RAG_Agent
文章平均质量分 92
本专栏深入探讨大模型领域的两大应用场景:RAG和Agent。RAG是用于问答和生成型任务的模型框架。LLM Agent则是基于语言的多模态智能代理,运用自然语言处理和机器学习技术与用户交互,提供个性化服务。我们将重点介绍RAG和Agent的理论、实践技巧以及最新代码实现和框架部署。
一个处女座的程序猿
人工智能硕博学历,拥有十多项发明专利(6项)和软著(9项),包括国际期刊SCI内多篇论文,多个国家级证书(2个国三级、3个国四级),曾获国内外“人工智能算法”竞赛(包括国家级省市级等,一等奖5项、二等奖4项、三等奖2项)证书十多项,以上均以第一作者身份,并拥有省市校级个人荣誉证书十多项。目前也是国内知名博主,连续3年获CSDN十大博客之星,荣获达摩院评测官、阿里社区/CSDN社区/51CTO/华为社区等十多个开发者社区专家博主荣誉,曾受邀阿里/华为/谷歌等社区采访-评审-论坛几十次。截止2022年,AI领域粉丝超100万,文章阅读量超5000万。正在撰写《AI算法最新实战》一书,目前已30万字
展开
-
Agent之ETA之Skyvern:Skyvern(利用 LLM 和计算机视觉自动化基于浏览器的工作流程)的简介、安装和使用方法、案例应用之详细攻略
Agent之ETA之Skyvern:Skyvern的简介、安装和使用方法、案例应用之详细攻略目录Skyvern的简介Skyvern的安装和使用方法Skyvern的案例应用Skyvern的简介2024年3月17日,Skyvern 利用 LLM 和计算机视觉自动化基于浏览器的工作流程。它提供了一个简单的 API 端点来完全自动化手动工作流程,取代易碎或不可靠的自动化解决方案。传统的浏览器自动化方法需要为网站编写自定义脚本,通常原创 2024-05-23 02:33:52 · 1158 阅读 · 0 评论 -
Agent之Cover Agent:Cover Agent(用于提升自动化测试生成和代码覆盖率)的简介、安装和使用方法、案例应用之详细攻略
Agent之Cover Agent:Cover Agent(用于提升自动化测试生成和代码覆盖率)的简介、安装和使用方法、案例应用之详细攻略目录Cover Agent的简介Cover Agent安装和使用方法Cover Agent案例应用Cover Agent的简介CodiumAI Cover-Agent:一款AI驱动的工具,用于自动化测试生成和代码覆盖率的提升!2024年5月9日,CodiumAI发布Cover Agent,它旨在通过自动生成合格的原创 2024-05-23 02:34:36 · 1123 阅读 · 0 评论 -
MLM之RAG:探索基于LangChain和Redis的新多模态RAG模板实战
MLM之RAG:探索基于LangChain和Redis的新多模态RAG模板实战目录相关文章LLMs的限制与RAG的介绍RAG的工作原理文本和图像的多模态RAGRedis和LangChain的创新使用指南总结相关文章《Explore the new Multimodal RAG template from LangChain and Redis》地址地址:Explore Redis & LangChain's Multimodal原创 2024-05-21 02:13:28 · 1220 阅读 · 0 评论 -
LLMs之Agent之DERA:《DERA: Enhancing Large Language Model Completions with Dialog-Enabled Resolving Agen
LLMs之Agent之DERA:《DERA: Enhancing Large Language Model Completions with Dialog-Enabled Resolving Agents》翻译与解读目录《DERA: Enhancing Large Language Model Completions with Dialog-Enabled Resolving Agents》翻译与解读Abstract摘要1、Introduction引言2、DERA:原创 2024-05-23 22:17:25 · 1298 阅读 · 1 评论 -
Agent:awesome-ai-agents项目的简介(最主流AI自主Agent的全面列表及其详情)、分类、使用方法之详细攻略
Agent:awesome-ai-agents项目的简介、分类、使用方法之详细攻略目录awesome-ai-agents项目的简介分类awesome-ai-agents项目的简介2023年7月,awesome-ai-agents项目正式发布。提供了一个关于AI自主代理的列表,包括开源项目和闭源项目与公司。列表中的每个AI代理都简要介绍了其主要功能和用途。整个列表是根据作者的最佳知识汇编的,虽然不是全面的,但涵盖了广泛的AI代理应用。文档鼓励用户提供反馈和讨论,并且可以提交原创 2024-05-14 23:08:37 · 948 阅读 · 0 评论 -
