![](https://img-blog.csdnimg.cn/20201014180756927.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
基于langchain的开发
以flowise为相关软件,基于langchain的组件式开发
_Amber
这个作者很懒,什么都没留下…
展开
-
[vectoreStore]--内存向量存储组件开发
由于他的输出分为vectoreStore向量库存储、retrieval向量检索器,因此需要拿到他的输出分别做处理。vectoreStore:该组件通常用来做内存向量存储的,同时利用该存储区获取他的retrieval检索。内存向量存储使用的参数为:文档、embeddings、输出。第二步:定义类型并实例化[采用mmr做他的检索处理]第三步:对他的输出结果分别做处理。原创 2023-09-20 15:33:31 · 168 阅读 · 0 评论 -
[Document]VectoreStoreToDocument开发
第二步:获取需要的信息,向量存储库,这里我使用的是内存向量存储(用该组件拿到文档,并检索)第一步:定义组件对象,该组件返回有两种类型:document和text。第三步:在做返回结果处理时,分开处理组件返回类型。该document是用来检索文档的。原创 2023-09-20 15:25:08 · 117 阅读 · 0 评论 -
[Agent]-----MRKLAgentForChatModels组件开发
第二步,定义agent方法,这里的AgentType采用的是Mrkl的chatReAct模型,使用聊天模型来代替llm去调用ReAct代理。该agent主要使用ReAct框架来决定操作的代理,从而优化聊天模型。agent需要的组件:tools,chatmodels。第一步:定义一个tool,这里采用计算器。原创 2023-08-29 18:21:15 · 259 阅读 · 0 评论 -
[Agent]开发---csvAgent开发
csvagent需要csv文件和模型,该方法在后台使用pandas方法去处理该文件,然后调用LLM去回答问题。这里的csv使用数组形式存储,可上传多个csv文件。[文件见资源,在网上随便找一个csv文件下的]我们使用内置函数去调用csvagent。AgentType根据自己需要下载;原创 2023-08-29 18:07:21 · 478 阅读 · 0 评论 -
[Agent]开发---ConversationalRetrievalAgent开发
conversationRetrievalAgent开发原创 2023-08-28 16:26:39 · 345 阅读 · 0 评论