- 博客(1728)
- 资源 (1)
- 收藏
- 关注
RSS订阅原创 使用Helicone增强LangChain中的OpenAI流量观测和管理
随着人工智能模型，特别是像OpenAI的GPT这样的模型在各类应用中的广泛使用，开发者需要一种有效的方式来监控和管理API资源的使用。Helicone是一个开源的可观测性平台，可以代理OpenAI流量，从而为用户提供有关费用、延迟和使用情况的关键见解。通过Helicone的自定义属性，您可以为不同的会话、对话和应用添加标识。# 设置API基础路径为Helicone的代理# 添加自定义属性到请求头})# 发起请求并打印结果。
2025-06-12 14:51:20
165
原创 RAG架构下使用多索引融合构建QA应用
RAG架构结合了信息检索和文本生成技术，通过检索器从大量的文档中获取相关信息，然后利用生成模型（如GPT-3）进行回答生成。在本应用中，将会同时查询多个信息域，包括PubMed、ArXiv、Wikipedia以及Kay AI（用于SEC文件）。
2025-06-12 13:29:49
121
原创 使用Milvus和OpenAI进行实时增强生成（RAG）的应用实践
RAG，即实时增强生成，是一种结合信息检索和生成模型的AI技术。Milvus是一个开源的向量数据库，能够有效处理和检索大量向量数据。对接OpenAI的语言模型，可以提供更智能的回答和丰富的内容生成能力。
2025-06-12 13:27:06
109
原创 如何在LangChain中保存和加载对象
LangChain类实现了标准的序列化方法，这使得开发者可以轻松保存和加载对象。安全性：API密钥等机密信息可以与其他参数分开，在反序列化时重新加载。版本兼容性：能确保不同版本的LangChain之间的对象兼容性。下面，我们将展示如何使用模块中的dumpddumpsload和loads函数来序列化和反序列化LangChain对象。
2025-06-12 11:55:56
140
原创 如何创建自定义LLM类并集成到LangChain
LangChain是一套用于构建和运行LLM的工具和库，它提供了一组标准接口以便轻松集成不同的语言模型。如果我们希望使用自己的LLM或替代现有的接口，可以通过实现标准的LLM接口来达到这一目的。
2025-06-12 11:54:32
165
原创 探索LangChain中的前沿NLP技术：从研究到应用
LangChain是一个集成了最新自然语言处理研究成果的框架，通过文档和实践手册，我们可以看到其专注于解决复杂推理任务、改进检索增强生成、以及控制模型输出等方面的研究。
2025-06-12 10:41:15
350
原创 使用Qdrant进行向量相似性搜索的实践指南
Qdrant的强大查询能力使其非常适合用于需要快速搜索和过滤大规模文档的场景，例如电影推荐系统、产品搜索引擎以及内容分类等。它可以帮助开发者构建高效率的搜索和推荐系统。接下来，我们将实例化自查询检索器。需要提前提供文档支持的元数据字段和对文档内容的简短描述。现在我们可以开始实际使用自查询检索器来执行查询。如果遇到问题欢迎在评论区交流。
2025-06-09 14:45:27
229
原创 利用Apify导出Twitter聊天数据进行微调
Twitter的数据对于语言模型而言是极具价值的，因为它涵盖了各种主题、情感和语境。然而，直接从Twitter获取数据受到一定限制。因此，我们可以使用Apify，一个强大的网页抓取工具，来导出Twitter数据以便进一步处理。
2025-06-05 10:46:22
364
原创 使用 Argilla 管理和跟踪 LLM 的输入输出数据集
在训练和优化语言模型过程中，数据的质量和多样性直接影响模型的性能。因此，能够有效地标记、跟踪、和监控数据成为MLOps循环中的重要步骤。Argilla提供了一整套工具支持这些步骤，从数据标签到模型的监控。
2025-06-05 10:37:43
308
原创 使用JaguarDB和OpenAI进行RAG的实战指南
说白了，这就是把自然语言转换成Neo4j的查询语言Cypher，解决直接用Cypher写查询的痛点。我们利用了全文本索引来提高文本值到数据库条目的映射效率，从而增强Cypher语句的准确性。这样就可以通过http://localhost:8000访问本地运行的FastAPI应用，并进行调试了。今天的技术分享就到这里，希望对大家有帮助。开发过程中遇到问题也可以在评论区交流~—END—
2025-06-04 17:01:37
283
原创 使用Neo4j-Cypher-FT与自然语言交互
