摘要這篇文章主要探討了「AI 代理」領域的最新進展,以吳恩達團隊推出的 Translation Agent 開源工具為例,展現了 AI 如何革新翻譯的效率和準...
摘要這篇文章探討了大型語言模型(LLM)領域中的反思機制,特別是新興的 Reflexion 技術。它首先回顧了先前 Self-Refine 技術的局限性,例如...
前言 今天我們會展示以抓取新聞為外部資料源,並且用OpenAI的embeddingmodel將資料源轉成向量存入本地的向量資料庫,接著再將使用者詢問的問題,進行...
前言 昨天我們進行RAG的介紹、使用RAG的步驟與優劣勢,那麼今天我們將會介紹我們在LangChain使用RAG的詳細步驟,畢竟會需要外部資料源,我們之後會從資...
前言 之前我們有提到LangChain的結構 現在我們已經有Prompt、LLM、Chain現在我們要開始介紹Document的部分,我們會介紹提示工程的RAG...
前言 前天和昨天,我們進行promptTemplate和langServe快速部屬api的操作範例,但今天介紹及說明另外一個核心功能,結構化輸出structur...
前言 昨天我們進行PromptTemplate的解說,以及兩人對話劇本產生器的應用示範,我們今天會進行LnagServe的使用,並且嘗試把兩人對話劇本產生器部屬...
前言 昨天進行LangChain的核心功能Chain的使用,定義一系列的有順序的任務流程,那麼今天我們也會介紹另一個核心功能PromptTemplates,在任...
摘要這篇文章探討了 LangChain 和 LangGraph 這兩個強大的工具,它們能夠賦予 AI 模型呼叫外部程式碼的能力,進而擴展其功能並實現更智能的交...
摘要展示了 LangChain 與 LangGraph 的串流功能,旨在說明如何以分段式輸出和事件串流的方式提升基於大型語言模型 (LLM) 應用程式的效能。...
摘要這篇文章深入淺出地介紹了 LangGraph,一種由 LangChain 團隊開發的工具,用於構建更靈活且複雜的 AI 代理工作流程。LangGraph...
摘要LangGraph 是一個用於建立複雜、狀態化的多AI代理系統的革命性框架,特別適用於與大型語言模型 (LLM) 合作。LangGraph 以圖形結構為基...
前言 昨天進行了model的串接功能 今天主要會說明串接model之後,會需要進行一系列的任務串接,包含Prompt的使用、LLM的呼叫、格式化輸出,涉及多個複...
今天要說明LangChain的安裝和LLM的連接 主要使用python進行安裝 pip install langchain 接著連接LLM langChai...
前言 在實習時,偶然接觸到LangChain,以一名大學生的角度觀看LangChain這整個框架和應用主要參照如下並進行修改官方文件 https://pytho...
各位前輩好,小弟目前正在試圖前往開源的路上,目前先從生活中可能會碰到的問題來試著寫一些小套件來解決,對於文章有任何問題歡迎來信或留言討論,我的信箱是 nickc...
簡介 歡迎點進來的朋友,在 AI 技術日新月異的今日,Agentic System 正掀起一場前所未有的革命。本系列將帶您深入探索這個令人興奮的領域,從靈活高...
簡介 除了下層的推論框架以外,也有非常多人在關注上層的應用開發,其中最炙手可熱的當屬 LangChain 框架。當我們開始實際使用 LLM 開發相關應用程式時,...
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...
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、...
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...
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...
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...
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...
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...
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...
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...
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...
今天來說說最常見可能也是大家最熟悉的聊天機器人可能在腦袋裡都會有個想法,要是有懂我的聊天機器人該有多好可以問他各種問題,不會被資料侷限擴充更多資料,回答更多問題...
在我們之前的文章中,無論是摘要、例句推薦等,都是用固定的資料來模擬各種情境。但現實世界的應用遠比這複雜。接下來的幾篇文章,我們將帶領大家更深入地了解如何處理真實...