- 博客(91)
- 收藏
- 关注
RSS订阅原创 利用 Upstash Redis 实现高效的 ByteStore 存储
Upstash Redis Store 是ByteStore的一种实现，它将数据存储在您托管的 Upstash Redis 实例中。这种存储方式不仅可以提高数据访问的速度，还能简化 Redis 的管理和维护工作。
2025-01-24 03:40:41
290
原创 使用 InMemoryByteStore 实现简单的内存键值存储
是一种非持久化的ByteStore实现，它利用 Python 字典将数据存储在内存中。这样的存储方式非常适合于需要快速读写操作而无需持久存储的场景，在关闭 Python 进程后，数据将会丢失。
2025-01-24 03:29:41
400
原创 使用 Exa 搜索引擎进行智能文档检索
在现代信息爆炸的时代，如何迅速、精准地找到所需信息是一大挑战。传统的关键字搜索引擎（如 Google）在很多情况下无法满足深层次的信息需求。为了解决这一问题，Exa 搜索引擎应运而生。Exa 专为大语言模型（LLMs）设计，能够通过自然语言查询从互联网上检索相关文档，并返回经过清洗的 HTML 内容。本文将介绍如何结合 LangChain 使用 Exa 搜索引擎。
2025-01-24 00:38:58
411
原创 使用 Unstructured 和 Selenium 加载 HTML 文档
在网页爬取和数据获取过程中，某些网页由于依赖 JavaScript 渲染，使用传统的 HTTP 请求方式无法获取完整内容。为了解决这个问题，可以使用和Selenium等工具，这些工具能够模拟浏览器行为，加载并渲染包含 JavaScript 的复杂网页。
2025-01-23 19:38:06
324
原创 利用PubMedLoader获取最新医学文献数据
PubMed是全球最具影响力的生物医学文献数据库之一，提供了来自MEDLINE、生命科学期刊和在线书籍的引用。通过使用合适的API接口，用户可以轻松访问其丰富的文献资源。例如，通过可以直接在Python中访问PubMed的数据，这对自动化文献检索和资料分析非常有帮助。
2025-01-23 17:42:51
553
原创 使用OpenVINO加速深度学习模型的推理
OpenVINO主要用于在Intel硬件（如CPU和GPU）上进行推理优化。通过指定参数，你可以将OpenVINO作为推理框架。这有效地利用了Intel的硬件加速特性，显著提高深度学习模型的执行效率。
2025-01-23 07:10:23
358
原创 使用OpenLLM在生产环境中运行大型语言模型的实战指南
OpenLLM为开发者提供了一个平台，通过此平台他们可以在不同的环境中部署和使用多种语言模型。无论是进行本地开发，还是在生产环境中进行大型应用的推断，OpenLLM都可以助您一臂之力。
2025-01-23 06:59:27
309
原创 使用OpaquePrompts保护用户隐私的LangChain集成实战
OpaquePrompts旨在将语言模型的优势应用于各种应用程序中，同时保护用户隐私。它通过机密计算技术确保隐私数据的处理是安全的，甚至OpaquePrompts自身无法访问这些数据。
2025-01-23 06:53:56
302
原创 使用Google Cloud Vertex AI进行文本和多模态生成
Google Cloud Vertex AI是一个强大的框架，提供了多种AI模型的开放访问和动态部署，包括文本、代码和多模态生成模型。通过Vertex AI，用户可以利用不同的基础模型，如Gemini、Palm、和Llama，来实现复杂的AI应用。Vertex AI不仅限于文本生成，还支持多模态输入，如图像和音频，极大地扩展了AI应用的潜力。
2025-01-23 05:00:33
608
原创 使用Langchain与CerebriumAI进行LLM集成
CerebriumAI通过提供API访问，让开发者能够利用不同的语言模型进行各种自然语言处理任务，如文本生成、问答等。而Langchain是一个用于构建大型语言模型应用的库，它简化了与LLM结合使用的过程。
2025-01-23 03:47:20
359
原创 使用Aphrodite引擎和Langchain进行大规模推理