说白了，这就是把自然语言转换成Neo4j的查询语言Cypher，解决直接用Cypher写查询的痛点。我们利用了全文本索引来提高文本值到数据库条目的映射效率，从而增强Cypher语句的准确性。这样就可以通过http://localhost:8000访问本地运行的FastAPI应用，并进行调试了。今天的技术分享就到这里，希望对大家有帮助。开发过程中遇到问题也可以在评论区交流~—END—
2024-12-30 14:45:36
442
原创 使用HyDE进行增强型信息检索
HyDE，顾名思义，就是通过创建一个假设文档来增强检索效果。它通过将查询转换为一个假设的文档，这个假设文档比原始查询更贴近目标文档的嵌入空间。这样，我们就可以用假设文档的嵌入来搜索与其更接近的真实文档。这波操作可以说是相当丝滑。模板文档:今天的技术分享就到这里，希望对大家有帮助。开发过程中遇到问题也可以在评论区交流~—END—
2024-12-30 14:38:18
473
原创 本地运行LangChain项目的完整指南
为关键抽象定义的基础接口以及组合这些接口的逻辑。: 各种第三方组件的集成。langchain: 构成你应用程序认知架构的链、代理和检索逻辑。: 包含实验性的组件和链。老铁们需要各自为这些包配置开发环境。对于快速上手，咱们从。
2024-12-30 12:42:23
499
原创 如何使用聊天模型调用工具
工具调用是一种生成结构化输出的通用技术，即便不打算调用工具，你也可以利用它。比如，从非结构化文本里提取信息就是一个例子。如果你对如何使用模型生成的工具调用去实际运行工具感兴趣，可以参考相关指南。要让模型能调用工具，我们需要传递描述工具功能及其参数的工具模式。支持工具调用的聊天模型实现了一个方法，用于将工具模式传递给模型。工具模式可以通过Python函数（带类型提示和文档字符串）、Pydantic模型、TypedDict类或LangChain工具对象传递。
2024-12-30 05:03:43
573
原创 使用Dataherald组件进行数据查询与分析
在数据密集的应用程序中，快速且准确地获取信息是个关键。Dataherald提供了一种简便的方法，通过API接口，我们能够非常丝滑地执行数据库查询，而无需手动编写复杂的SQL语句。这对于需要频繁从数据库中提取数据的项目，简直是一波完美操作。我个人一直在用Dataherald提供的数据查询解决方案，确实为我节省了不少开发时间。在开发和部署过程中，如果你也遇到数据查询效率问题，不妨试试这个工具。今天的技术分享就到这里，希望对大家有帮助。开发过程中遇到问题也可以在评论区交流~—END—
2024-12-29 06:36:40
317
原创 在AI应用中集成Tavily Search API进行实时信息检索
在AI系统中，特别是涉及大量外部数据查询的场景，我们经常会面临如何高效检索信息的问题。Tavily Search API为AI代理提供了一个强大的互联网搜索工具，能够实时地从互联网上提取信息，这在需要实时更新内容或验证数据的应用中是非常有用的。若你想在更复杂的项目中使用这个检索器，它也支持与其他组件进行链式组合。比如，我们可以使用langchainchain = (| prompt| llm")这波操作可以说是相当丝滑，通过这种链式调用，我们将检索与生成结合起来，实现了更为智能的交互。
2024-12-29 04:18:09
927
原创 使用Timescale Vector进行AI向量搜索实战
老铁们，Timescale Vector其实是一个增强版的PostgreSQL，能够高效地存储和查询数百万个向量嵌入。它通过DiskANN算法的索引机制，提升了pgvector的相似度搜索速度和准确性。对于时间相关的向量搜索，它还能自动进行时间分区和索引，这波操作可以说是相当丝滑。Timescale Vector通过一个熟悉的SQL接口来查询向量嵌入和关系数据，这对于从POC到生产的AI应用来说相当方便。
2024-12-28 23:27:44
400
原创 深入了解Obsidian及其在知识管理中的应用
老铁们，今天我们来聊聊Obsidian。这是一个相当强大的知识库工具，基于本地的纯文本文件构建，简单高效。如果你正在寻找一个能够帮助你整理和开发知识体系的工具，Obsidian绝对是个不错的选择。Obsidian让你用简单的Markdown文件建立连接，形成一个复杂而强大的知识网络。它支持多种插件的拓展，无论是为了个人笔记整理还是用于复杂的知识管理，Obsidian都能帮你轻松实现。我个人觉得，如果你对知识管理有较高的要求，并且希望完全掌控和自定义自己的知识体系，那么Obsidian无疑是值得一试的工具。
