系统架构师

AIGC

从部署到实践，即刻拥有你的专属龙虾助手

OpenClaw开发者专区🦞🦞🦞

自行/邀约他人一键搬运博客，享价值百万资源包

腾讯云自媒体同步曝光计划

往期视频·干货材料·成员作品 最新动态

腾讯技术创作特训营知识专栏

新邀入驻腾讯云开发者社区，福利多多！

今天看来，数据隐私非常重要，尤其是在使用大型语言模型（LLMs）和敏感信息时。公司和个人经常需要使用私人数据，比如个人可识别信息（PII），用于他们的LLM应用程序中。然而，数据泄露和隐私侵犯的风险是一个持续的威胁，这使得实施数据保护措施变得必要。

【LangChain系列】第十节：数据保护

随着语言模型（LLMs）的不断进步，它们的应用变得越来越复杂和精密。随着这种复杂性的增加，评估这些基于LLM的应用程序的性能和准确性也变得更具挑战性。在这篇博客文章中，我们将深入探讨LLM应用评估的世界，探讨可以帮助您评估和改进模型性能的框架和工具。

【LangChain系列】第九节：LLM 应用评估

在机器学习和自然语言处理的快速发展中，大型语言模型是处理各种任务的非常有用的工具。其中一项引起人们极大兴趣的任务是对文档进行问答，其中 LLM 用于根据 PDF、网页或公司内部文件等文档的内容提供准确的回答。这篇博文将深入探讨使用 LLM 对文档进行问答的迷人世界，探索嵌入和向量存储等关键概念。我们还将逐步完成整个过程，并向您介绍LangChain库，该库简化了这些技术的实现。

【LangChain系列】第八节：文档问答

Langchain的核心是“链”的概念，这是一个构建块，允许您组合和编排不同的组件，以创建复杂而智能的应用程序。想象一下，您是一名数据科学家，正在从事一个尖端项目，该项目涉及处理和分析大量非结构化数据，例如客户评论、社交媒体帖子，甚至是学术论文。您的目标是从这些数据中提取见解和有价值的信息，但任务的庞大数量和复杂性可能令人生畏。使用LangChain链，您可以将这个非常复杂的任务分解成更小的、可管理的部分，然后将它们链接在一起，以创建一个无缝的端到端解决方案。这就像拥有一支由高技能助手组成的团队，每个人都专注于一项特定的任务，而您正在协调他们的努力，以构建真正非凡的东西。

【LangChain系列】第七节：工作流（链）

聊天机器人和虚拟助手正变得越来越普遍，在对话中保持上下文和连续性的能力很重要。想象一下，你正在与聊天机器人进行有趣的对话，结果对方却在对话中完全忘记了上下文，不过不要害怕，LangChain的内存管理功能为您提供了支持。内存管理允许对话式 AI 应用程序保留和回忆过去的交互，从而实现无缝和连贯的对话。LangChain提供不同类型的内存类型，每种类型都是为满足特定需求和优化性能而量身定制的。

0【LangChain系列】第六节：内存管理

本节我们将探索 LangChain 的内部工作原理，LangChain 是一个有用的 Python 库，可以简化使用 LLM 的过程。您将能够创建直观、可重用且可扩展的应用程序，这些应用程序可以改变您与 LLM 的交互方式。

【LangChain系列】第五节：大语言模型中的提示词，模型

在这篇博文中，我们将探讨向量存储和嵌入，它们是构建聊天机器人和对数据语料库执行语义搜索的最重要组件。

【LangChain系列】第四节：向量数据库与嵌入

大型语言模型 （LLM） 已成为能够理解和生成类似人类文本的有用 AI 系统。然而，它们的真正潜力在于它们能够充当推理引擎，处理新信息和回答复杂问题。LangChain的代理通过允许LLM与各种工具和数据库进行交互，协助推理和决策任务来释放这种潜力。在这篇博文中，我们将深入探讨LangChain的代理，探索如何使用内置工具配置它们并创建自定义工具来扩展其功能。

【LangChain系列】第三节：Agent代理

当前深度学习框架越来越成熟，对于使用者而言封装程度越来越高，好处就是现在可以非常快速地将这些框架作为工具使用，用非常少的代码就可以构建模型进行实验，坏处就是可能背后地实现都被隐藏起来了。在这篇文章里笔者将设计和实现一个、轻量级的（约 200 行）、易于扩展的深度学习框架 tinynn（基于 Python 和 Numpy 实现），希望对大家了解深度学习的基本组件、框架的设计和实现有一定的帮助。

