CharXL - 博客园

2025年8月29日

摘要： scp： # 从主机A拷贝文件到主机B scp /path/to/file user@remote_host:/path/to/destination # 从主机B拷贝文件到主机A scp user@remote_host:/path/to/file /path/to/local rsync： # 阅读全文

posted @ 2025-08-29 14:07 CharXL 阅读(49) 评论(0) 推荐(0)

git版本管理全流程命令操作

摘要： git完整使用流程： # 1. 从远程仓库拉取代码 git clone <repo link> # 2. 从mian分支创建其他分支 git checkout -b <my_branch> # 3. 查看main分支最新提交，但不合并（pull会合并merge） git fetch origin # 阅读全文

posted @ 2025-08-29 14:05 CharXL 阅读(85) 评论(0) 推荐(0)

2025年2月21日

RAG（4）：自动合并检索Auto-merging Retrieval

摘要：自动合并检索的使用 from llama_index import Document document = Document(text="\n\n".join([doc.text for doc in documents])) from llama_index.node_parser import 阅读全文

posted @ 2025-02-21 16:51 CharXL 阅读(153) 评论(0) 推荐(0)

RAG（3）：句子窗口检索Sentence Window Retrieval

摘要：使用句窗检索句窗检索机制同基本RAG对比 # 设置句窗检索 ## 1.创建句窗节点解析器 from llama_index.node_parser import SentenceWindowNodeParser ## 将文档分割为句子，并利用句子周围的上下文增强句子块 # create the s 阅读全文

posted @ 2025-02-21 16:49 CharXL 阅读(243) 评论(0) 推荐(0)

RAG（2）：三合一评估标准Triad of metrics

摘要：答案相关性Answer relevance # 1.答案相关性 ## 初始化设置 import nest_asyncio from trulens_eval import OpenAI as fOpenAI from trulens_eval import Feedback nest_asyncio 阅读全文

posted @ 2025-02-21 16:47 CharXL 阅读(136) 评论(0) 推荐(0)

RAG（1）：管道Pipeline

摘要：基础的RAG Pipeline # 设置RGA基本管道 from llama_index import SimpleDirectoryReader from llama_index import Document from llama_index import VectorStoreIndex fr 阅读全文

posted @ 2025-02-21 16:45 CharXL 阅读(89) 评论(0) 推荐(0)

langchain（6）：代理Agent

摘要： llm使用从互联网上学习的各类背景知识，同时利用你提供的新信息来帮助你回答问题、推理内容、决定下一步操作等 # 使用llm作为agent的推理引擎，其连接到其他数据和计算资源 # 所以将temperature设置为0，希望结果尽可能好和精确，消除随机性 llm = ChatOpenAI(temper 阅读全文

posted @ 2025-02-21 16:05 CharXL 阅读(130) 评论(0) 推荐(0)

langchain（5）：评估

摘要：评估结果的好坏（llm+）链评估其他llm、其他链和其他应用评估链用什么数据集评估，通过查看数据创建评估问题 # 方法1，通过观察不同数据集创建对应的QA examples = [ { "query": "Do the Cozy Comfort Pullover Set\ have side 阅读全文

posted @ 2025-02-21 16:04 CharXL 阅读(92) 评论(0) 推荐(0)

langchain（4）：基于文档的问答

摘要：给定pdf、网页或公司内部文档库中提取的文本，使用llm回答关于这些文档内容的问题，llm+没被训练的数据 1.导入环境变量和需要用到的库 # 环境变量 import os from dotenv import load_dotenv, find_dotenv _ = load_dotenv(fin 阅读全文

posted @ 2025-02-21 16:03 CharXL 阅读(134) 评论(0) 推荐(0)

langchain（3）：链

摘要： llm chain：它会在后台格式化提示词，然后将格式化后的提示词传给llm prompt = ChatPromptTemplate.from_template( "What is the best name to describe \ a company that makes {product}? 阅读全文

posted @ 2025-02-21 16:00 CharXL 阅读(128) 评论(0) 推荐(0)