
LLM 大模型学习:理解 Prompts 概念与 LangChain 快速应用技巧
Prompt 是自然语言交互方式,通过语料库和语义解析将自然语言转为机器指令。介绍 LangChain 中 PromptTemplate 和 ChatPromptTemplate 的使用,涵盖字符串提示、聊天消息列表构建及 Runnable 接口调用。此外还讲解了 FewShotPromptTemplate 中的示例选择器,包括长度选择、MMR、Ngram…
博客作者
浴火重生
315
已发布文章
8.9K
博客获赞
801K
博客浏览
第 15 页

Prompt 是自然语言交互方式,通过语料库和语义解析将自然语言转为机器指令。介绍 LangChain 中 PromptTemplate 和 ChatPromptTemplate 的使用,涵盖字符串提示、聊天消息列表构建及 Runnable 接口调用。此外还讲解了 FewShotPromptTemplate 中的示例选择器,包括长度选择、MMR、Ngram…

探讨了大模型在场景落地过程中的关键技术方向与实践路径。文章首先分析了从通用大模型到垂直领域应用的转化难点,随后详细阐述了四大核心应用场景:角色扮演、Text2SQL、检索增强生成(RAG)及 AI Agent。针对每个场景,文中解析了其技术实现原理、面临的挑战及解决方案,如提示词工程、LoRA 微调、Schema Linking、混合检索及工具调用等。最后总…

大模型应用开发中检索增强生成(RAG)的高级技术涵盖查询转换、智能体及后处理三大模块。查询转换包括重写、多路召回、假设文档嵌入及后退一步提示词;智能体利用函数调用自动选择数据源;后处理涉及长文本重排序、上下文压缩、回答细化及情感提示工程。结合 LangChain 与 LlamaIndex 实现,旨在优化检索上下文质量,提升大模型回答的准确性与相关性。

详细解析了 LLM RAG(检索增强生成)的工作原理与实现路径。文章首先阐述了 RAG 解决大模型知识滞后、幻觉及领域适配问题的核心价值。随后深入技术细节,涵盖文档加载、文本分割策略、向量化模型选择、向量数据库存储及多种数据召回算法。文中还补充了混合检索、查询重写等优化方案,以及评估指标与延迟成本控制等工程实践要点,为构建高质量 RAG 应用提供了完整的技术…

介绍利用 AutoGen 框架开发多智能体协同应用的方法。涵盖环境安装、ConversableAgent 配置、单智能体交互及双智能体相声场景模拟。重点讲解对话控制参数如终止条件与回合限制,并探讨高级功能如函数调用与代码执行。通过实践案例展示如何平衡对话连贯性与趣味性,实现自然流畅的多轮交互,适用于自动化客服、游戏 NPC 等场景。

详细阐述了 AI 产品经理的定义、职责范围及核心能力模型,涵盖计算机视觉、自然语言处理与策略 AI 三大方向。文章分析了行业现状与发展趋势,指出技术正从数字化向数智化演进,且解决方案趋于一体化。针对大模型时代,提供了从系统设计、提示词工程、RAG 应用到微调开发及多模态应用的系统化学习路径,并列举了 Python、PyTorch、LangChain 等关键技…

RAG 应用的核心在于向量 Embedding 模型的选择与评估。文章首先分析了如何根据用例确定模型需求,接着详细介绍了基于 MTEB 排行榜选择通用模型的关键指标,包括任务类型、语言、得分、规模及维度等。随后提供了在自定义数据集上评估模型性能的方法,通过准确率与召回率对比不同模型效果。最后补充了重排序、混合搜索及模型量化等进阶优化策略,旨在帮助开发者在生产…

针对大语言模型黑箱特性导致的传统持续学习困境,介绍 CLOB 框架及其核心 CIS 方法。通过知识原子化、动态知识图谱及分层置信蒸馏,实现无需微调的持续学习。实验表明该方法在 Banking-77 等数据集上准确率显著优于基线,且成本降低 98%。解决了灾难性遗忘问题,支持流式学习与跨平台移植,为 Prompt 工程师提供了新的技术路径。
Python 提供了多种高效编程技巧,涵盖变量交换、推导式、计数器、JSON 格式化及迭代工具等核心功能。详细解析了列表、字典推导式的用法,介绍了 collections 和 itertools 模块的高级特性,并通过 FizzBuzz 等实例展示了简洁的代码实现方式。同时修正了旧版本语法,确保代码在 Python 3 环境下运行,帮助开发者提升编码效率与可…