Aphrodite引擎是一款开源的大规模推理引擎，专为在PygmalionAI网站上服务数千用户而设计。Aphrodite凭借其创新的注意力机制（由vLLM提供）与高吞吐量和低延迟的优势，以及对多种先进采样方法的支持，成为了AI推理领域的中坚力量。本文将通过一个具体的笔记本示例，展示如何使用Langchain和Aphrodite进行大规模语言模型（LLM）的推理。
2025-01-23 03:13:45
303
原创 使用LangChain集成Aleph Alpha模型进行AI问答
LangChain是一个用来构建大型语言模型的Python库，为多种AI模型提供了简洁的API接口。Aleph Alpha是欧洲一家AI公司，其开发的Luminous系列大语言模型以卓越的自然语言理解和生成能力著称。
2025-01-23 03:07:47
270
原创 使用OCIGenAI进行聊天模型集成的实战指南
欢迎来到OCIGenAI聊天模型的快速入门指南。Oracle Cloud Infrastructure (OCI) 提供的一站式生成式AI服务，为开发者提供了先进的、可定制的大型语言模型（LLM）。通过OCI生成式AI服务，您既可以访问现成的预训练模型，也可以基于您自己的数据创建和托管定制化模型。该服务的详细文档可以参考。
2025-01-23 01:47:35
366
原创 使用LangChain与NVIDIA Chat Models进行智能对话集成
随着自然语言处理技术的快速发展，AI对话模型在各类应用中扮演着越来越重要的角色。NVIDIA通过其NIM（NVIDIA Inference Microservice）服务提供了一系列优化的对话模型，这些模型基于NVIDIA加速基础设施，能够在多种环境中高效运行。本文将介绍如何使用包来与NVIDIA的对话模型进行集成，构建智能应用。
2025-01-23 01:42:03
206
原创 使用LangChain与LiteLLM Router进行智能对话
在构建复杂的对话系统时，我们常常需要利用各类语言模型来处理不同的任务，如翻译、问答或文本生成。LiteLLM Router是一个能够路由不同模型调用的工具，协助开发者在统一接口下调用不同的API服务，从而提高开发效率。
2025-01-23 01:13:20
402
原创 使用Kinetica将自然语言转换为SQL查询
在数据分析和处理的过程中，SQL是一个强大的工具，可以帮助我们从数据库中高效地提取数据。然而，对于不熟悉SQL语法的用户来说，编写SQL查询可能是一个挑战。为了解决这个问题，Kinetica提供了一种将自然语言转换为SQL的解决方案，使得用户可以通过自然语言提问来获取数据。本文将演示如何使用Kinetica将自然语言转换为SQL查询，从而简化数据检索过程。
2025-01-23 00:56:21
264
原创 使用LangChain与Eden AI模型交互的实战指南
Eden AI不仅仅是一个简单的模型调用平台，它提供了多供应商支持、回退机制、使用跟踪和监控等高级功能。这些特性使得开发者可以在多变的环境中自如切换，确保服务的连续性。
2025-01-23 00:31:48
268
原创 高效使用Alibaba Cloud PAI EAS进行AI模型推理
在当今的AI模型开发中，高效的推理服务是将训练好的模型投入实际应用的关键环节。Alibaba Cloud PAI平台专为企业级AI开发提供了一整套服务，其中的PAI-EAS（Elastic Algorithm Service）是用于模型推理和部署的高性能服务。它支持多种硬件资源，能够在高吞吐量和低延迟环境下运行复杂模型，并提供灵活的弹性扩展和全面的运维监控系统。
2025-01-23 00:13:35
587
原创 使用Trubrics进行用户交互数据分析的实战指南
随着AI模型的复杂性和广泛应用，了解用户交互数据变得日益重要。Trubrics 提供了一种系统的方法来捕获和分析这些数据，帮助优化模型表现。
2025-01-22 19:40:28
320
原创 如何在LangChain中使用SerpAPI进行搜索
SerpAPI是一个功能强大的搜索API，它可以获取搜索引擎的实时搜索结果，支持Google、Bing等多种搜索引擎。这在需要自动化搜索、数据抓取以及信息分析的应用中极为有用。而LangChain是一种用于开发AI驱动应用的框架，它允许您将不同的API集成到您的应用中。