LLMs之Agent之AutoGen:AutoGen的简介、安装、使用方法之详细攻略
LLMs之Agent之AutoGen:AutoGen的简介、安装、使用方法之详细攻略目录AutoGen的简介、安装、使用方法AutoGen的安装AutoGen的使用方法AutoGen的简介、安装、使用方法 2023年9月30日左右,微软正式开源AutoGen,这是一个框架,允许开发具有多个Agent的LLM应用程序,这些Agent可以相互交流以解决任务。AutoGen的Agent是可定制的、可对话的,并可以无缝地允许人类参与。它们可以在使用LLM、人原创 2023-11-02 00:58:45 · 3670 阅读 · 1 评论 -
AGI之Agent:AutoGPT(一个实验性的开源尝试使GPT-4完全代理自主)的简介、安装和使用方法、案例应用之详细攻略
AGI之Agent:AutoGPT(一个实验性的开源尝试使GPT-4完全代理自主)的简介、安装和使用方法、案例应用之详细攻略目录AutoGPT的简介AutoGPT的安装和使用方法构建您自己的代理 - 快速入门AutoGPT的案例应用AutoGPT的简介2023年4月,由Significant-Gravitas推出AI领域的重要产品AutoGPT,这是一个利用AI控制AI的现象级产品。AutoGPT的核心能力在于能够帮助用户拆解任务。用户原创 2023-11-29 22:26:37 · 1745 阅读 · 0 评论 -
AGI之Agent:《A Generalist Agent一个通用型代理—Gato》翻译与解读
AGI之Agent:《A Generalist Agent一个通用型代理—Gato》翻译与解读目录《A Generalist Agent》翻译与解读Abstract1 Introduction引言2 Model模型9 ConclusionsReferences《A Generalist Agent》翻译与解读地址论文地址:https://arxiv.org/abs/2205.06175时间2022年5月原创 2023-10-27 23:40:57 · 873 阅读 · 0 评论 -
LLMs之ChatGLM3:ChatGLM3/ChatGLM3-6B的简介(多阶段增强+多模态理解+AgentTuning技术)、安装和使用方法、案例应用(实现多轮对话能力(Chat)、工具调用能力(
LLMs之ChatGLM3:ChatGLM3/ChatGLM3-6B的简介(多阶段增强+多模态理解+AgentTuning技术)、安装和使用方法、案例应用(实现多轮对话能力(Chat)、工具调用能力(Function Call)、代码执行能力(Code Interpreter)→进而实现 Agent 复杂任务场景)之详细攻略目录相关文章ChatGLM3的简介ChatGLM3的安装原创 2023-10-27 23:53:18 · 9626 阅读 · 1 评论 -
AGI之Agent:《Generative Agents: Interactive Simulacra of Human Behavior生成代理:人类行为的交互模拟》翻译与解读
AGI之Agent:《Generative Agents: Interactive Simulacra of Human Behavior生成代理:人类行为的交互模拟》翻译与解读目录《Generative Agents: Interactive Simulacra of Human Behavior》翻译与解读Abstract9 CONCLUSION《Generative Agents: Interactive Simulacra of Human Behavior》翻译与解读地址原创 2023-11-28 00:59:31 · 1560 阅读 · 0 评论 -
AGI之Agent:《ChemCrow: Augmenting large-language models with chemistry tools用化学工具增强大语言模型》翻译与解读
AGI之Agent:《ChemCrow: Augmenting large-language models with chemistry tools用化学工具增强大语言模型》翻译与解读目录《ChemCrow: Augmenting large-language models with chemistry tools》翻译与解读Abstract摘要4、Conclusion结论《ChemCrow: Augmenting large-language models with chemist原创 2023-12-13 00:25:25 · 1126 阅读 · 0 评论 -
