LangChain和Redis联合搞事情！

▼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