所有文章 > 当前标签:LangChain
使用DeepSeek R1、LangChain和Ollama构建端到端生成式人工智能应用
2025/03/07
本文介绍了如何使用DeepSeek R1、LangChain和Ollama构建一个端到端的生成式人工智能应用。首先，需要搭建开发环境，安装Ollama并选择合适的DeepSeek R1模型。接着，通过LangChain将DeepSeek R1与外部数据源连接，并构建提示链以实现上下文感知的交互。然后，利用Streamlit创建用户友好的界面，设计流畅的用户交互流程，并实现用户输入处理和响应生成。此外，文章还提供了优化应用程序性能的方法，如使用高性能硬件、多线程处理以及添加语音识别、多语言支持等高级功能。最后，强调了DeepSeek R1在多个领域的应用潜力，并鼓励开发者尝试新的应用场景。
使用LangChain和LangGraph大幅提升RAG效果
【日积月累】
一、简介 LangGraph是LangChain、LangServe和LangSmith系列的最新成员，旨在使用LLM构建生成式人工智能应用程序。请记住，所有这些都是独立的包，必须单独进行pip安装。 在深入学习LangGrap...
2025/03/03
掌握如何搭建高效的大模型任务流（一）：LangChain任务流构建
【日积月累】
前言 Chain（链）是LangChain框架的核心概念之一，通过将多个任务模块组合在一起，形成灵活的任务流，可以实现复杂的逻辑处理和自动化任务。在实际应用中，链式操作能够帮助我们高效地管理大模型的调用过程，使其不仅能够单步完成任务，...
2025/03/01
基于 InternLM 和LangChain搭建你的知识库
【日积月累】
InternStudio (OpenAIDE)[1] 是面向算法开发者与研究员的云端集成开发环境。基于「容器实例」，「镜像中心」，「分布式训练」，「公开数据集」模块为用户提供 “算力、算法、数据” 深度学习模型训练三要素，让算法开发变得更简...
2025/02/28
EmbedChain：比LangChain更加轻量化的LLM框架
【日积月累】
一、前言 在之前的文章中，我们研究了如何使用LangChain结合大型语言模型（LLM）API来构建用户友好且直观的聊天机器人。现在，我们将探索一个新的Python包来进一步简化LangChain的实现。只需3-4行代码，我们就可以轻...
2025/02/28
LangChain + GPT ：总结长文本
【日积月累】
随着大语言模型的不断普及，我们已经可以经常使用各类模型对文本进行高质量的文本总结。然而，大部分大语言模型接口都会对输入文本的长度有所限制，这个限制通常被称为"上下文窗口(context window)"。当需要总结的文本长度超过这个窗口时，...
2025/02/28
从0到1搭建本地RAG问答系统：Langchain+Ollama+RSSHub技术全解析
【AI驱动】
本文介绍了如何利用Langchain和Ollama技术栈在本地部署资讯问答机器人，并结合RSSHub处理资讯。强调数据质量和大模型性能对RAG系统上限的影响，指出RAG虽能缓解大模型幻觉和信息滞后，但无法完全消除。本文为本地搭建RAG系统的用户提供实用参考。
2025/02/28
什么是 LangChain
【API术语解释】
LangChain 是一种用于优化语言模型应用和性能的新兴技术概念。它通过构建链式结构整合多种语言处理工具和技术，具有灵活性、扩展性和高效性等特点，在文本生成、语义分析、机器翻译等多个自然语言处理领域有着广泛的应用场景。其技术架构包括数据层、处理层和应用层，未来有望进一步发展和拓展应用范围，为自然语言处理技术的进步贡献力量。
2025/02/24
零基础入门：ChatPromptTemplate快速上手指南
【日积月累】
ChatPromptTemplate是Langchain中用于创建聊天模型提示的强大工具。通过使用ChatPromptTemplate，用户能够轻松地将多角色对话场景转化为模型输入，适用于初级程序员、产品经理和技术小白用户。本指南将带您从基础概念到实际应用，逐步掌握ChatPromptTemplate的使用技巧，帮助您在短时间内提升对聊天模型的理解和操作能力。
