1 简介
本节课程将介绍如何使用LangChain和自有数据进行对话
LangChain的组件包括:
- 提示(Prompts): 使模型执行操作的方式。
- 模型(Models):大语言模型、对话模型,文本表示模型。目前包含多个模型的集成。
- 索引(Indexes): 获取数据的方式,可以与模型结合使用。
- 链(Chains): 端到端功能实现。
- 代理(Agents): 使用模型作为推理引擎
课程内容:
- 介绍如何使用LangChain文档加载器 (Document Lo
本节课程将介绍如何使用LangChain和自有数据进行对话
LangChain的组件包括:
课程内容:
LangChain是用于构建大模型应用程序的开源框架
直接使用OpenAI的示例:
import os
import openai
#
以构建客服助手为例,使用不同的 Prompt 链式调用LLM搭建复杂应用
LLM 可以通过使用监督学习来构建,通过不断预测下一个词来学习
LLM 的输出是token,代表常见的字符序列
《ChatGPT Prompt Engineering for Developers》
本课程包含大量提示工程的场景示例,笔记中仅作简单记录
LLM 的两种类型:
本文中大部分算法都可通过R语言的latend包复现
轨迹分组算法(Group-based trajectory model,GBTM)