全新发布：AIDOCZH.com 推出 Langchain API参考中文文档，提升查阅API效率！

于 2024-06-20 07:09:11 发布
阅读量662 收藏
点赞数 14
分类专栏： AIDOCZH 文章标签： langchain
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/wjjc1017/article/details/139817686
版权

全新发布：AIDOCZH.com 推出 Langchain API参考中文文档，提升查阅API效率！

一、LangChain API 中文文档

1、从网站中进入

http://www.aidoczh.com/langchain/v0.2/docs/introduction/

2、直接网页进入

http://www.aidoczh.com/langchain_api/html/langchain_api_reference.html

二、文档内容

1、LangChain重要组件

2、LangChain核心功能

3、LangChain社区工具

4、LangChain实验工具

5、LangChain文档分割

三、AIDOCZH网站介绍

这个网站是专门AI类工具中文文档的，方便我们做机器学习、深度学习、NLP、大模型、知识图谱等开发时参阅文档，快速了解工具使用，提高工作效率。

目前已经LangChain、Ollama、AutoGen、Milvus、PyCaret、DSPy、CrewAI的中文文档，后续还会陆续上线更多AI工具中文文档。
在这里插入图片描述

数智笔记
关注
  • 14
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
专栏目录
LangChain 中文入门教程
qq_56591814的博客
06-25 2万+
LangChain官方文档假如我们想要用openai api对一段文本进行总结，我们通常的做法就是直接发给 api 让他总结。但是如果文本超过了 api 最大的 token 限制就会报错。这时，我们一般会进行对文章进行分段，比如通过tiktoken计算并分割，然后将各段发送给 api 进行总结，最后将各段的总结再进行一个全部的总结。LangChain可以很好的帮我们处理这个过程，代码也很简单。
LangChain入门指南
热门推荐
lht0909的博客
04-27 3万+
LangChain是一个强大的框架，旨在帮助开发人员使用语言模型构建端到端的应用程序。它提供了一套工具、组件和接口，可简化创建由大型语言模型 (LLM) 和聊天模型提供支持的应用程序的过程。LangChain 可以轻松管理与语言模型的交互，将多个组件链接在一起，并集成额外的资源，例如 API 和数据库。官方文档：https://python.langchain.com/en/latest/
【开源啦！】Langchain官方文档中文翻译项目 ——langchain-doc-zh
数智笔记
05-28 1360
LangChain是使用非常广的大模型编排工具，可以低代码的做大模型各种应用，有点类似在数据分析处理里面Pandas的地位。所以我有了一些想把一些工具的文档翻译成中文的想法。希望对于大家有一些帮助。由于文档较多，人力和能力都有限，有可能很多地方有问题，如果发现，请给我反馈，我会修改优化。希望能抛砖引玉，更多人加入到翻译优秀AI工具文档中，对于国内广大Langchain使用者有一点帮助。未来我也会陆续翻译更多的优秀AI工具的文档。
Langchain
qq_49359895的博客
06-13 3644
LangChain是一个用于开发由大语言模型（Large Language Model）驱动的应用程序的框架。LLM 存在一定局限性，如不能联网搜索以及有限输入长度等。这些限制会成为应用程序中的阻碍。LangChain在此背景下应运而生，来解决这些问题。Langchain官方文档：https://docs.langchain.com/docs/Langchain Python官方文档：https://python.langchain.com/en/latest/index.html。
大语言模型-中文Langchain
yuetan的博客
04-19 5372
使用chatGLM6b + langchain实现本地化知识库检索与智能答案生成。
用于 LLM 应用开发的 LangChain 中文版
engchina的专栏
06-03 2418
用于 LLM 应用开发的 LangChain 中文版
LangChain 详细介绍及使用场景
weixin_40400410的博客
08-14 1万+
LangChain 是一个强大的框架，旨在帮助开发人员使用语言模型构建端到端的应用程序。它提供了一套工具、组件和接口，可简化创建由大型语言模型 （LLM） 和聊天模型提供支持的应用程序的过程。LangChain 可以轻松管理与语言模型的交互，将多个组件链接在一起，并集成额外的资源，例如 API 和数据库。中文文档：https://www.langchain.asia官方文档：https://python.langchain.com/docs/get_started/introductionModel。
LangChain（0.0.340）官方文档一：快速入门
qq_56591814的博客
11-24 2552
LangChain是一个用于开发由语言模型驱动的应用程序的框架。上下文感知（context-aware）：连接语言模型与上下文来源（提示说明、少量示例、用于构建响应的内容等）。推理（Reason）：依赖语言模型进行推理（根据提供的上下文考虑如何回答，采取什么行动等）。LangChain库：Python和JavaScript库。包含用于各种组件的接口和集成，用于将这些组件组合成链和代理的基本运行时，以及链和代理的现成实现。:提示模板，一系列易于部署的参考体系结构，适用于各种任务。LangServe。