LLMs之RAG:基于LangChain框架利用ChatGPT的API实现一个与在线网页交互的对话机器人—五大思路步骤—加载文档WebBaseLoader网址文件→文档分割(chunk_size=50
LLMs之RAG:基于LangChain框架利用ChatGPT的API实现一个与在线网页交互的对话机器人—五大思路步骤—加载文档WebBaseLoader网址文件→文档分割(chunk_size=500)→文本嵌入化(OpenAIEmbeddings)并存储到向量库(Chroma)→构造Prompt(拉取一个对象并将其返回为 LangChain对象)→定义LLMs(ChatOpenAI)→输入查询文本来构造RAG chain并利用LLMs生成响应目录相关文章LLMs之RAG:基于Lang原创 2023-10-19 23:55:14 · 2141 阅读 · 0 评论 -
LLMs之RAG:LangChain-Chatchat(一款中文友好的全流程本地知识库问答应用)的简介(支持 FastChat 接入的ChatGLM-2/LLaMA-2等多款主流LLMs+多款embe
LLMs之RAG:LangChain-Chatchat(一款中文友好的全流程本地知识库问答应用)的简介(支持FastChat 接入的ChatGLM-2/LLaMA-2等多款主流LLMs+多款embedding模型m3e等+多种TextSplitter分词器)、安装(镜像部署【AutoDL云平台/Docker镜像】,离线私有部署+支持RTX3090 ,支持FAISS/Milvus/PGVector向量库, 基于LangChain 框架+FastAPI的API调用服务+Streamlit 的WebUI操作原创 2023-08-27 23:41:36 · 12106 阅读 · 5 评论 -
LLMs之GLM-4:GLM-4的简介(全覆盖【对话版即ChatGLM4的+工具调用+多模态文生图】能力→Agent)、安装和使用方法、案例应用之详细攻略
LLMs之GLM-4:GLM-4的简介(全覆盖【对话版即ChatGLM4的+工具调用+多模态文生图】能力→Agent)、安装和使用方法、案例应用之详细攻略目录GLM-4的简介GLM-4的安装和使用方法GLM-4的案例应用GLM-4的简介2024年01月16日,智谱AI在「智谱AI技术开放日(Zhipu DevDay)」推出新一代基座大模型GLM-4。智谱AI发布 All Tools、GLMs、MaaS API、大模型原创 2024-01-16 21:42:57 · 9611 阅读 · 5 评论 -
AGI之GitAgent:《GitAgent: Facilitating Autonomous Agent with GitHub by Tool Extension通过工具扩展实现与GitHub的自
AGI之GitAgent:《GitAgent: Facilitating Autonomous Agent with GitHub by Tool Extension通过工具扩展实现与GitHub的自主代理》翻译与解读目录《GitAgent: Facilitating Autonomous Agent with GitHub by Tool Extension通过工具扩展实现与GitHub的自主代理》翻译与解读Abstract1 INTRODUCTION引言2 METHODOLO原创 2024-01-20 22:26:28 · 1609 阅读 · 1 评论 -
LLMs之Agent:Personal_LLM_Agents_Survey的简介、使用方法之详细攻略
LLMs之Agent:Personal_LLM_Agents_Survey的简介、使用方法之详细攻略目录Personal_LLM_Agents_Survey的简介Personal_LLM_Agents_Survey的使用方法Personal_LLM_Agents_Survey的简介个人LLM代理(智能体)被定义为一种特殊类型的基于LLM的代理,它与个人数据、个人设备和个人服务深度集成。它们最好部署到资源受限的移动/边缘设备和原创 2024-01-17 22:49:27 · 1547 阅读 · 0 评论 -
LangChain之Agent:LangChain框架中与Agent相关的概念简介、Agent分类(五大维度分类/8种代理)、常用函数、案例应用之详细攻略
