LangChain是一个框架，用于开发由LLM驱动的应用程序。可以简单认为是LLM领域的Spring，以及开源版的ChatGPT插件系统
基于Langchain与ChatGLM等语言模型的本地知识库问答应用实现。项目中默认LLM模型改为THUDM/chatglm2-6b[2]，默认Embedding模型改为moka-ai/m3e-base[3]。 一.项目介绍 1.实现原理 本项目实现原理如下图所示，过程包括加载文件->读取文本->文
1.概述 前段时间LangChain发布了LangGraph，它引起了很多关注。LangGraph 的主要优势在于它能够实现循环工作流，这对于在 LLM 应用程序中模拟类似代理的行为至关重要。本篇博客，笔者将从介绍 LangGraph 的功能和用例，强调它与典型的有向无环图 (DAG)工作流的区别，
我们很高兴官宣发布 langchain_huggingface ，这是一个由 Hugging Face 和 LangChain 共同维护的 LangChain 合作伙伴包。这个新的 Python 包旨在将 Hugging Face 最新功能引入 LangChain 并保持同步。 源自社区，服务社区
Semantic Kernel 与 LangChain 类似，但 Semantic Kernel 是为应用开发开发人员创建的SDK项目，它支持.NET, Python 以及 Java，但是对.NET支持最成熟（微软自家孩子嘛），可以让你的应用很轻易的集成AI大语言模型。今天我们快速地使用Semant...
[toc] # 简介 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
微信公众号文章 Semantic Kernel —— LangChain 的替代品?[1] ，它使用的示例代码是Python ，他却发了这么一个疑问：支持的语言对比（因为 Semantic Kernel 是用 C#开发的，所以它对 C#比较支持）如上所示。不清楚 Semantic Kernel 为什
本文介绍了Llama2模型集成LangChain框架的具体实现，这样可更方便地基于Llama2开发文档检索、问答机器人和智能体应用等。 1.调用Llama2类 针对LangChain[1]框架封装的Llama2 LLM类见examples/llama2_for_langchain.py，调用代码如下
本文将介绍我利用集团9n-triton工具部署ChatGLM2-6B过程中踩过的一些坑，希望可以为有部署需求的同学提供一些帮助。
本文展示了自然语言处理的下一步发展——模块化推理、知识和语言（ the Modular Reasoning, Knowledge and Language，简称为MRKL）系统以及LangChain和Semantic Kernel的实现。 MRKL 系统包括一个或多个语言模型，并通过外部知识源和符号
以OpenAI 的ChatGPT 所掀起的GenAI 快速创新浪潮，其中连接LLM 和 应用之间的桥梁的两大开源项目：LangChain[1]和Semantic Kernel[2] ，在半年前写过一篇文章 LangChain vs Semantic Kernel [3]，这半年以来Semantic
当前，在各个大厂纷纷卷LLM的情况下，各自都借助自己的LLM推出了自己的AI Agent，比如字节的Coze，百度的千帆等，还有开源的Dify。你是否想知道其中的原理？是否想过自己如何实现一套AI Agent？当然，借助LangChain就可以。
