- 博客(16)
- 收藏
- 关注
RSS订阅原创 ORM框架（SQLAlchemy 与 Tortoise ）
ORM（Object-Relational Mapping，对象关系映射）是一种编程技术，用于在面向对象编程语言和关系数据库之间建立映射关系。它允许开发者使用面向对象的方式操作数据库，而不需要编写复杂的SQL语句。ORM的核心优势：代码可读性：使用Python对象而非SQL语句，代码更直观数据库无关性：同一套代码可以在不同数据库间切换安全性：自动防止SQL注入攻击维护性：模型变更时自动处理数据库结构变化。
2025-06-06 17:29:26
1104
原创 web框架（Django 与 FastAPI）
Django 是一个成熟的、全功能 Python Web 框架，遵循"电池已包含"的理念，提供了构建 Web 应用所需的几乎所有组件。核心特点：完整解决方案：提供从数据库到前端的完整开发工具链约定优于配置：通过合理的默认设置减少配置工作快速开发：内置管理后台、用户认证、表单处理等常用功能企业级稳定性：经过十多年的生产环境验证内容管理系统（CMS）电商网站企业级Web应用需要快速原型开发的项目。
2025-06-06 14:29:48
887
原创 Langchain学习笔记(十三)：Retriever检索器高级应用
在RAG（检索增强生成）系统中，检索器（Retriever）是连接知识库和大模型的关键桥梁。它决定了系统能否准确理解用户意图，并从海量文档中找到最相关的信息。Retriever（检索器）是一个抽象接口，负责根据用户查询从知识库中检索相关文档。它的核心作用是将用户的自然语言查询转换为向量，然后在向量数据库中找到最相似的文档片段核心功能查询理解：将用户的自然语言查询转换为机器可理解的向量表示相似度匹配：在向量空间中计算查询与文档的相似度结果排序：根据相关性对检索到的文档进行排序结果过滤。
2025-06-04 11:41:58
878
原创 Langchain学习笔记(十二)：Memory机制与对话管理
在构建智能对话系统时，记忆功能是至关重要的。想象一下，如果每次与AI对话都像第一次见面一样，无法记住之前的交流内容，这样的体验将是多么糟糕。LangChain的Memory机制正是为了解决这个问题而设计的，它让AI能够"记住"对话历史，从而提供更加连贯和个性化的交互体验。Memory（记忆）在LangChain中是一个核心概念，它就像人类的记忆系统一样，负责在对话过程中存储、管理和检索历史信息。Memory的核心作用。
2025-06-03 18:03:49
638
原创 Langchain学习笔记(十一)：Chain构建与组合技巧
在LangChain的发展过程中，API设计经历了重要的演进。从0.1.17版本开始，传统的Chain类（如LLMChain、SequentialChain等）被标记为已弃用，官方推荐使用更现代的LCEL（LangChain Expression Language）和管道符（|）语法。本文将详细对比新旧两种方式，帮助大家理解这一重要变化Chain（链）是LangChain中用于连接多个组件的核心抽象。
2025-06-03 15:40:18
689
原创 Langchain学习笔记(十)：文档加载与处理详解
在构建基于大语言模型的应用时，文档处理是一个至关重要的环节。无论是构建RAG（检索增强生成）系统，还是进行知识库问答，我们都需要将各种格式的文档转换为模型可以理解和处理的形式。Langchain提供了强大的文档加载和处理功能，支持多种文件格式，并提供了灵活的文本分割策略。文档加载器是Langchain中负责从各种数据源读取内容并转换为标准Document对象的组件。: 文档的实际文本内容metadata: 文档的元数据信息（如文件名、页码、创建时间等）
2025-06-03 14:19:29
622
原创 python（进程、线程和协程）
并发：是“能同时处理多个事”（逻辑上并行：是“真正在同时做事”（物理上协程= 主动让出控制权（代码里写await线程= 系统自动切换（无需手动控制）进程= 真正的并行（多核 CPU 发挥作用）Python 中：并发靠 协程/线程，要并行只能用 进程最终目标：合理利用CPU和I/O资源，减少空闲时间并发/并行是目标（任务如何同时执行）进程/线程/协程是手段（如何实现并发或并行）同步/异步是编程模型（代码如何等待结果）阻塞/非阻塞是底层行为（线程是否被挂起）
2025-06-01 22:35:58
980
原创 Langchain学习笔记(九)：输出解析与结构化数据处理
