系列文章
[D21] LangChain 專題實做 - 文本嵌入與向量資料庫
在這篇文章中，我們將延續前一天的主題，探討 RAG（Retrieval Augmented Generation，檢索增強生成）的概念。我們先回顧一下，前一天我...
[D22] LangChain 專題實做 - 簡易問答機器人
在前幾篇文章中，我們已經和大家分享了如何讀取和轉換資料，以及如何進行文本嵌入。今天，我們將進一步探討如何利用 LangChain 快速建立自己的問答機器人。 L...
[D23] LangChain 專題實做 - 各類檢索器介紹
在我們的上一篇文章中，我們提到了Langchain不僅提供了向量資料庫的語義相似度查詢功能，還為我們設計了一個通用的檢索器界面。這可能讓你產生一個疑問：既然已經...
[D24] LangChain 專題實做 - 「例句學習」教材生成
在前面的文章裡，我們稍微偏離了原先設定的專案實作路線。這主要是因為，我們認為在沒有完整介紹外部資料的讀取、文本處理、文本嵌入及向量資料庫等議題之前，很難讓讀者完...
[D25] LangChain 專案實做 - 記憶單元的探討（上）
到目前為止，在我們第一篇介紹 LangChain 的文章中，已經為大家展示了如何利用 ConversationChain 快速建立一個具有基本記憶功能的對話機器...
[D26] LagnChain 專題實做 - 記憶單元的探討（下）
在上一篇文章中，我們詳細示範了如何在 LLMChain 中使用 LLM 和 Chat 語言模型來加入記憶功能。我們也瞭解了對話系統訊息的儲存結構。今天，我們將進...
[D27] LangChain 專題實做 - 路由鏈介紹
在第18和19天，我們向大家介紹了LangChain中的幾個核心執行鏈，例如SequentialChain和TransformChain。今天，我們將重點放在一...
[D28] LangChain 專題實做 - ChatBot 的整合（上）
我們終於來到了實際整合自己的聊天機器人的這一步了！在這裡，雖然我們會提供我們在colab上的程式碼供大家參考，但這篇文章主要不會深入探討程式碼。相反地，我們想分...
[D29] LangChain 專題實做 - ChatBot 的整合（中）
當機器人收到影片作為學習內容時，它會自動進入所設置的學習模式。在這學習模式中，我們為使用者提供了四大策略來加強學習體驗：透過影片內容進行摘要學習、影片詞彙學習、...
[D30] LangChain 專題實做 - ChatBot 的整合（下）
在前面第 28 天和第 29 天的分享裡，我們將「選擇影片」和「生成學習策略」的功能，逐一整合到單一的路由處理函式中，打下了建構聊天機器人的基礎。而今天，我們將...