alannero

摘要： Tool Calling（工具调用） 或 Function Calling（函数调用），说的是：模型在回答过程中，不直接给最终自然语言，而是先输出“我想调用某个工具，并附带参数”这一结构化意图 模型负责决定：要不要调用工具、调用哪个工具、传什么参数 程序负责执行：真正去调用函数 / API / 数据 阅读全文

摘要： 常见解析器分类: 解析器 最终结果 适用场景 说明 StrOutputParser 字符串 str 只需要展示文本，不需要拆字段 最简单，通常就是取出模型输出正文内容 JsonOutputParser Python dict / list 希望模型返回 JSON，再交给程序继续处理 适合字段抽取、接 阅读全文

摘要： 注册进来完成后,选择创建实例 1.选择Amazon linux 2. 其他都选择免费的就行 3. 连接上实例后,创建root密码 sudo passwd root 然后输入8位密码,再输一遍确认用 4. 切换root su root 输入刚才密码回车 5. 输入命令 yum update -y && 阅读全文

摘要： 模板类型 类型 说明 定位 PromptTemplate 面向纯文本模板，填值后通常得到一条字符串 重点掌握 ChatPromptTemplate 面向聊天模型的多角色模板，填值后得到多条消息 重点掌握 FewShotPromptTemplate 把若干“示例输入-输出”嵌入提示词 了解 Pipel 阅读全文

摘要： prompt 不只是把一句话写漂亮，而是把模型输入组织清楚。 在真实项目中，Prompt 通常承担几件事： 告诉模型它是谁，要扮演什么角色。 告诉模型当前任务是什么，回答边界是什么。 告诉模型输出格式应该长什么样。 把用户问题、历史对话、检索结果、工具结果组合成一次完整输入。 import asyn 阅读全文

摘要： 想离线使用模型 想减少对云端 API 的依赖 想做本地开发、本地测试 想让敏感数据尽量不出本机 想学习开源模型和本地推理的基本流程 云端 API：模型在别人服务器上，你通过网络调用 Ollama 本地运行：模型在你机器上，你通过本机服务调用 官网下载太慢，一个多G，网盘链接： 下载Ollama地址 阅读全文

摘要： response = model.invoke("写一句关于春天的诗，14 字以内") print(type(model)) # 模型客户端对象 print(type(response)) # AIMessage print(type(response.content)) # str AIMessa 阅读全文

摘要： Format：像下单前把需求写清楚，例如要不要辣、几人份、送到哪里。你写得越清楚，模型越不容易答偏。 Predict：像把订单交给餐厅处理。你可以换不同餐厅（不同模型），但你希望下单方式尽量统一。 Parse：像外卖到了之后先分装、贴标签。原始回答可能很长，但系统往往需要结构化的数据才能继续处理。 阅读全文

摘要： from langchain_openai import ( ChatOpenAI, ) # 用 OpenAI 兼容接口和模型对话（阿里云等也兼容这个接口） import os # Python 自带：用来读「环境变量」（如 API 密钥） # load_dotenv：从项目根目录的 .env 文件 阅读全文

摘要： import os from dotenv import load_dotenv from langchain.chat_models import (init_chat_model,) load_dotenv(encoding="utf-8") # 2. 实例化模型并调用 llmQwen = in 阅读全文