【AI】从零构建深度学习框架过程学习

在上一篇博客中，我们学习了如何使用LangChain的文档加载器将文档加载为标准格式。加载文档后，下一步是将它们拆分为更小的块。这个过程乍一看似乎很简单，但有一些微妙之处和重要的考虑因素会显着影响下游任务的性能和准确性。

【LangChain系列】第二节：文档拆分

LangChain提供了一套强大的文档加载器，简化了从PDF、网站、YouTube视频和专有数据库（如Notion）等不同来源加载和标准化数据的过程。这篇博文我们将学习LangChain的文档加载功能，涵盖了各种加载器类型、实际应用和代码示例，使你能够轻松地将数据集成到你的机器学习工作流程中。

【LangChain系列】第一节：文档加载

如果您是一名学生，你正在寻求个性化顾问来帮助你的课程作业，那么AI学生顾问正好可以帮助你，这是一种创新的解决方案，利用 AI 的力量彻底改变学生咨询。

【LLM】智能学生顾问构建技术介绍（基于Lyrz SDK + OpenAI Api 实现）

LangChain 代理背后的思想是利用大语言模型以及要执行的一系列操作，代理使用推理引擎来确定要执行哪些操作来获取结果，代理对于处理从简单的自动响应到复杂的上下文感知交互等任务至关重要。例如，您可能有一个与 Google 搜索、Wikipedia 和 OpenAI LLM 集成的代理。使用给定的代理工具，他们可以在 Google 中搜索结果，然后使用维基百科工具中检索到的上下文来查找详细信息并扩展上下文。您必须放置明确定义的指令，以确保代理将以正确的顺序调用工具。

【AIGC】LangChain Agent（代理）技术实现及代码学习

英语已成为交流的通用语言，但许多人都在努力学习它，尤其是非母语人士。Lingo是一款由人工智能驱动的英语学习应用程序。Lingo 提供基本的英语课程和高级功能，以帮助用户提高他们的语言技能。

【AIGC】基于大语言模型的英语小助手Lingo学习总结

想象一下，您的公司可以使用强大的 AI 工具，该工具可以处理大量数据并提取重要结论、识别关键信息并有效地总结它。这些功能可以显着提高员工的工作效率，使他们能够专注于工作中最有价值的方面，而不是耗时的数据处理。在这种情况下，检索增强生成 （RAG） 开辟了新的视角。RAG 允许将 AI 模型与公司的特定内部数据集成，不仅可以进行处理，还可以对这些知识进行智能解释和利用。在本文中，我们将探讨如何实现这一点。

【AIGC】检索增强技术深度剖析（RAG）

我们生活在一个快速发展的社会中，每个人都在奔跑！我们似乎总是没有时间阅读、了解自己和享受一些高质量的内容。在这种氛围中，我们只能希望有什么东西能帮上忙，而这个东西可以是人工智能。

【AIGC】基于大语言模型构建PDF文档解析服务，生成内容总结，文档摘要

ChatGPT 是多语言的，但是，它不会产生与用英语查询它相同的高性能。同时，对于非英语人士来说，这可能也是障碍，原因有二：

【AIGC】多语言聊天机器人服务构建（基于bloom大语言模型）

在之前的博客文章中，我们已经描述了嵌入是如何工作的，以及RAG技术是什么。本节我们我们将使用 LangChain 库以及 RAG 和嵌入技术在 Python 中构建一个简单的 LLM 应用程序。

【AIGC】通过RAG架构LLM应用程序

一个包含许多概念和缩写的标题，别担心，下面我将为你一一解释，谷歌趋势显示，生成式人工智能是讨论最多的流行语：

【AI】SLM，LLM，对话式AI，生成式AI的差异分析

LangChain Agent的终极指南，本教程是您使用 Python 创建第一个agent的重要指南，请立即开始你的 LLM 开发之旅。

【AIGC】LangChain Agent最全教程学习

文章

问答

视频

教程

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云智能顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

聚焦“写作效率、视觉美观与运行性能”三方面进行全面升级，为您提供更高效、稳定的创作环境

社区富文本&Markdown编辑器全新改版上线，欢迎大家体验!

诚挚邀请您参与本次调研，分享您的真实使用感受与建议。您的反馈至关重要，感谢您的支持与参与！

社区新版编辑器体验调研

腾讯云开发者社区推出了AIGC专栏，为你提供了AIGC的相关文章，致力于帮助开发者快速成长与发展。

AIGC

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