2024-12-26 15:04:13
660
原创 使用Aim可视化和调试LangChain执行
老铁们，今天咱们来聊聊如何用Aim可视化和调试LangChain的执行过程。Aim这个工具特别适合跟踪LLM和工具的输入输出，还能记录代理的操作。说白了，Aim就是让调试和检查执行过程变得超级简单！先来点背景，Aim是一个开源项目，能帮我们在执行过程中看到每一个步骤的详细信息，还能对比多个执行结果。想了解更多可以去Aim的GitHub看看。下面我们就来具体看看怎么操作，先从安装必要的包开始。接下来，我们导入一些模块，并配置两个环境变量。这些变量可以在Python脚本中设置，也可以通过终端直接配置。
2024-12-26 01:38:37
434
原创 如何通过Markdown头部拆分文本
有些小伙伴可能会问，为什么要特地根据Markdown头部来拆分文本呢？说白了，这主要是为了保持文本的上下文及其内在关系。像Pinecone这种工具在做嵌入的时候，通常是考虑整个段落或者文档的上下文的。如果我们能根据头部来将文本分块，就可以更好地保留文本的结构化信息，进而更精确地捕捉到文本的主题和广义意义。为了进一步控制块的大小，你可以借助，它允许你根据字符进行更细粒度的拆分。结合这两种拆分器，你可以实现相当灵活的文本处理策略。# 分块处理今天的技术分享就到这里，希望对大家有帮助。
2024-12-25 01:04:50
517
原创 使用MultiQueryRetriever进行高效文本检索
MultiQueryRetriever是一种利用LLM生成多视角查询的检索工具。它通过对用户的查询生成多种版本，从而获取到更多相关的文档。这种方法可以有效缓解基于距离的向量检索在语义捕捉不足时带来的局限。这波操作可以说是相当丝滑，MultiQueryRetriever通过自动化生成多视角查询为我们提供了一种新的优化检索结果的方法。如果你也希望自己的检索能够在更为复杂的语义中表现优异，不妨试试这个工具。今天的技术分享就到这里，希望对大家有帮助。开发过程中遇到问题也可以在评论区交流~—END—
2024-12-24 18:39:44
369
原创 使用LangChain构建简易LLM应用
老铁们，今天咱们来聊聊如何用LangChain快速构建一个简易的LLM（大语言模型）应用。这次的主题是通过一行代码加上一些提示来实现文本翻译。这种应用虽然简单，但也是上手LangChain的极好方式——很多强大的功能其实只需要一些提示和LLM调用就可以搞定！
2024-12-24 12:55:16
855
原创 使用 Tigris 构建高性能向量搜索应用
老铁们，今天我们来聊聊 Tigris，这个开源的无服务器 NoSQL 数据库和搜索平台。Tigris 的设计初衷就是为了简化构建高性能向量搜索应用的过程。它巧妙地消除了管理、操作以及同步多个工具的基础设施复杂性，让你能专心于构建出色的应用。说白了，就是帮你省去了很多麻烦事儿。这篇文章将引导你如何将 Tigris 用作你的 VectorStore（向量存储）。
2024-12-23 05:24:49
705
原创 用Diffbot Extract API轻松解析网页数据
通过Diffbot Extract API，开发者可以大幅简化从网页提取和解析数据的工作流程。Diffbot官方文档LangChain社区文档API代理服务设置教程。
2024-12-22 12:40:07
394
原创 使用Airbyte和Stripe API进行高效数据集成：深入指南
通过Airbyte和Stripe API的结合，开发者可以高效地从Stripe平台获取并处理数据。建议进一步探索Airbyte平台的文档加载器指南和相关如何指导。Airbyte文档加载器概念指南如何使用Airbyte文档加载器。
2024-12-22 09:32:57
413
原创 探索Oracle AI Vector Search的嵌入生成功能：从基础到进阶
Oracle AI Vector Search 提供了一种强大且高效的方法来生成和管理嵌入。用户可以根据需求选择合适的嵌入生成方式，并在 Oracle 数据库中实现高效的语义搜索。
2024-12-22 07:01:50
402
原创 探索GLM-4：利用ZHIPU AI API构建智能对话应用
GLM-4模型提供了强大的多模态处理能力和快速推理功能。通过LangChain库，您可以轻松集成并扩展其功能。ZHIPU AI 官方网站Python 官方文档。
2024-12-21 18:35:42
