大模型相关目录
大模型,包括部署微调prompt/Agent应用开发、知识库增强、数据库增强、知识图谱增强、自然语言处理、多模态等大模型应用开发内容
从0起步,扬帆起航。
- 大模型应用向开发路径:AI代理工作流
- 大模型应用开发实用开源项目汇总
- 大模型问答项目问答性能评估方法
- 大模型数据侧总结
- 大模型token等基本概念及参数和内存的关系
- 大模型应用开发-华为大模型生态规划
- 从零开始的LLaMA-Factory的指令增量微调
- 基于实体抽取-SMC-语义向量的大模型能力评估通用算法(附代码)
- 基于Langchain-chatchat的向量库构建及检索(附代码)
- 一文教你成为合格的Prompt工程师
- 最简明的大模型agent教程
- 批量使用API调用langchain-chatchat知识库能力
- langchin-chatchat部分开发笔记(持续更新)
- 文心一言、讯飞星火、GPT、通义千问等线上API调用示例
- 大模型RAG性能提升路径
- langchain的基本使用
- 结合基础模型的大模型多源信息应用开发
- COT:大模型的强化利器
- 多角色大模型问答性能提升策略(附代码)
- 大模型接入外部在线信息提升应用性能
思路
由于知识库数据有限、模型能力有限,因此大模型应用性能具备一定局限,为增强模型能力,可采用接入外部在线信息的方式进行应用能力优化。
例如为模型接入搜索引擎信息。
以百度为例,其搜索url如下:
https://www.baidu.com/s?wd=%E5%A4%A7%E6%A8%A1%E5%9E%8B&rsv_spt=1&rsv_iqid=0xd0a401c00018fc87&issp=1&f=8&rsv_bp=1&rsv_idx=2&ie=utf-8&tn=baiduhome_pg&rsv_enter=1&rsv_dl=ib
其中包含搜索关键词编码、页数等信息。
我们只需设计爬虫,对需要检索内容进行编码,嵌入对应url位置,设定页数信息,即可爬取百度检索出的信息,让大模型对外部信息加以利用。