文章列表-AI魔法学院

文章列表

无显卡+纯本地跑Qwen1.5版模型！0基础闭眼部署指南！适用绝大部分开源模型！llama2+Mistral+Zephyr通杀！

我们已经做了大模型微调、知识库+RAG、数据预处理、langchain+llama_index的内容！

Qwen1.5 开源模型

AI知识库总是不准？教你无脑用GPT整理结构化数据集...

比如典型的Langchain-ChatGLM的架构图，加载文件 -> 读取文本 -> 文本分割 -> 文本向量化 -> 问句向量化 -> 在文本向量中匹配出与问句向量最相似的

GPT

如何构建基于大模型的App

大模型App 的系统架构思考基于LLM 的应用开发框架（例如LangChain）提供了围绕大模型构建应用程序的结构化方法。

构建大模型App

哈工大科大讯飞联合推出中文LLaMA-2 & Alpaca-2大语言模型

CPU/GPU快速在本地进行大模型量化和部署体验支持transformers, llama.cpp, text-generation-webui, LangChain

训练

LLM应用架构之检索增强（RAG）的缘起与架构介绍

RAG架构常见选型在工业界，langchain及llamaindex都实现了RAG架构，他们基于此架构不断迭代丰富，成长成为了一个功能完备，覆盖LLM应用常见形态（chatbot，copilot

LLM

AutoGPT与LLM Agent解析

以 LangChain 里最常见的 ReAct prompt 为例，输入给模型的内容如下： ...

大模型

向量数据库简介和5个常用的开源项目介绍

主要特点: 功能丰富:查询、过滤、密度估计和许多其他功能 LangChain (Python和javascript)， LlamaIndex都支持在Python notebook 中运行的相同

开源模型

微软、OpenAI大佬暗示LLM应用开发范式迁移：从Prompt Engineering到Flow Engineering

而当下层出不穷的agent，特别是MultiAgent框架或平台以及创业项目就能反映问题，比如langchain新推出了Agent开发框架langgraph，微软出了Task weaver，Autogen

LLM 范式迁移

关于大模型驱动的AI智能体Agent的一些思考

Task-driven autonomous agent任务驱动的自主代理是一个智能系统，它利用 OpenAI 的 GPT-4 语言模型、Pinecone 矢量搜索和 LangChain 框架来执行跨不同领域的广泛任务

大模型

惊艳！2.77亿参数锻造出Agent+GPT-4V模型组合，领航AI领航机器人、游戏、医疗革新，通用智能时代你准备好了吗？

在这里插入图片描述注意：LangChain Agent主要增强基于语言的互动能力，而交互式代理基础模型寻求统一多模态输入，以实现更广泛的通用AI应用。

Agent+GPT-4V 大模型

基于大模型（LLM）的Agent 应用开发

LangChain Agent：LangChain是开发基于LLM应用的通用框架。

大模型 Agent

Coze多智能体（Multi-Agents）模式体验！

在这些Agent项目逐步成熟的过程中，我们不得不提及Langchain，它作为AI链式任务处理的先驱框架，对于Agent的发展起到了重要的奠基作用。

Coze 多智能体

AI领域的agent是什么意思？

类 LangChain 中的各种概念 [4]： Models，也就是我们熟悉的调用大模型API。

大模型

全球生成式 AI 应用全景图

具体来看： 1.应用框架：通过提供了一套组件和接口，将开源模型、API和数据库等不同的外部组件链接在一起，能够帮助应用开发快速构建基于大模型的AI 应用，来简化应用的开发和创建过程，代表厂商包括LangChain

大模型

深度对比丨探索LLM（大模型）部署服务的七大框架差异

· · LangChain 集成 — 可以使用 LangChian 与远程 OpenLLM 服务器交互。

大模型

<1 2 3 456 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