用通常有两种，第一种叫做text completion,也就是一问一答的模式，输入是text，输出也是text。这种模型下应用并不会记忆之前的问题内容，每一个问题都是最新的。通常用来做知识库。还有一种是类似聊天机器人这种会话模式，也叫Chat models。这种模式下输入是一个Chat Messages的列表。从而可以保存上下文信息，让模型的回复更加真实。实际上Ch....
解码 LangChain｜用 LangChain 和 Milvus 从零搭建 LLM 应用
如何从零搭建一个 LLM 应用？不妨试试 LangChain + Milvus 的组合拳。 作为开发 LLM 应用的框架，LangChain 内部不仅包含诸多模块，而且支持外部集成；Milvus 同样可以支持诸多 LLM 集成，二者结合除了可以轻松搭建一个 LLM 应用，还可以起到强化 ChatGPT 功能和效率的作用。 本文为解码 LangChain 系列，将深入探讨如何借助 LangCh...
解码 LangChain ｜ LangChain + GPTCache =兼具低成本与高性能的 LLM
LangChain 联合创始人 Harrison Chase 提到，多跳问题会给语义检索带来挑战，并提出可以试用 AI 代理工具解决。不过，频繁调用 LLM 会导致出现使用成本高昂的问题。 对此，Zilliz 软件工程师 Filip Haltmayer 指出，将 GPTCache 与 LangChain 集成，可...
基于LangChain+LLM构建增强QA
前言本文基于LangChain构建了针对自有领域数据的增强QA，支持以下数据源：针对领域内需要精确回答的问题，从自有DB中查询；针对领域内其他自然语言QA，从自有知识的embedded向量数据库查询；针对领域内其他较为宽泛的问题，从开放搜索引擎返回。本文以POC为主要目的，其中的组件选...
LangChain+LLM被低估的few shot魔法
from:https://www.langchain.cn/t/topic/18/1GPT-base的LLM，相对与前LLM时代，比如bert，RNN时代，最典型的能力是跨领域泛化，在全新的未知领域会收获比后两者更强的能力。但是，回归到算法任务本身，是小样本任务能力的体现。换句话说：虽然LLM已经学到了很多知识，但是我们如果使用足够聪明的shot 作为当前任务的上文，可以极大地发挥LLM的能力。....
本页面内关键词为智能算法引擎基于机器学习所生成，如有任何问题，可在页面下方点击"联系我们"与我们沟通。