目录
3.2.2.1 PromptTemplate 简单提示词模板
3.2.2.2 ChatPromptTemplate 聊天提示词模板
3.2.2.3 MessagePlaceholer 聊天提示词模板
OpenAI作为人工智能领域的先锋，其提供的API为开发者打开了构建智能应用的大门。而作为LLM领域的佼佼者Langchain，随着RAG在众多的领域进行落地实践，Langchanin的热度也越来越高，然而，想要在实际项目中有效利用Langchanin提供的各种能力，了解如何使用Langchain进行集成是非常重要的。本文将详细介绍如何使用OpenAI集成Langchain，并使用Langchain的各种核心组件能力。
在正式开始使用Langchain之前，你需要在本地准备基础的开发和运行环境，比如python环境、Langchain组件等，参考下面的操作步骤即可。
AI绘画工具背后的视觉技术：Stable Diffusion解析 * 一、前言 * 1.1 AI 绘画的兴起 * 1.2 Stable Diffusion 的地位与影响 * 二、Stable Diffusion 基础概念 * 2.1 定义与基本原理 * 2.2 发展历程 * 三、技术核心解析 * 3.1 扩散模型基础 * 3.1.1 正向扩散过程 * 3.1.2 逆向扩散过程 * 3.2 潜在空间（Latent Space） * 3.2.1 潜在空间的概念 * 3.2.2 在
Vscode新手必看：GitHub Copilot从安装到实战的5个高效用法 最近和几位刚入行的朋友聊天，发现他们虽然装了Vscode，也听说过GitHub Copilot的大名，但真正用起来的却不多。要么是觉得配置麻烦，要么是打开后只会傻傻地等它自动补全，完全没发挥出这个“AI结对程序员”的威力。这让我想起自己刚开始用Copilot那会儿，也是摸索了好一阵子才找到感觉。今天，我就把自己从安装到深度使用过程中，那些真正提升效率的实战心得整理出来，希望能帮你绕过那些坑，快速把Copilot变成你的开发利器。 GitHub Copilot远不止是一个高级的代码补全工具。当你真正理解它的工作模式，并学会与之高效“对话”时，它能在代码生成、逻辑解释、问题调试乃至学习新框架等多个维度，显著改变你的编程体验。这篇文章不会重复那些官网都有的基础操作，而是聚焦于五个经过实战检验的高效用法，让你从“会用”进阶到“精通”。 1. 环境准备与深度配置：不止是安装插件 很多教程把安装Copilot描述为“点一下按钮”那么简单，但要想获得流畅稳定的体验，一些前置准备和深度配置至关重要。这就像给赛车加油
新手避坑指南：使用 Llama-Factory 常见的十个错误及解决方案 在大模型时代，越来越多的研究者和开发者希望将预训练语言模型应用于垂直领域——比如客服问答、法律咨询或医疗辅助。然而，直接从零开始训练一个大模型既不现实也不经济。于是，微调（Fine-tuning） 成为最主流的方式。 但问题来了：传统微调需要写复杂的训练脚本、管理分布式环境、处理显存瓶颈……这对新手来说简直是“劝退三连”。直到 Llama-Factory 的出现。 这个开源项目像是一站式自助餐厅，把数据预处理、模型加载、LoRA/QLoRA 配置、训练监控、权重合并全都打包好了，甚至提供了可视化界面，点点鼠标就能启动训练。听起来很美好？没错，但它也有自己的“隐藏规则”——稍有不慎，就会遇到训练崩溃、显存溢出、权重无效等问题。 下面我们就来盘点一下，使用 Llama-Factory 时新手最容易踩的十个坑，并结合底层机制给出真正能落地的解决建议。 为什么你明明用了 LoRA 还是爆显存？ 这是最常见的第一问：
VSCode Copilot 终极魔改：以智谱 GLM-5.1 为例，一文搞定任意大模型接入 前言：为何你的 Copilot 需要一次“魔改”？ 本文旨在帮助所有希望突破 VSCode Copilot 模型限制、追求更高代码效率和性价比的开发者。如果你也曾面临以下困境，那么这篇文章就是为你量身打造的： * Copilot 官方模型不够用：想尝试最新、最强的国产模型（如智谱 GLM、文心一言、Kimi）却无从下手。 * API 订阅成本高：官方或其他国外模型的订阅费和按量计费（通常以美元结算）让个人开发者望而却步。 * 替代品体验有瑕疵：其他辅助插件在某些场景下不如原生的 Copilot 轻便、流畅。 本文将提供一个终极解决方案：通过一个 VSCode 插件，无缝接入任何支持 OpenAI 兼容接口的大模型。我将以当前备受瞩目的国产模型智谱 GLM-5.1 为例，