LangChain（0.0.340）官方文档八：Retrieval——Document transformers
qq_56591814的博客
12-11 1196
主要介绍了各种Text splitters方法，包括按字符拆分、按文件结构拆分以及按tokens拆分等
LangChain-v0.2文档翻译：2.12、教程-生成合成数据
最新发布
Hugo的博客
06-05 63
合成数据是人工生成的数据，而不是从现实世界事件中收集的数据。它用于模拟真实数据，而不会泄露隐私或遇到现实世界的限制。合成数据的优势：隐私和安全：没有真实的个人数据面临泄露风险。数据增强：扩展机器学习的数据集。灵活性：创建特定或罕见的场景。成本效益：通常比现实世界数据收集更便宜。监管合规：有助于应对严格的数据保护法律。模型鲁棒性：可以带来更好的泛化AI模型。快速原型设计：无需真实数据即可快速测试。控制实验：模拟特定条件。数据访问：当真实数据不可用时的替代方案。
社区供稿 | 中文 LangChain 项目的实现开源工作
Hugging Face
05-18 4338
Chinese-LangChain 是 yanqiangmiffy 同学的开源项目https://hf.co/spaces/ChallengeHub/Chinese-LangChainhttps://github.com/yanqiangmiffy/Chinese-LangChain中文 langchain 项目，基于 ChatGLM-6b + langchain 实现本地化知识库检索与智能答案生...
梳理Langchain-Chatchat-UI接口文档
NLP工程化
01-01 2921
在 Langchain-Chatchat v0.1.17 版本及以前是有前后端分离的 Vue 项目的，但是 v0.2.0 后就没有了。所以本文使用的是 Langchain-Chatchat v0.1.17 版本中的 Vue 项目。经过一番折腾终于将 Langchain-Chatchat v0.1.17 版本前端 Vue 接口和 Langchain-Chatchat v0.2.8 后端 API 接口调通了。
LangChain-v0.2文档翻译：2.1、教程-构建一个简单的 LLM 应用程序
Hugo的博客
05-22 291
这篇文章是关于如何构建一个简单的大型语言模型（LLM）应用程序的快速入门指南。这个应用程序将文本从英语翻译成另一种语言。这是一个相对简单的LLM应用程序——它只是一个单一的LLM调用加上一些提示。尽管如此，这是开始使用LangChain的好方法——只需一些提示和一个LLM调用，就可以构建许多特性！
LangChain-v0.2文档翻译：1、介绍
Hugo的博客
05-21 195
在这里，您将找到所有 LangChain 概念的高层次解释。LangChain 是一个丰富的工具生态系统的一部分，这些工具与我们的框架集成并在其上构建。构建基于 LangChain 原语构建的有状态、多参与者应用程序，并打算与 LangChain 一起使用。跟踪和评估您的语言模型应用程序和智能代理，帮助您从原型过渡到生产。是一个用于开发由大型语言模型（LLMs）驱动的应用程序的框架。如果您想要构建特定的东西或者更倾向于实践学习，请查看我们的。查看开发者指南，了解贡献的指南并帮助设置您的开发环境。
【AutoGPT】LangChain 快速入门指南（中文版）
禅与计算机程序设计艺术
05-25 2万+
虽然聊天模型在底层使用语言模型，但它们公开的接口有点不同：它们公开的不是“文本输入、文本输出”API，而是“聊天消息”作为输入和输出的接口。这与 Memory for LLM 之间的主要区别在于，我们可以将它们保留为自己唯一的内存对象，而不是试图将所有以前的消息压缩成一个字符串。扩展前面的示例，我们可以构造一个 LLMChain，它接受用户输入，使用 PromptTemplate 对其进行格式化，然后将格式化的响应传递给 LLM。这是一种较简单的链类型，但了解它的工作原理将为您处理更复杂的链做好准备。
LangChain与大型语言模型(LLMs)应用基础教程:Prompt模板
weixin_42608414的博客
03-26 1万+
今天我们学习了LangChain和大型语言模型(LLM)如opeanai的 "text-davinci-003"模型以及谷歌的“flan-t5-xl”模型进行集成的方法，我们还学习了如何使用LangChain中prompt模板，和短语模板。通过使用prompt模板可以让用户大大提高和LLM交互的效率。
大模型从入门到应用——LangChain：记忆（Memory）-[记忆的存储与应用]
冯·诺依曼
08-15 5726
Zep 是一个存储、摘要、嵌入、索引和丰富对话式人工智能聊天历史记录的工具，并通过简单、低延迟的API进行访问。[3] LangChain中文网 - LangChain 是一个用于开发由语言模型驱动的应用程序的框架：http://www.cnlangchain.com/[2] LangChain 🦜️🔗 中文网，跟着LangChain一起学LLM/GPT开发：https://www.langchain.com.cn/[1] LangChain官方网站：https://www.langchain.com/
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

数智笔记

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值