摘要：
0 前言 在开发复杂的AI应用时,赋予Agent记忆能力是一个关键步骤。这不仅能提高Agent的性能,还能使其在多轮对话中保持上下文连贯性。本文将详细介绍如何在Langchain框架中为Agent添加记忆功能,并深入解析每个步骤的原理和最佳实践。 Agent记忆功能的核心组件 在Langchain中 阅读全文
posted @ 2024-06-26 09:55
公众号-JavaEdge
阅读(703)
评论(0)
推荐(0)
摘要：
1 Zero-shot learning 零样本学习。 1.1 任务定义 利用训练集数据训练模型，使得模型能够对测试集的对象进行分类，但是训练集类别和测试集类别之间没有交集；期间需要借助类别的描述，来建立训练集和测试集之间的联系，从而使得模型有效。 Zero-shot learning 就是希望我们 阅读全文
posted @ 2024-06-25 22:06
公众号-JavaEdge
阅读(475)
评论(0)
推荐(0)
摘要：
1 开源解析和拆分文档 第三方工具去对文件解析拆分，将文件内容给提取出来，并将我们的文档内容去拆分成一个小的chunk。常见的PDF word mark down, JSON、HTML。都可以有很好的一些模块去把这些文件去进行一个东西去提取。 1.1 优势 支持丰富的文档类型 每种文档多样化选择 与 阅读全文
posted @ 2024-06-24 10:30
公众号-JavaEdge
阅读(171)
评论(0)
推荐(0)
摘要：
本文已收录在Github，关注我，紧跟本系列专栏文章，咱们下篇再续！ 🚀 魔都架构师 | 全网30W技术追随者 🔧 大厂分布式系统/数据中台实战专家 🏆 主导交易系统百万级流量调优 & 车联网平台架构 🧠 AIGC应用开发先行者 | 区块链落地实践者 🌍 以技术驱动创新，我们的征途是改变世 阅读全文
posted @ 2024-06-24 09:15
公众号-JavaEdge
阅读(271)
评论(0)
推荐(0)
摘要：
1 模型 来看两种不同类型的模型--LLM 和聊天模型。然后，它将介绍如何使用提示模板来格式化这些模型的输入，以及如何使用输出解析器来处理输出。 LangChain 中的语言模型有两种类型： 1.1 Chat Models 聊天模型通常由 LLM 支持，但专门针对会话进行了调整。提供者 API 使用 阅读全文
posted @ 2024-06-23 22:36
公众号-JavaEdge
阅读(211)
评论(0)
推荐(0)
摘要：
pip install --upgrade langchain==0.0.279 -i https://pypi.org/simple 1 创建一个LLM 自有算力平台+开源大模型（需要有庞大的GPU资源）企业自己训练数据 第三方大模型API（openai/百度文心/阿里通义千问...）数据无所谓 阅读全文
posted @ 2024-06-23 21:18
公众号-JavaEdge
阅读(307)
评论(0)
推荐(0)
摘要：
LLM大模型与AI应用的粘合剂。 1 langchain是什么以及发展过程 LangChain是一个开源框架，旨在简化使用大型语言模型构建端到端应用程序的过程，也是ReAct(reason+act)论文的落地实现。 2022年10月25日开源 54K+ star 种子轮一周1000万美金，A轮250 阅读全文
posted @ 2024-06-23 20:18
公众号-JavaEdge
阅读(167)
评论(0)
推荐(0)
摘要：
1 行业全景图 2 结构拆解AI GC 生成式AI这个产业。分成上中下游三大块。 2.1 上游基础层 主要包括： 算力：包括AI芯片和云服务等，例如像英伟达、AMD以及华为等厂商提供的算力基础设施。大型模型基于Transformer架构，对算力的需求很大。 数据：新时代的石油，分为基础数据服务、数据 阅读全文
posted @ 2024-06-23 16:56
公众号-JavaEdge
阅读(477)
评论(0)
推荐(0)
摘要：
很多同学只知类似Check GPT或者说对国内的一些比较了解，对国外的不太了解，所以在这总结。 1 大模型的发展 左表 名称 参数 特点 发布时间 GPT-2 15亿 英文底模，开源 2019年 Google T5 110亿 多任务微调, 开源 2019年 GPT-3.5 1750亿 人工反馈微调 阅读全文
posted @ 2024-06-22 21:03
公众号-JavaEdge
阅读(315)
评论(0)
推荐(0)
摘要：
1 Zero-shot learning 零样本学习。 1.1 任务定义 利用训练集数据训练模型，使得模型能够对测试集的对象进行分类，但是训练集类别和测试集类别之间没有交集；期间需要借助类别的描述，来建立训练集和测试集之间的联系，从而使得模型有效。 Zero-shot learning 就是希望我们 阅读全文
posted @ 2024-06-17 21:49
公众号-JavaEdge
阅读(87)
评论(0)
推荐(0)
浙公网安备 33010602011771号