需要学习提示词工程的同学请看面向开发者的提示词工程
需要学习ChatGPT的同学请查看搭建基于 ChatGPT 的问答系统
需要学习LangChian开发的同学请查看基于LangChain开发应用程序
本部分前几个章节请查看
使用LangChain访问个人数据第一章-简介
使用LangChain访问个人数据第二章-文档加载
使用LangChain访问个人数据第三章-文档分割
使用LangChain访问个人数据第四章-向量数据库与词向量
使用LangChain访问个人数据第五章-检索
使用LangChain访问个人数据第六章-问答
使用LangChain访问个人数据第七章-聊天
第八章、总结
让我们快速回顾本部分的主要内容:
-
使用 LangChain 的多种文档加载器,从不同源导入各类数据。
-
将文档分割为语义完整的文本块,并讨论了其中的一些微妙之处。
-
为这些块创建了 Embedding,并将它们放入向量存储器中,并轻松实现语义搜索。
-
讨论了语义搜索的一些缺点,以及在某些边缘情况中可能会发生的搜索失败。
-
介绍多种高级检索算法,用于克服那些边缘情况。
-
与 LLMs 相结合,将检索结果与问题传递给 LLM ,生成对原始问题的答案。
-
对对话内容进行了补全,创建了一个完全功能的、端到端的聊天机器人。
通过学习本部分内容,我们已经掌握了如何使用 LangChain 框架,访问私有数据并建立个性化的问答系统。这是一个快速迭代的领域,希望您能持续关注新技术。
期待看到大家将知识应用到实践中,创造更多惊喜。让我们出发,继续探索语言模型和私有数据结合的无限可能!