我码玄黄的博客

使用大型语言模型 ( LLM ) 构建增量知识图谱 ( KG ) 的 iText2KG 框架。一个强大的 KG 构建框架，该框架利用了 LLM 的优势，解决了该领域的重大挑战，并提出了一种模块化方法，可增强不同领域的灵活性和适用性。

使用yfiles-jupyter-graphs将GraphRAG知识库和查询结果转化为互动图形，让复杂的数据结构一目了然，提高数据理解和交互体验。

MetaGPT` 允许 `Agent` 在类似流水线的范式中扮演多中角色，通过结构化的 `Agent` 协作和强化领域特定专业知识来处理复杂任务，以提高在协作软件工程任务中解决方案的连贯性和正确性。

本文介绍了将GraphRAG生成的知识图谱导入Neo4j数据库的详细步骤，包括设置环境、创建约束、批量导入数据，并利用Neo4j进行数据可视化分析，以直观展示知识图谱结构。

结合Django、langchian、Neo4j构建GraphRag

`Dify`是一款开源的大语言模型`（LLM）`应用开发平台，它帮助开发者和非技术人员，快速构建生产级别的生成式AI应用。

FastDeploy是一款易用、高效的AI模型部署工具。它旨在简化AI模型从训练到部署的整个流程，支持在多种硬件和操作系统上进行模型推理。多平台支持FastDeploy支持在云、边、端等多种环境中部署模型，包括但不限于WindowsLinuxAndroidiOS等操作系统。多硬件兼容： 支持多种硬件平台，如Intel CPUNVIDIA GPUJetsonARM CPU等。多算法支持： 支持多种主流算法模型，包括图像分类、目标检测、图像分割、人脸检测、人体关键点检测、文本识别等。低门槛使用。

`Dify` 可以说就是界面化的 `LangChain`，从构建到发布一个聊天程序，完全脱离了编码，并且灵活的使用了各种 `api` 和工具。

YOLOv5是一种先进的目标检测算法，属于YOLO）系列的第五代。它继承了YOLO系列算法的快速和高效的特点，并且在性能上进行了显著提升。YOLOv5的成功在于其速度和准确性的平衡，使其成为许多实时目标检测任务的首选算法。随着计算机视觉领域的不断发展，YOLOv5及其后续版本将继续在目标检测技术中扮演重要角色。

本文介绍了图数据库Neo4j及其在Django项目中的应用，包括安装、配置及数据存储过程，并通过实例展示了如何利用LLMGraphTransformer将文本数据转换为图结构并存储在Neo4j中。

GraphRAG是微软推出的结构化检索增强生成方法，通过知识图谱和社区层次结构提高模型推理问答性能。

DeepSeek-V2综合能力强大，与顶级闭源模型比肩，性能高效，训练资源需求低。API定价极具竞争力。

是一个用于微调大型语言模型的强大工具，特别是针对LLaMA系列模型。可以适应不同的模型架构和大小。支持多种微调技术，如全参数微调、LoRA）、QLoRA）等。还给我们提供了简单实用的命令行接口。支持多cpu训练，多任务微调，还有各种内存优化技术，如梯度检查点、梯度累积等。支持混合精度训练，提高训练效率。本文不再赘述的安装过程在的webui里面，一切微调都是可视化，方便我们入手。我们可以不用了解每个参数背后的具体实现手段，但一定要知道每个参数的含义，大模型的微调不是一蹴而就，而是不断更新和优化。

LlamaIndex（前身为GPT Index）是一个数据框架，为了帮助我们去建基于大型语言模型（LLM）的应用程序。主要用于处理、构建和查询自定义知识库。

上篇文章有很多小伙伴再问：开启了流式。这篇文章就来给大家解惑。

ChatTTS是一款专为优化对话场景而生的语音生成模型，尤其匹配大型语言模型（LLM）的交互需求，以及生成对话式音频、视频旁白等应用场景，无缝覆盖中英文双语。通过汲取约100,000小时的高质量中英语音数据进行深度训练，ChatTTS在语音合成领域彰显出卓越的自然度与逼真效果。该模型的亮点集中体现在多语言能力、超大规模数据驱动的高保真输出、对LLM对话任务的卓越适配性，以及对未来开源计划的展望。