langchain

📄️ 1. 大语言模型的开发利器langchain

最近随着chatgpt的兴起，人工智能和大语言模型又再次进入了人们的视野，不同的是这一次像是来真的，各大公司都在拼命投入，希望能在未来的AI赛道上占有一席之地。因为AI需要大规模的算力，尤其是对于大语言模型来说。大规模的算力就意味着需要大量金钱的投入。那么对于小公司或者个人来说是不是什么都做不了呢？

📄️ 2. langchain:Prompt在手,天下我有

prompts是大语言模型的输入，他是基于大语言模型应用的利器。没有差的大语言模型，只有差的prompts。

📄️ 3. 在langchain中使用带简短知识内容的prompt template

langchain中有个比较有意思的prompt template叫做FewShotPromptTemplate。

📄️ 4. 在langchain中使用自定义example selector

在之前的文章中，我们提到了可以在跟大模型交互的时候，给大模型提供一些具体的例子内容，方便大模型从这些内容中获取想要的答案。这种方便的机制在langchain中叫做FewShotPromptTemplate。

📄️ 5. langchain中的LLM模型使用介绍

构建在大语言模型基础上的应用通常有两种，第一种叫做text completion,也就是一问一答的模式，输入是text，输出也是text。这种模型下应用并不会记忆之前的问题内容，每一个问题都是最新的。通常用来做知识库。

📄️ 6. langchain中的chat models介绍和使用

之前我们介绍了LLM模式，这种模式是就是文本输入，然后文本输出。

📄️ 7. 如何在langchain中对大模型的输出进行格式化

我们知道在大语言模型中, 不管模型的能力有多强大，他的输入和输出基本上都是文本格式的，文本格式的输入输出虽然对人来说非常的友好，但是如果我们想要进行一些结构化处理的话还是会有一点点的不方便。

📄️ 8. 如何在langchain中使用外部数据

在大型语言模型（LLM）领域，越来越多的应用需要生成用户特定的数据，这些数据通常超出了模型的训练数据范围。

📄️ 9. 使用langchain的Document loaders加载外部数据

LangChain为开发人员提供了多种文档加载器,LangChain中的文档加载器都在langchain.document_loaders中，langchain把所有要加载的文档都看做是一个Document。