摘要：
今天我们一起来看一段非常实用的 LangChain 代码，它展示了如何用 少样本提示（Few-Shot Prompting） 的方式，让大模型更聪明、更准确地回答数学问题。我会把核心知识点拆解清楚，帮助大家理解每一步的作用和背后的原理。 什么是“少样本提示”（Few-Shot Prompting）？ 阅读全文
posted @ 2026-01-26 12:45
万笑佛
阅读(158)
评论(0)
推荐(0)
摘要：
想让大模型回答问题具有推理步骤如何实现？比如问大模型 李白和白居易谁活得的更久？这个问题，我们期望他按照如下这种格式回答： 问：李白去世时的年龄是多少？答案：李白去世时61岁。问：白居易去世时的年龄是多少？答案：白居易去世时74岁。所以最终答案是：白居易首先我们直接问大模型看他如何回答 from l 阅读全文
posted @ 2026-01-23 10:57
万笑佛
阅读(717)
评论(0)
推荐(0)
摘要：
这个代码的核心功能是：基于输入词的长度动态选择反义词示例，并调用大模型生成反义词，体现了 “动态少样本提示（Dynamic Few-Shot Prompting）” 与 “上下文长度感知的示例选择” 的能力。 from langchain.prompts import FewShotPromptTe 阅读全文
posted @ 2026-01-22 19:31
万笑佛
阅读(676)
评论(0)
推荐(0)
摘要：
目标：构建带上下文记忆的猫咪聊天机器人 先看代码： from langchain_openai import ChatOpenAI from langchain_core.prompts import ChatPromptTemplate from langchain_core.messages i 阅读全文
posted @ 2026-01-20 18:00
万笑佛
阅读(837)
评论(0)
推荐(1)
摘要：
先看代码 import os from langchain_core.output_parsers import StrOutputParser from langchain_core.prompts import ChatPromptTemplate from langchain_openai i 阅读全文
posted @ 2026-01-19 16:18
万笑佛
阅读(708)
评论(0)
推荐(2)
摘要：
今天我们要解锁一个在大语言模型（LLM）应用开发领域超实用的工具 ——Python LangChain 框架。 LangChain 到底是什么？其实不用把它想复杂，它就像是一个 “大语言模型应用的积木搭建平台”—— 我们不用从零开始搭建复杂的 LLM 交互逻辑、数据处理流程，只需要借助 LangCh 阅读全文
posted @ 2026-01-16 10:39
万笑佛
阅读(1276)
评论(0)
推荐(2)
浙公网安备 33010602011771号