2025-01-22 18:13:35
304
原创 如何使用 LangChain 装饰器优化你的 AI 开发
LangChain 是一个用于处理自然语言处理任务的强大框架，通常用于生成文本和对话系统。LangChain 装饰器提供了一种更 Pythonic 的方式来编写代码，使得编写多行提示变得不再繁琐，同时利用 IDE 的内置支持来快速查看函数的提示信息、参数等。
2025-01-22 14:07:26
361
原创 使用AZLyricsLoader进行歌词数据加载与处理
AZLyrics提供了一个庞大的歌词数据库，可供开发人员用于分析、推荐系统或其他与音乐相关的AI应用。是一个专门用来加载AZLyrics数据的工具，便于开发者快速获取并解析歌词信息。
2025-01-22 04:44:16
199
原创 使用ChatAnthropic模型快速入门
ChatAnthropic是一套强大的对话模型，专注于自然语言处理任务。其模型支持多种输入类型和集成服务，如AWS Bedrock和Google VertexAI，使其在不同的云平台上都有广泛的应用场景。
2025-01-22 00:44:29
154
原创 使用 Chroma 启动向量存储的完整指南
在现代由 AI 驱动的应用程序中，向量存储是一个非常重要的组成部分。这些存储允许开发者有效地处理和查询大规模的嵌入。Chroma 是一个专为提升开发者生产力和幸福感而设计的开源向量数据库。它能够无缝地集成到 LangChain 中，让开发者更轻松地构建复杂的应用。
2025-01-22 00:08:27
313
原创 如何在LangChain中实现Step-Back QA Prompting技术
在复杂问题上获取更高质量的答案是自然语言处理中的一个重要挑战。Step-Back prompting技术通过先询问一个“后退一步”的问题来提升性能。这种技术可以与常规问题回答应用结合，通过对原始问题和后退问题进行检索，从而改进答案的准确性。关于此技术更多详细信息可以参考Cobus Greyling的博客文章。
2025-01-21 23:25:10
333
原创 使用LangChain创建智能购物助手
LangChain是一个开源工具，旨在帮助开发者构建复杂的AI应用程序流。通过结合OpenAI等强大AI模型，LangChain可以轻松实现多种智能应用。本例中，我们将使用LangChain与OpenAI构建一个基于Ionic框架的智能购物助手。
2025-01-21 22:45:19
731
原创 使用 GPT-crawler 构建 RAG 应用的完整指南
在生成式 AI应用中，RAG 是一种结合信息检索和生成技术的方法。通过将外部知识融入到生成模型中，RAG 能够在特定领域提供更准确的答案。是一个用于抓取网页内容并生成供 RAG 应用使用的文件的工具。
2025-01-21 19:45:32
611
原创 允许维护者编辑你的Pull Request
在GitHub上，贡献者可以通过PR的方式来提交代码更新或修复。为了提高效率，GitHub提供了一个选项，允许代码库维护者在必要时直接编辑PR内容。这可以加速代码的合并过程，减少沟通成本和时间消耗。
2025-01-21 14:16:33
260
原创 使用NVIDIA NIM和LangChain构建AI应用的实战指南
NVIDIA NIM是一套由NVIDIA提供的预构建容器，它简化了AI模型的推理部署，无论是在本地还是云端都可以方便地运行。这些容器通过NGC Catalog发布，使企业能够拥有和完全控制其IP和AI应用。
2025-01-21 12:25:49
338
原创 自查询检索器的实现及应用
传统的检索系统通常依赖于关键字匹配，而自查询检索器则通过语言模型理解用户的自然语言查询，并生成可执行的过滤条件，从而提升检索的准确性和灵活性。这种方法不仅依赖语义相似性进行文档内容匹配，还可以根据用户查询提取元数据过滤条件并执行这些过滤。
2025-01-21 04:56:37
550
原创 使用 `merge_message_runs` 合并同类型连续消息
在消息处理过程中，我们常常会遇到连续相同类型的消息。这些消息可以是来自用户的输入、人机对话中的响应，或者系统产生的提示。如果不加以合并和优化，这些消息可能会导致冗余，增加后续处理步骤的复杂性。
2025-01-21 02:52:49