535
原创 解锁IBM Watsonx的强大功能：使用LangChain API与AI模型进行交互
ChatWatsonx是一个简化与IBM Watsonx.ai模型交互的工具。借助LangChain LLMs API，开发者可以方便地调用这些模型以执行各种任务，如语言翻译、信息查询等。通过与LangChain API，开发者可以实现高效、灵活的AI模型交互。IBM Watsonx.ai 官方文档LangChain入门教程。
2024-12-21 15:44:49
290
原创 搭建你的AI助手：使用ChatDatabricks与Databricks Model Serving集成指南
ChatDatabricks类是一个用于包装托管在Databricks Model Serving上的聊天模型端点的工具。它允许开发者轻松地将这些模型集成到应用程序中，支持异步API调用和令牌级别的流式处理，适合各种类型的应用场景。Databricks为开发者提供了一个统一的平台，简化了AI模型的部署和管理。通过ChatDatabricks与LangChain的集成，可以快速实现强大的聊天功能。Databricks Secrets管理。
2024-12-21 14:40:08
350
原创 让搜索更智能：使用Bing搜索API实现强大的数据检索
Bing搜索API提供了强大的信息检索能力，结合Langchain等工具可极大提高开发效率。然而，在实际应用中需要注意网络条件和API使用限制。对于想要深入学习的开发者，可以参考Microsoft Azure和Langchain的官方文档，以获取更详细的信息。
2024-12-21 12:50:42
598
原创 [解锁Azure ML的潜力：使用Azure ML在线端点部署大型语言模型]
large_text = """...""" # 大型文本Azure ML为开发者提供了灵活和高效的机器学习模型部署方案，尤其在模型部署和API调用的易用性上表现出色。Azure Machine Learning官方文档Langchain社区库。
2024-12-21 11:23:46
173
原创 **探索HuggingFace Hub工具：加载和使用指南**
HuggingFace Hub工具为开发者提供了一个便捷的途径来加载和使用各种预训练模型。通过，我们可以轻松访问这些模型，并在应用中实现快速部署。HuggingFace 官方文档LangChain 文档HuggingFace Hub 常见问题解答您的支持是我持续创作的动力！
2024-12-21 11:11:50
462
原创 利用 Google Firestore 构建 AI 驱动的聊天记录存储指南
通过本文介绍，您应该能够开始在 Firestore 中存储和管理聊天消息历史记录。Google Cloud Firestore 官方文档Langchain 官方 GitHub 仓库。
2024-12-21 09:59:05
671
原创 探索Google Cloud SQL for PostgreSQL：从入门到深度集成
通过本文，你应该对如何利用Google Cloud SQL for PostgreSQL进行聊天消息历史存储有了清晰的理解。进一步探究，你可以参考Google Cloud和Langchain的官方文档。
2024-12-21 09:34:22
251
原创 [解锁Google Cloud SQL for PostgreSQL的潜能：构建AI驱动的应用程序]
在本篇文章中，我们学习了如何在Google Cloud SQL for PostgreSQL上存储和操作向量嵌入。通过Langchain的集成，您可以轻松创建一个AI驱动的应用程序。Google Cloud SQL 文档。
2024-12-21 08:15:19
390
原创 探索Zep：为AI助手提供强大记忆与个性化体验
Zep为AI助手提供了强大的记忆能力，使其能够更好地响应用户需求。Zep Open Source 文档Zep Cloud 安装文档LangChain 社区项目。
2024-12-21 03:30:37
505
原创 从网页到Markdown：一键化繁为简的利器
通过和，您可以轻松地将网页内容转换为Markdown格式。Markdown基本语法Python虚拟环境指南。
2024-12-21 00:56:04
273
99块买的最新打赏视频源码,亲测可用，域名防红
2018-09-05
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人