有时，内置的解析器无法满足特定需求，这时需要开发自定义解析器。import re# 自定义解析器 - 提取关键词及其重要性评分return """请以如下格式输出关键词及其重要性评分(1-10):关键词1: 评分关键词2: 评分...例如:人工智能: 9机器学习: 8神经网络: 7"""if match:})# 初始化解析器# 创建提示模板template = """分析以下文本，提取5个最重要的关键词，并给出重要性评分(1-10)。文本: {text}
2025-05-25 15:41:20
730
原创 Langchain学习笔记(八)：Prompt工程与模板设计
本文是Langchain框架的学习笔记；不是教程！不是教程！内容可能有所疏漏，欢迎交流指正。后续将持续更新学习笔记，分享我的学习心得和实践经验。
2025-05-23 21:07:38
486
原创 Langchain学习笔记(七)：Langchain模型接入与调用
本文是Langchain框架的学习笔记；不是教程！不是教程！内容可能有所疏漏，欢迎交流指正。后续将持续更新学习笔记，分享我的学习心得和实践经验。
2025-05-22 17:40:05
853
原创 Langchain学习笔记(六)：Langchain框架介绍与环境搭建
Ollama是一个轻量级工具，用于在本地运行各种开源大语言模型，如Llama 2、Mistral等。它的优势在于：简化本地模型的运行和管理提供API接口，便于与Langchain集成支持多种开源模型资源占用相对较低ollama与langchainOllama是一个应用工具，可以在本地部署和运行大模型，并提供标准化的API接口。
2025-05-21 17:26:12
936
原创 Langchain学习笔记(五)：检索增强生成(RAG)基础原理
本文是Langchain框架的学习笔记；不是教程！不是教程！内容可能有所疏漏，欢迎交流指正。后续将持续更新学习笔记，分享我的学习心得和实践经验。
2025-05-20 16:18:47
646
原创 Langchain学习笔记(四)：向量数据库基础与选型
向量数据库是一种专门设计用于存储、管理和检索高维向量数据的数据库系统。与传统关系型数据库不同，向量数据库针对向量相似性搜索进行了优化，能够高效地找出与查询向量最相似的结果。在AI领域，特别是大语言模型应用中，文本、图像、音频等内容通常被转换为高维向量（嵌入向量Embeddings，通常是几百到几千维的浮点数数组），这些向量捕获了原始内容的语义信息。向量数据库正是为管理这些向量而生。向量数据库的核心是高效的索引算法，这些算法决定了检索的速度和准确性。
2025-05-19 17:35:28
599
原创 Langchain学习笔记(三)：大模型访问方式与部署选择
本文是Langchain框架的学习笔记；不是教程！不是教程！内容可能有所疏漏，欢迎交流指正。后续将持续更新学习笔记，分享我的学习心得和实践经验。在AI大模型应用开发过程中，如何访问和部署大模型是一个关键决策。本文将详细介绍不同的大模型访问方式、部署选择以及相关的技术考量，帮助开发者根据自身需求选择最合适的方案。
2025-05-17 17:30:07
904
原创 Langchain学习笔记(二)：大语言模型开发基础概念详解
Token是大语言模型处理文本的基本单位，可以理解为模型"思考"的最小片段。与我们日常理解的"词"不同，token是经过特殊算法切分的文本单元。不同语言的token特点英文：常见短单词通常是一个token（如"the"、“cat”），而长词或不常见词会被分成多个token（如"unconventional"可能被分为"un"、“convention”、“al”）中文：通常一个汉字对应一个token，但有时会将常见词组合成一个token标点符号：通常是单独的token空格：也被视为独立token特殊字符。
2025-05-16 17:24:47
573
原创 Langchain学习笔记(一)：大语言模型概述与发展历程
大语言模型（英文简写LLM）是一种通过学习海量文本数据来理解和生成人类语言的AI系统。简单来说，它就像一个"超级文本预测器"，能够根据已有文本预测接下来最可能出现的内容。从技术角度看，LLM是一种基于深度学习的神经网络模型，通常采用Transformer架构，包含数十亿到数千亿个参数，经过海量文本数据训练而成。这些模型能够捕捉语言的复杂模式、语法规则、事实知识，甚至是文化背景和上下文关系。
2025-05-15 17:11:42
918
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人