LangChain之Agent:LangChain框架中与Agent相关的概念简介、Agent分类(五大维度分类/8种代理)、常用函数、案例应用之详细攻略目录LangChain框架中与Agent相关的概念简介、Agent分类(五大维度分类/8种代理)、常用函数、案例应用之详细攻略LangChain框架中与Agent相关的概念简介LangChain框架中Agent的分类LangChain框架中与Agent相关的常用函数LangChain框架中与Agent相关的案原创 2024-04-17 02:59:44 · 974 阅读 · 0 评论 -
AGI之Agent:《Agent AI: Surveying the Horizons of Multimodal Interaction智能体AI:多模态交互视野的考察》翻译与解读
AGI之Agent:《Agent AI: Surveying the Horizons of Multimodal Interaction智能体AI:多模态交互视野的考察》翻译与解读目录《Agent AI: Surveying the Horizons of Multimodal Interaction智能体AI:多模态交互视野的考察》翻译与解读Abstract摘要1 Introduction2 Agent AI Integr原创 2024-01-19 00:01:51 · 1924 阅读 · 0 评论 -
LLMs之ToolAgent:基于LangChain框架采用ChatGLM3通过调用自定义的工具实现ToolAgent的功能(arxiv论文查询、天气查询、数值计算等单工具调用或者多工具调用)输出详解
LLMs之ToolAgent:基于LangChain框架采用ChatGLM3通过调用自定义的工具实现ToolAgent的功能(arxiv论文查询、天气查询、数值计算等单工具调用或者多工具调用)输出详解实战目录基于LangChain框架采用ChatGLM3通过调用自定义的工具实现ToolAgent的功能(arxiv论文查询、天气查询、数值计算等单工具调用或者多工具调用)代码实战详解基于LangChain框架采用ChatGLM3通过调用自定义的工具实现ToolAgent的功能(arx原创 2024-03-23 01:51:03 · 586 阅读 · 0 评论 -
LLMs之ToolAgent:基于LangChain框架(+LangSmith跟踪)来创建一个能够利用工具(如搜索引擎和文档检索器)以及参考聊天历史信息来响应用户输入的代理——定义工具转换为AGent
LLMs之Agent之Tool Calling Agent:基于LangChain框架(+LangSmith跟踪)来创建一个能够利用工具(如搜索引擎和文档检索器)以及参考聊天历史信息来响应用户输入的代理——定义工具转换为AGent格式并创建工具列表(Tavily【在线搜索】和和Retriever【本地检索】)→创建Agent(定义llm【ChatOpenAI+温度为0】和prompt+定义Agent【使用LLM、Prompt和Tools来初始化Agent】+定义Agent执行器【思考这些组件】)→创建并原创 2024-04-17 01:38:15 · 1218 阅读 · 0 评论 -
LLMs之RAG之IncarnaMind:IncarnaMind的简介(提高RAG召回率的两个优化技巧=滑块遍历反向查找+独立查询)、安装、使用方法之详细攻略
LLMs之RAG之IncarnaMind:IncarnaMind的简介(提高RAG召回率的两个优化技巧=滑块遍历反向查找+独立查询)、安装、使用方法之详细攻略IncarnaMind的简介IncarnaMind允许你使用大型语言模型(LLMs)如GPT与你的个人文件(PDF,TXT)进行聊天。尽管OpenAI最近推出了GPT模型的微调API,但它不允许base版本的预训练模型学习新数据,而且响应可能容易受到事实幻觉的影响。利用我们的滑块窗口分块机制和集合检索器,可以有效地查询地面真实文档中的原创 2023-11-01 00:46:22 · 1359 阅读 · 0 评论 -
LLMs之Vanna:Vanna(利用自然语言查询数据库的SQL工具+底层基于RAG)的简介、安装、使用方法之详细攻略
LLMs之Vanna:Vanna(利用自然语言查询数据库的SQL工具+底层基于RAG)的简介、安装、使用方法之详细攻略目录Vanna的简介Vanna的安装和使用方法Vanna的应用案例Vanna的简介Vanna是一个基于MIT许可的开源Python RAG(检索增强生成)框架,用于SQL生成和相关功能。Vanna的工作原理分为两个简单步骤:在您的数据上训练一个RAG“模型”,然后提问问题,这将返回可以设置自动在您的数据库上运行的SQL查询。>> 在您的数原创 2024-01-19 23:43:24 · 4350 阅读 · 2 评论 -
LLMs之RAG:KG-RAG的简介、安装和使用方法、案例应用之详细攻略
