文章列表-AI魔法学院

文章列表

链接大模型与外部知识，智源开源最强语义向量模型BGE

评测基准链接： https://github.com/FlagOpen/FlagEmbedding/tree/master/benchmark 值得大模型应用开发者关注的好消息：将 LangChain

embedding 语义向量

LLMOps框架Dify发布Workflow功能，RAG进入自由编排时代（附产品负责人分享PPT ）

能用模型用模型，不能用模型的用流程，甚至采用“Human in Loop”的方式，将整个工作流程白盒化，把大模型能力限制在封闭的问题内，让大模型更可控，提升整个应用的可解释性和鲁棒性，这样的思路也成为了业内共识，Langchain

RAG 自由编排 Workflow

企业如何更好的使用大模型？都有哪些框架和方案

例如，面向AI应用的编程框架Langchain在GitHub上短短几个月内收获了超过4万个Star。

人工智能大模型

开源大语言模型完整列表

（即将推出） LangChain —— 构建 LLM 应用的工具 LangChain 是一个用于构建基于大型语言模型（LLM）的应用程序的库。

开源模型大语言模型

GitHub狂飙3万star的LLM公开资料 - 大模型入门教程

资料： LangChain - 文本分割器：LangChain中实现的不同文本分割器列表。

LLM 大模型 GitHub

大语言模型应用中的文本分块策略

下面是使用 LangChain 执行固定大小的分块的示例： text = "..."

开源模型

RAG从入门到精通-RAG简介

使用LangChain等框架可以快速实现原型。

rag 大模型

LLM之RAG实战（五）| 高级RAG 01：使用小块检索，小块所属的大块喂给LLM，可以提高RAG性能

为什么我不在LangChain中做这件事？

RAG 检索

向量数据库失宠了？OpenAI 力捧检索增强生成（RAG）技术，对行业来说意味着什么？

在此之前，如果想要开发基于大语言模型（LLM）的应用，首先需要保证该应用能够识别相关数据（即存放在防火墙之后、或虚拟私有云之内的数据），这就需要用到 LangChain、Llamaindex 以及纯向量数据库等一整套工具组合

检索增强生成大语音模型

最详细的文本分块(Chunking)方法——可以直接影响基于LLM应用效果

下面是一个使用LangChain执行固定大小块处理的示例： text = "..."

RAG 大模型

聊聊我对AI Agents技术的一些看法

▲LangChain 组件相应的，类似 LangChain 的大模型开发框架应运而生随之爆火，LangChain 作为一个面向大模型的“管理框架”，连接了大模型、Prompt 模板、链等多种组件，基于

AI Agents 大模型

RAG检索增强技术在知识库智能检索场景下的应用实践

04 知识检索增强技术栈与行业实践浅析 4.1、RAG 技术栈选择目前比较成熟的技术栈主要有 LangChain、LlamaIndex

知识库 RAG检索增强

OpenAI 上线新功能力捧 RAG，开发者真的不需要向量数据库了？

pip install openai==1.2.0 pip install langchain==0.0.333 pip install

RAG 检索向量库

谈Agent构建平台的设计

3.2、错误案例 3.2.1、LangChain的封装虽然LangChain本身并非Agent构建云平台，但它很有代表性并广为人知，所以这里还将其作为一个例子。

Agent 构建

傻瓜式！一键部署ChatGLM3，免去环境烦恼+开箱即用！集成API调用！本地化界面操作！

· http://127.0.0.1:7860/ 如果你要用本地的langchain调用，或者是用glm3来做一些本地任务，那里一定要调API出来了！

ChatGLM3 大模型

<1 2 345 6 7 8 >

汇聚AI资讯，网罗AI文档，详解AI工具！

关于我们用户协议隐私条款商务合作：skillupvip

© 2023-2025 AI魔法学院

京ICP备20027199号-1