▼最近直播超级多,预约保你有收获
今晚直播:《大模型 LangChain Agent业务案例实战》
—1—
LangChain 联合 Redis推出 RAG-Redis
大模型的幻觉问题是企业级应用 Agent 需要着重考虑的一个问题,通常的解决方案有2种:微调(Fine-tuning)增强和 RAG(Retrieval Augemented Generation)增强,RAG 的方式更普适。
最近 LangChain 联合 Redis 构建了 RAG-Redis 的知识库增强模板,从而进一步提升开发企业级应用 Agent 的效率。
RAG-Redis 模板使用了 Redis Vector Database 向量数据库,该模板提供全程流程的知识分块、使用 Hugging Face 提供的 Embedding Model 创建向量、在 Redis 向量数据库中建立索引、根据 Prompt 上下文检索 TopK 记录、和 LLM 交互生成最终返回结果。
总之,RAG-Redis 知识库模板通过 FastAPI 和 Uvicorn Web Server 提供REST API 方式的 HTTP 请求,允许开发人员与公共财务文档(例如 Nike 的 10k 文件)进行交互。它还使用 UnstructedFileLoader 将 PDF 文档解析为原始文本,使用 RecursiveCharacterTextSplitter 将文本分割成更小的块,并使用 HuggingFace 中的“all-MiniLM-L6-v2”句子转换器将文本块嵌入到向量中。此外,它利用 Redis 作为实时上下文检索的向量数据库,并利用 OpenAI “gpt-3.5-turbo-16k” LLM 来生成用户查询的答案。
那么基于 RAG-Redis 如何构建企业级 Agent 应用呢?今晚20点直播详细剖析,请同学点击下方按钮预约直播。
—2—
LangChain 已不仅仅是一个开发框架
LangChain 进化速度非常快,已经不仅仅是 AGI 时代 Agent 应用开发框架,而是围绕 Agent 应用生命周期提供全方面的支持能力。
Agent 应用生命周期包括:开发、测试、评估验证、部署、监控等。开发功能由 LangChain 组件提供,官方支持 Python 和 JavaScript 两种语言。测试、评估验证、监控由 LangSmith 组件支持。部署由 LangServe 组件提供支持。
在最核心的 LangChain 组件中,提供三大模块:Model I/O、Retrieval、 Agents。
Modle I/O 部分包括了提示词管理、提示词优化、LLMs 通用调用接口、LLMs 通用工具集功能。
Retrievle 部分主要是和外部数据源作连接提供给 LLMs 知识注入增强。
Agents 采用了 ReAct 模式,使用 LLM 来做规划决策,进一步来执行(Action),然后观察(Observation)执行结果,持续上述三步,直到任务完成。它提供和 Agents 交互的标准接口,并提供多种类型 Agens 的选择,并给出了端对端的 Agents 应用案例。
那么 基于 LangChain 到底该怎么样构建企业级应用 Agent?实现过程中有哪些核心步骤?有哪些实现经验?
今晚20点直播告诉你,直播精彩看点:
1、LangChain 框架总体架构设计及关键技术剖析
2、AI Agent 智能体总体架构剖析
3、AI Agent 核心技术深度剖析
4、AI Agent 构建智能导购系统案例实战
请同学点击下方按钮预约直播,咱们今晚20点直播见!
带你全面掌握 AIGC 技术体系:大模型架构内核、Fine-tuning 微调、LangChain 开发框架、Agent 开发、向量数据库、部署治理等核心技术,扫码一键全部预约直播!
END