LLMs之RAG:KG-RAG的简介、安装和使用方法、案例应用之详细攻略目录KG-RAG的简介KG-RAG的安装和使用方法KG-RAG的案例应用KG-RAG的简介2023年12月4日KG-RAG正式开源发布,KG-RAG代表基于知识图谱的检索增强生成,是使用基于知识图谱的检索增强生成(KG-RAG)来赋能大型语言模型(LLM)进行知识密集型任务。这是一个与任务无关的框架,结合了知识图谱(KG)的显式知识和大型语言模型(LLM)的隐式知识。1、S原创 2024-01-22 01:39:26 · 869 阅读 · 1 评论 -
LLM之RAG之LlaMAIndex:llama-index(一块轻快构建索引来查询本地文档的数据框架神器)的简介、安装、使用方法之详细攻略
LLM之RAG之LlaMAIndex:LlamaIndex(一块轻快构建索引来查询本地文档的数据框架神器)的简介、安装、使用方法之详细攻略目录LlamaIndex的简介LlamaIndex的安装LlamaIndex的使用方法LlamaIndex的简介LlamaIndex是一个数据框架,用于基于LLM的应用程序摄取、构建和访问私有或特定领域的数据。它可以在Python(这些文档)和Typescript中使用。LLM提供了人与数据之间的自然语言接口。广泛原创 2023-11-06 23:44:36 · 550 阅读 · 0 评论 -
LLMs之RAG:基于Ollama框架(开启服务器模式+加载LLMs)部署LLaMA3/Phi-3等大语言模型、并结合AnythingLLM框架(配置参数LLM Preference【LLM Prov
LLMs之RAG:基于Ollama框架(开启服务器模式+加载LLMs)部署LLaMA3/Phi-3等大语言模型、并结合AnythingLLM框架(配置参数LLM Preference【LLM Provider-Chat Model】 /Embedding Preference/Vector Database)实现RAG功能(包括本地文档和抓取网页)实现Chat聊天以及本地知识库问答实战目录基于Ollama框架(开启服务器模式+加载LLMs)部署LLaMA3/Phi-3等大语言模型、并结合Anyt原创 2024-05-07 01:10:36 · 1137 阅读 · 0 评论 -
LLMs之RAG:《Retrieval-Augmented Generation for Large Language Models: A Survey大型语言模型的检索增强生成研究综述》翻译与解读
LLM之RAG:《Retrieval-Augmented Generation for Large Language Models: A Survey大型语言模型的检索增强生成研究综述》翻译与解读目录《Retrieval-Augmented Generation for Large Language Models: A Survey大型语言模型的检索增强生成研究综述》翻译与解读Abstract1 Introduction2 Definition3 RAG Framework原创 2024-01-14 23:16:09 · 3430 阅读 · 0 评论 -
LLMs之KG-RAG:KG-RAG/GraphRAG(基于知识图谱的RAG系统)的简介(可以解决多跳问题/同时支持结构化和非结构化数据查询)、经验技巧、案例应用之详细攻略
LLMs之KG-RAG:KG-RAG/GraphRAG(基于知识图谱的RAG系统)的简介(可以解决多跳问题/同时支持结构化和非结构化数据查询)、经验技巧、案例应用之详细攻略目录KG-RAG的简介KG-RAG的相关工具或框架KG-RAG的案例应用KG-RAG的简介检索增强生成(RAG)应用在集成来自外部来源的数据到LLMs中,回答简单问题方面表现出色。但是,它们在回答涉及将相关信息连接起来的多部分问题时往原创 2024-05-07 01:09:42 · 1226 阅读 · 0 评论 -
LLMs之RAG:只需四步骤—基于Ollama后端框架(配置phi3/LLaMA-3模型)结合Dify前端框架(设置知识库文件+向量化存储+应用发布)创建包括实现本地知识库问答/翻译助手等多个应用
LLMs之RAG:基于Ollama后端框架(配置phi3/LLaMA-3模型)结合Dify前端框架(设置知识库文件+向量化存储+应用发布)创建包括实现本地知识库问答/翻译助手等多个应用目录基于Ollama后端框架(配置phi3/LLaMA-3模型)结合Dify前端框架(设置知识库文件+向量化存储+应用发布)创建包括实现本地知识库问答/翻译助手等多个应用1、配置依赖2、创建模型基于RAG的对话应用基于Ollama后端框架(配置phi3/LLaMA-3模型)结合Dify前端原创 2024-05-07 01:14:10 · 1624 阅读 · 1 评论