337
原创 LangChain Expression Language (LCEL) 使用手册
LCEL 旨在通过一组精心设计的接口，简化复杂数据流和功能链的实现。它提供了同步和异步执行、批处理、并行处理等特性，帮助开发者高效构建和管理任务序列。
2025-01-21 02:13:15
425
原创 使用LangChain加载CSV文件的实战指南
CSV（Comma-Separated Values）文件是一种常见的数据格式，每行记录中的字段用逗号分隔。LangChain中的CSVLoader可以将CSV文件的每一行转换为一个Document对象，方便在文档处理链中使用。可以通过csv_args参数自定义CSV解析行为，例如自定义分隔符和字段名。# 自定义解析参数，包括分隔符、引号符以及字段名csv_args={},
2025-01-21 00:10:43
389
原创 构建知识图谱：从文本到结构化数据的转化
知识图谱是一种将信息表示为实体及其相互关系的结构化数据模型，广泛用于提高数据检索和决策支持的质量。特别是在基于知识的检索增强生成（RAG）应用中，通过将非结构化文本转化为知识图谱，可以显著提升系统对复杂关系的理解和导航能力。
2025-01-20 20:52:47
383
原创 如何使用少量示例提升生成模型的性能
在自然语言处理领域，少量示例（Few-Shot Learning）是一种非常有效的策略。它通过向模型提供少量的已知输入输出示例，使得模型可以更好地理解任务上下文，从而生成更准确的结果。这种技术非常有用，特别是在处理复杂任务时，它能极大地减少模型的错误率。
2025-01-20 20:07:42
556
原创 使用少量示例进行聊天模型提示
在使用聊天模型时，少量示例(即“few-shot”策略)是指导生成过程的一种有效方法。通过在提示中提供示例输入和输出，模型可以更好地理解特定任务或语境，这在某些情况下能够显著提升性能。然而，目前没有关于如何最佳地进行少量示例提示的统一观点，因为不同模型的效果会有所不同。本文将介绍如何在聊天模型中使用少量示例进行提示。
2025-01-20 19:49:06
393
原创 如何使用Python流式处理Chat模型的响应
流式处理是指在数据生成的过程中实时处理数据，而不是在数据生成完毕后才开始处理。这在需要实时响应的应用程序中非常重要，例如聊天机器人、实时翻译服务等。对于AI模型，如聊天模型，能够以流式方式输出响应可以提升用户体验，使响应更加实时化。
2025-01-20 19:31:51
487
原创 如何使用示例选择器来优化提示生成
示例选择器的主要目标是从一组示例中，根据输入选择合适的示例。这对于生成更加精准和上下文相关的回复至关重要。LangChain 提供了多种类型的示例选择器，以满足不同的应用需求。
2025-01-20 19:08:47
762
原创 使用腾讯云VectorDB构建基于SelfQueryRetriever的电影信息检索服务
随着大数据和人工智能的快速发展，基于向量的检索(Vector Search)技术在诸多场景中得到了广泛的应用，例如自然语言处理、推荐系统和图像搜索。腾讯云VectorDB是一款高性能的多维向量检索数据库，支持分布式存储和分析，使得开发者能够快速构建智能检索系统。在这篇文章中，我们将通过一个实践案例，演示如何使用腾讯云VectorDB结合来实现针对电影信息的智能检索。这将包括创建一个向量数据库实例、插入电影相关数据，并构建一个支持自然语言查询的检索器。
2025-01-15 02:50:00
316
原创 使用LLMs为ArangoDB实现自然语言接口
ArangoDB是一种多模型数据库，结合了图数据库、JSON文档存储和全文搜索引擎的功能，旨在通过单一的查询语言（AQL）提供高效的数据管理能力。它既支持本地部署，也支持云端运行。由于其强大的图数据处理能力，ArangoDB在处理复杂关系型数据时表现尤为出色。而结合大语言模型（LLMs），我们可以为ArangoDB构建一个自然语言接口，使用户能够通过简单的自然语言提问查询数据库内容。这种接口的实现，将数据库查询的复杂性隐藏在语言模型与数据库的交互逻辑后，大大提升了用户体验。
2025-01-15 00:05:20
279
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