6. LangChain4j 基于RAG实现一套企业智能客服系统

LLM的知识仅限于它所训练的数据。如果你想让LLM了解特定领域的知识或专有数据,你可以使用RAG。什么是RAG?简而言之,RAG(检索增强生成)是从数据中查找和注入相关信息的方法再将其发送到LLM之前...

从头开始搭建 Langchain-Chatchat 0.3x

langchain-chatchat0.3x从零开始本地部署搭建,rag本地知识库学习_langchain-chatchat0.3...

AI菜鸟向前飞 — LangChain系列之十七 - 剖析AgentExecutor

本篇从源代码角度深入浅出剖析AgentExecutor实现的机制,介绍了AgentStep、AgentPlan等内容,并做对比分析,结尾处补充介绍tool的另一个属性值return_direct的含义和作用。_la...

【AI大模型应用开发】【LangChain系列】9. 实用技巧:大模型的流式输出在 OpenAI 和 LangChain 中的使用

当大模型的返回文字非常多时,返回完整的结果会耗费比较长的时间。如果等待大模型形成完整的答案再展示给用户,明显会给用户不好的体验。所以,现在市面上大多数的AI应用,在给用户结果时,都是以流式输出的方式展示给用户的。...

LLM之RAG实战(一):使用Mistral-7b, LangChain, ChromaDB搭建自己的WEB聊天界面

为了完成我们的任务,我们将使用HuggingFaceEmbeddings类,这是一个本地管道包装器,用于与HuggingFaceHub上托管的GTE模型进行交互。它的工作原理如下:我们设置了一个名为queryi...

AI开源 - LangChain UI 之 Flowise

Flowise是一个为LangChain设计的用户界面(UI),使得使用LangChain变得更加容易(低代码模式)。通过拖拽可视化的组件,组建工作流,就可以轻松实现一个大语言模型的应用配置,包括不限于ChatGPT。Git...