关注
分享
文章平均质量分 94
大模型是指具有大规模参数和复杂计算结构的机器学习模型。这些模型通常由深度神经网络构建而成，拥有数十亿甚至数千亿个参数。大模型的设计目的是为了提高模型的表达能力和预测性能，能够处理更加复杂的任务和数据。大模型在各种领域都有广泛的应用，包括自然语言处理、计算机视觉、语音识别和推荐系统等。
H-大叔
作为一名资深后端开发工程师及项目管理专家，精通Python和Java，熟练掌握各类技术框架，并具备深厚的MySQL和Redis数据库知识。在过往项目中，我不仅负责核心代码开发，还领导团队成功解决多项技术难题，确保项目高效、稳定运行。同时，我具备出色的项目管理能力，能够制定并执行项目计划，带领团队高效协作。
现在，我专注于AI大模型的应用开发，致力于将人工智能技术融入后端技术中，推动公司技术创新。我具备扎实的技术功底和丰富的项目管理经验，能够迅速适应新环境，迎接新挑战。期待在未来的工作中，为公司创造更多价值。
展开
-
Langchain教程 | langchain+OpenAI+PostgreSQL（PGVector） 实现全链路教程，简单易懂入门
在阅读本文前，建议要有一定的langchain基础，以及langchain中document loader和text spliter有相关的认知，不然会比较难理解文本内容。是一个开源向量相似性搜索Postgres它支持:- 精确和近似最近邻搜索- L2距离，内积和余弦距离。原创 2024-04-01 11:38:02 · 2222 阅读 · 0 评论
-
人工智能LLM | 基础配置 | 通过环境变量配置API-KEY 一文通教程
在实战开发大语言模型的过程中，经常会遇到各种API-KEY的配置问题，例如GPT OpenAI KEY的配置，而且目前大部分都要求将其配置在环境变量中，下面将会讲解如何在Linux、macOS、Windows中配置，本文一文通教程。您可以使用配置环境变量的方法，避免在调用各种SDK时显式地配置API-KEY，从而降低泄漏风险。环境变量是操作系统中用于存储有关系统环境的信息的变量。您可以通过环境变量来配置API-KEY，这样即使您的代码库被公开，API-KEY也不会泄漏。原创 2024-05-20 15:02:41 · 1801 阅读 · 0 评论 -
LangChain教程 | Retrival之Retrievers详解 | 检索器教程
检索器是给定非结构化查询返回文档的接口。它比矢量存储器更通用。检索者不需要能够存储文档，只需要能够返回（或检索）它们。向量存储可以用作检索器的主干，但也有其他类型的检索器。检索器接受字符串查询作为输入，并返回Documents 作为输出。原创 2024-05-17 16:30:25 · 2589 阅读 · 2 评论 -
Prompt提示词教程 | 提示工程指南 | 提示词示例 入门篇
在本节中，我们会提供更多示例，介绍如何使用提示词来完成不同的任务，并介绍其中涉及的重要概念。通常，学习概念的最佳方法是通过示例进行学习。下面，我们将通过示例介绍说明如何使用精细的提示词来执行不同类型的任务。原创 2024-05-07 23:05:41 · 1574 阅读 · 0 评论 -
Prompt提示词教程 | 提示工程指南 | 提示工程简介
提示工程是一个较新的学科，应用于开发和优化提示词（Prompt），帮助用户有效地将语言模型用于各种应用场景和研究领域。掌握了提示工程相关技能将有助于用户更好地了解大型语言模型的能力和局限性。研究人员可利用提示工程来提高大语言模型处理复杂任务场景的能力，如问答和算术推理能力。开发人员可通过提示工程设计和研发出强大的技术，实现和大语言模型或其他生态工具的高效接轨。本指南介绍了提示词相关的基础知识，帮助用户了解如何通过提示词和大语言模型进行交互并提供指导建议。原创 2024-05-07 15:50:19 · 1220 阅读 · 0 评论 -
LangChain教程 | 实践过程报错集 | 持续更新
这是本人最近在做langchain教程过程中的遇到的报错，不分先后顺序。这个报错很常见，咱们要看原始报错的位置是哪里，下面是我的截图：找到源头之后，就在源头的位置打个断点：然后启用debug模式shift+F9，如果不懂断点模式，自行学习下先。这里就能看到提示代理错误。再回到上面源码的位置，这是由于咱们在使用LLMs工具时，没有正常访问到大语言模型平台，以下这几个LLM都有可能报错：请注意检查自己的openai-key代理商都支持那些models。原创 2024-04-09 10:51:16 · 1178 阅读 · 0 评论 -
LangChain教程 | langchain 文本拆分器 | Text Splitters全集
一旦加载了文档，您通常会想要转换它们以更好地适应您的应用程序。最简单的例子是，您可能希望将一个长文档分割成更小的块，以便适合模型的上下文窗口。LangChain有许多内置的文档转换器，可以轻松地拆分、组合、过滤和操作文档。当你想处理很长的文本时，有必要将文本分割成块。虽然这听起来很简单，但这里有很多潜在的复杂性。理想情况下，您希望将语义相关的文本片段放在一起。“语义相关”的含义可能取决于文本的类型。示例展示了几个方法来做到这一点。将文本分成语义上有意义的小块（通常是句子）。原创 2024-03-28 14:32:48 · 7838 阅读 · 0 评论 -
LangChain教程 | langchain 文件加载器使用教程 | Document Loaders全集
使用文档加载器将数据从源加载为Document是一段文本和相关的元数据。例如，有一些文档加载器用于加载简单的.txt文件，用于加载任何网页的文本内容，甚至用于加载YouTube视频的副本。文档加载器提供了一种“加载”方法，用于从配置的源中将数据作为文档加载。它们还可选地实现“延迟加载”，用于将数据延迟加载到内存中。原创 2024-03-22 15:11:42 · 6481 阅读 · 9 评论 -
LangChain教程 | LCEL原理详解教程 一 | LangChain Expression Language (LCEL)
LangChain表达式语言（LCEL）是一种声明式方法，可以轻松地将组合在一起。LCEL从第一天起就被设计成，从最简单的到最复杂的链（我们已经看到人们在生产中成功运行了具有数百个步骤的LCEL链）。当您使用LCEL构建链时，您可以获得最佳的首次令牌时间（直到第一批输出出来所经过的时间）。对于某些链来说，这意味着我们将令牌直接从LLM流式传输到流式输出解析器，然后可以与LLM提供者输出原始令牌相同的速率获得解析的增量输出块。原创 2024-03-21 12:05:10 · 2365 阅读 · 0 评论