上一页 1 2 3 4 5 6 ··· 31 下一页
摘要: Chains指的是将一系列的调用组装成序列--包括大语言模型(LLM),工具tool,还有数据预处理步骤的调用等等。目前最新的实现是通过LangChain Expression Language(LCEL)实现的Chains。 LCEL非常适合构建您自己的Chains,也有一些已经封装好的Chain 阅读全文
posted @ 2025-01-06 11:01 王竹笙 阅读(41) 评论(0) 推荐(0) 编辑
摘要: 由于新岗位的生产效率,要优于被取代岗位的生产效率,所以实际上整个社会的生产效率是提升的。 但是具体到个人,只能说是: “最先掌握AI的人,将会比较晚掌握AI的人有竞争优势”。 阅读全文
posted @ 2025-01-06 10:48 王竹笙 阅读(4) 评论(0) 推荐(0) 编辑
摘要: https://www.processon.com/view/link/6777a65d38625f07c0f3297c 分享地址 adlereden 阅读全文
posted @ 2025-01-03 19:06 王竹笙 阅读(4) 评论(0) 推荐(0) 编辑
摘要: 了解Prompt template,和大模型交互就靠它了 提示板(PromptTemplate)是与大型语言模型(LLMs)交互时用来生成结构化提示的工具。它使用Python的 str.format 方法来构建带有占位符的模板字符串,允许开发者插入特定主题或其他变量以生成定制化的提示。这种方式简化了 阅读全文
posted @ 2025-01-03 17:43 王竹笙 阅读(14) 评论(0) 推荐(0) 编辑
摘要: 上干货,鲜货。 from langchain.prompts import PromptTemplate from langchain.prompts import FewShotPromptTemplate from langchain.prompts.example_selector impor 阅读全文
posted @ 2025-01-03 14:43 王竹笙 阅读(4) 评论(0) 推荐(0) 编辑
摘要: fake 大模型本地化测试,条件不允许的情况下,再没有真实大模型做测试用。 from langchain_community.llms.fake import FakeListLLM # FakeListLLM 返回列表 from langchain.prompts import PromptTem 阅读全文
posted @ 2025-01-03 14:21 王竹笙 阅读(5) 评论(0) 推荐(0) 编辑
摘要: LLMS 大型语言模型(Large Language Models,LLMs)是LangChain的核心组件。LangChain并不提供自己的LLMs,而是提供了一个标准接口,用于与许多不同的LLMs进行交互。 具体来说,这个接口接受一个字符串作为输入,并返回一个字符串。 from langchai 阅读全文
posted @ 2025-01-02 17:35 王竹笙 阅读(45) 评论(0) 推荐(0) 编辑
摘要: 输出解析器(0utput parsers)负责接收大型语言模型(LLM)的输出,并将其转换为更适合的格式。当你使用LLM生成任何形式的结构化数据时,这一点非常有用。 除了拥有大量不同类型的输出解析器之外,LangChain输出解析器的一个显著优势是许多解析器支持流式处理。 简单来说就是:模型输出 > 阅读全文
posted @ 2025-01-02 14:45 王竹笙 阅读(43) 评论(0) 推荐(0) 编辑
摘要: 在本教程中,我们将学习如何创建一个使用少量示例的提示模板(Prompt template)。少量示例的提示模板可以从一组示例(examples)或一个示例选择器( Exampleselector)对象构建。 使用示例集 首先,创建一个少量示例的列表。每个示例应该是一个字典,键是输入变量,值是这些输入 阅读全文
posted @ 2024-12-31 18:19 王竹笙 阅读(80) 评论(0) 推荐(0) 编辑
摘要: 了解Prompt template 提示模板是为大模型生成提示的预定义模版。 一个模板可能包括指令、少量示例,以及适合给定任务的特定上下文和问题。 PromptTemplate 使用 PromptTemplate 创建一个字符串提示的模板。 默认情况下,PromptTemplate使用 Python 阅读全文
posted @ 2024-12-31 16:36 王竹笙 阅读(90) 评论(0) 推荐(0) 编辑
上一页 1 2 3 4 5 6 ··· 31 下一页
点击右上角即可分享
微信分享提示