Python 数据分析中的分类算法,涵盖决策树、随机森林、SVM、KNN 等常见模型的原理与特点。内容包含数据准备、特征工程(选择、缩放、提取)、超参数调优(网格搜索、随机搜索)及模型评估指标(准确率、精确度、召回率、F1、AUC)的完整讲解。通过 Scikit-Learn 库提供了多个代码示例,包括医学诊断案例,并讨论了过拟合、类别不平衡等常见问题及解决方…

系统介绍了大语言模型(LLM)的核心概念、架构原理及学习路径。内容涵盖 Transformer 基础架构、LangChain 框架应用、模型微调与部署技术,并推荐了多本经典教材与实践项目。旨在帮助开发者从零构建 LLM 知识体系,掌握提示工程、智能体开发及安全防御等关键技能,适合有深度学习基础的初学者进阶。

介绍如何利用 Python 结合通义千问大模型构建智能网页爬虫。通过 requests 获取网页 HTML,利用 BeautifulSoup 提取原始内容,再借助大模型 API 将非结构化数据转换为结构化 JSON 信息。该方法降低了传统正则匹配的难度,适用于复杂页面数据的快速提取。文章详细阐述了环境搭建、Prompt 设计、API 调用及响应解析等关键步骤…
JavaScript 进阶技巧涵盖扩展运算符、空值检查及函数式编程方法。扩展运算符用于数组拷贝合并与对象展开;可选链与空值合并运算符简化了嵌套属性访问与默认值处理;map、filter 和 reduce 组合实现数据转换与聚合,提升代码简洁性与可维护性。

针对大模型在数值比较任务中出现的典型错误(如认为 9.11 大于 9.8),研究团队 Transluce 发布了名为 Monitor 的开源交互界面。该工具通过可视化语言模型的内部神经元激活模式,帮助人类理解模型为何将数字误判为日期或版本号。Monitor 利用 AI 驱动的管道自动生成神经元描述,并通过向量数据库进行语义聚类。用户可实时查看特定 token…

Function Calling 技术通过让大模型输出函数调用请求,实现了与大模型外部工具及业务系统的连接。文章阐述了该机制的定义、工作流程及国产大模型的支持情况,对比了 OpenAI Actions 与 GPTs 的实现差异。内容涵盖代码示例、常见陷阱分析及高级配置建议,旨在帮助开发者构建自然语言驱动的认知系统,解决大模型知识滞后与逻辑幻觉问题,提升实际业…

详细解析了互联网大厂校招的时间节点、简历制作技巧、技术储备方向及面试流程。涵盖秋招春招策略、内推渠道选择、基础理论复习重点以及 Java、Android、算法等核心领域的常见面试题解答思路,帮助求职者系统规划职业路径,提升入职成功率。

Android 开发中常见的 Java 基础、Android 组件通信、Framework 原理及 Flutter 架构面试题。涵盖抽象类与接口区别、线程状态管理、Handler 机制、Binder 跨进程通信、Activity 生命周期及 Flutter 渲染树等核心知识点,并提供详细解答与技术解析,帮助开发者系统复习面试重点。内容包含代码示例与原理图解说…

普通人兼职做自媒体的真实收入状况,指出月入过万多为少数人的长期积累结果。文章通过作者实际收入数据揭示自媒体收入的不稳定性,强调不建议零基础裸辞。核心观点包括自媒体变现本质是提供价值内容,需要持续学习和高质量输出。尽管门槛低、天花板高且有助于个人成长,但需克服前期无收益的压力。文章提供了新手起步的实操指南,涵盖赛道选择、平台定位、内容规划及变现路径,鼓励读者以…

AI 产品经理在智能文档审阅与工业互联网数字孪生场景下的产品开发流程。涵盖需求定义、模型预研、数据准备、模型构建、模型宣讲及模型验收六个核心阶段。重点阐述了各阶段的工作内容、注意事项及案例经验,如模型能力边界判定、数据质量异常处理、特征稳定性保障等。旨在帮助从业者理解 AI 项目从业务目标到落地评估的全链路逻辑,明确不同阶段的交付物与协作要点,提升 AI 产…

Python 语言的基本概念、历史背景及其核心特性。详细分析了 Python 相较于其他语言的优势,如语法简洁、库资源丰富、开发效率高,同时也指出了其在执行速度和 GUI 开发方面的局限性。文章列举了 Python 的主要应用场景,包括 Web 开发、网络爬虫、自动化办公、数据分析及人工智能等领域,并探讨了相关的职业发展方向。最后提供了系统的学习路径建议及基…