2025/02/10
Langchain Prompt Template 介绍
【日积月累】
Langchain Prompt Template 介绍：Langchain 通过 Prompt Template 提供了一种简化与大型语言模型交互的方法。Prompt Template 是一种模板化方法，用于生成动态、灵活的模型输入，包含语言模型指令和 Few Shot Examples。通过创建和应用 Prompt Template，可以提高生成效率和一致性。Few Shot Examples 通过提供上下文，提升模型响应质量。Langchain 的灵活性支持多变量和嵌套模板，适用于复杂场景，与大模型结合可生成高质量内容。
2025/02/10
LangChain 教程：构建 LLM 驱动型应用程序指南
【日积月累】
LangChain教程提供了构建LLM驱动型应用程序的详细指南。该框架简化了大型语言模型的应用开发，支持与OpenAI和Hugging Face等平台集成，提供模型交互、灵活定制等功能。通过标准化接口和组件化设计，LangChain能够高效管理工作流，适用于聊天机器人、问答系统等多种应用场景。教程中介绍了如何安装和配置LangChain，并通过代码示例展示了应用开发的基本过程。开发者可利用LangChain的灵活性构建多样化的AI应用。
2025/02/10
使用Langchain调用DeepSeek的全面指南
【日积月累】
使用Langchain调用DeepSeek可以简化与深度学习模型的交互，提升应用开发效率。Langchain为开发者提供标准化接口，支持对话管理、提示模板和代理人等功能，使调用DeepSeek更为便捷。DeepSeek则以其出色的自然语言处理能力著称，能够处理复杂的文本生成任务。通过结合这两者，开发者可以创建响应迅速且智能的应用程序，甚至选择在本地部署以提高数据隐私和控制。
2025/02/08
RAG是什么以及如何在LangChain中实现
【日积月累】
RAG是什么：RAG，即检索增强生成，是一种结合检索技术与生成模型的方法，旨在增强大语言模型（LLM）的能力。通过引入外部知识源，RAG弥合LLM的常识与上下文之间的差距，从而提高生成答案的准确性，减少误导性信息。RAG的灵活性使其能够快速适应信息变化，降低计算成本，尤其适合处理实时更新的信息。在实践中，RAG可以结合LangChain、OpenAI和Weaviate等工具，构建高效的生成流程。
2025/02/05
基于LangChain的本地知识库构建与应用
【日积月累】
基于LangChain的本地知识库是一种利用LangChain框架构建和管理知识库的方法。LangChain提供了模块化工具，如Prompt Templates、LLMs和Utils，使开发者能够快速定制和集成不同的大语言模型。在构建本地知识库时，开发者可以通过文档加载、文本分割和Embedding生成，将文本数据处理为向量表示，并存储在如Chroma和FAISS等向量数据库中，从而实现高效的信息检索和问答系统集成。LangChain支持多种模型和数据库，灵活性强，适用于多种应用场景。
2025/02/03
ollama与 langchain是什么关系：深度解析与实操指南
【日积月累】
在人工智能和自然语言处理（NLP）领域，Ollama和LangChain是两个备受关注的技术工具。它们各自在模型部署、语言模型应用开发等方面发挥着重要作用。然而，许多开发者对它们之间的关系和如何结合使用感到困惑。本文将深入探讨ollama与 langchain是什么关系，并通过实操示例展示如何将它们结合使用，以提升语言模型应用的开发效率和性能。
2025/01/17
利用LangChain与OpenLLM构建基于自定义知识库的聊天机器人
【AI驱动】
在本教程中，我们将构建一个聊天机器人，它能够回答有关Skyscanner服务的问题。我们将利用公司的FAQ部分来提取问题和答案。接着，我们会借助LangChain库来训练这个聊天机器人，使其能够在单个T4 GPU上实时回答问题。在这个过程中，我们还会使用免费的语言模型和嵌入向量。
2024/11/26
搜索文章