?!DOCTYPE html PUBLIC "-//W3C//DTD XHTML 1.0 Transitional//EN" "http://www.w3.org/TR/xhtml1/DTD/xhtml1-transitional.dtd"> 亚洲精品tv久久久久久久久久,亚洲成av人片在线观看麦芽

亚洲精品92内射,午夜福利院在线观看免费 ,亚洲av中文无码乱人伦在线视色,亚洲国产欧美国产综合在线,亚洲国产精品综合久久2007

?div class="header_top">
Java知识分n|?- L学习(fn)从此开始! (tng) (tng) (tng) (tng)
SpringBoot+SpringSecurity+Vue+ElementPlus权限pȝ实战评 震撼发布        

最新Java全栈׃实战评(免费)

AI人工学习(fn)大礼?/h2>

IDEA怹Ȁz?/h2>

66套java实战评无套路领?/h2>

锋哥开始收Java学员啦!

Python学习(fn)路线?/h2>

锋哥开始收Java学员啦!
当前位置: 主页 > Java文 > 人工AI >

LangChain 入门指南构徏高可复用、可扩展?LLM 应用E序 李特?/h2>

分n刎ͼ(x)
旉:2025-05-17 09:57来源:http://www.sh6999.cn 作?转蝲  侉|举报
LangChain 入门指南构徏高可复用、可扩展?LLM 应用E序 李特?/div>
失效链接处理
LangChain 入门指南构徏高可复用、可扩展?LLM 应用E序 李特?PDF 下蝲


下蝲地址Q?/strong>
版权归出版社和原作者所有,链接已删除,误买正?br style="padding: 0px; margin: 0px;" />
用户下蝲说明Q?/strong>

?sh)子版仅供预览,下蝲?4时内务必删除,支持正版Q喜Ƣ的误买正版书c:(x)
https://product.dangdang.com/29666428.html
 

相关截图Q?br />




资料介:(x)

q本书专门ؓ(f)那些对自然语a处理技术感兴趣的读者提供了(jin)pȝ的LLM应用开发指南。全书分?1章,从LLM基础知识开始,通过LangChainq个开源框架ؓ(f)读者解L个LLM应用开发流E。第1~2章概qLLM技术的发展背景和LangChain框架的设计理c(din)从W?章开始,分章深入介绍LangChain?大模块,包括模型I/O、数据增强、链、记忆等Q通过大量代码CZ让读者了(jin)解其原理和用法。第9章通过构徏PDF问答E序Q帮助读者将之前学习(fn)的知识应用于实践。第10章则介绍集成Q可拓宽LangChain的用途。第11章ؓ(f)初学者简要解析LLM的基理论Q如Transformer模型{。本书以LangChainq个让h熟?zhn)的框架?f)ȝQ引D者一步一步掌握LLM应用开发流E,适合对大语言模型感兴的开发者、AI应用E序开发者阅?/span>


资料目录Q?br />
W? ?LangChainQ开启大语言模型时代的钥?/span>
1.1 大语a模型概述
1.1.1 什么是大语a模型
1.1.2 大语a模型的发?/span>
1.1.3 大语a模型的应用场?/span>
1.1.4 大语a模型的基知识
1.2 LangChain 与大语言模型
W? ?LangChain 入门指南
2.1 初识LangChain
2.1.1 Z么需要LangChain
2.1.2 LLM 应用开发的最? 公里
2.1.3 LangChain ? 个关键词
2.1.4 LangChain ? 个场?/span>
2.1.5 LangChain ? 大模?/span>
2.2 LangChain 的开发流E?/span>
2.2.1 开发密钥指?/span>
2.2.2 ~写一个取名程?/span>
2.2.3 创徏你的W一个聊天机器h
2.4 LangChain 表达?/span>
W? ?模型I/O
3.1 什么是模型I/O
3.2 模型I/O 功能之模型包装器
3.2.1 模型包装器分c?/span>
3.2.2 LLM 模型包装?/span>
3.2.3 聊天模型包装?/span>
3.3 模型I/O 功能之提C模板
3.3.1 什么是提示词模?/span>
3.3.2 提示词模板的输入和输?/span>
3.3.3 使用提示词模板构造提C
3.3.4 样本提C模板
3.3.5 多功能提C模板
3.4 模型I/O 功能之输?gu)析?/span>
3.4.1 输出解析器的功能
3.4.2 输出解析器的使用
3.4.3 Pydantic JSON 输出解析?/span>
3.4.4 l构化输?gu)析?/span>
W? ?数据增强模块
4.1 数据增强模块的相x(chng)?/span>
4.1.1 LEDVR 工作?/span>
4.1.2 数据cd
4.2 加蝲?/span>
4.3 嵌入模型包装?/span>
4.3.1 嵌入模型包装器的使用
4.3.2 嵌入模型包装器的cd
4.4 文转换?/span>
4.5 向量存储?/span>
4.5.1 向量存储库的使用
4.5.2 向量存储库的搜烦(ch)Ҏ(gu)
4.6 (g)索器
4.6.1 (g)索器的?/span>
4.6.2 (g)索器的类?/span>
W? ??/span>
5.1 Z么叫?/span>
5.1.1 铄定义
5.1.2 铄使用
5.1.3 基础铄?/span>
5.1.4 工具铄?/span>
5.2 l说基础?/span>
5.2.1 LLM ?/span>
5.2.2 路由器链
5.2.3 序?/span>
5.3 四大合ƈ文档?/span>
5.3.1 Stuff ?/span>
5.3.2 Refine ?/span>
5.3.3 MapReduce ?/span>
5.3.4 重排?/span>
5.4 揭秘铄复杂?/span>
5.4.1 复杂铄“套娃”式设?/span>
5.4.2 LEDVR 工作的l点Q?ldquo;上链”
W? ?记忆模块
6.1 记忆模块概述
6.1.1 记忆lg的定?/span>
6.1.2 记忆lg、链lg和Agent lg的关p?/span>
6.1.3 讄W一个记忆组?/span>
6.1.4 内置记忆lg
6.1.5 自定义记忆组?/span>
6.2 记忆增强(g)索能力的实践
6.2.1 获取外部数据
6.2.2 加入记忆lg
6.3 记忆增强Agent 能力的实?/span>
6.4 内置记忆lg的对?/span>
6.4.1 ȝ记忆lg
6.4.2 ?x)话记忆lg和会(x)话窗口记忆组件的Ҏ(gu)
6.4.3 知识图谱记忆lg和实体记忆组件的比较
W? ?Agent 模块
7.1 Agent 模块概述
7.1.1 Agent lg的定?/span>
7.1.2 Agent lg的运行机?/span>
7.1.3 Agent lg入门CZ
7.1.4 Agent lg的类?/span>
7.2 Agent lg的应?/span>
7.2.1 Agent lg的多功能?/span>
7.2.2 自定义Agent lg
7.2.3 ReAct Agent 的实?/span>
7.3 工具lg和工具包lg
7.3.1 工具lg的类?/span>
7.3.2 工具包组件的cd
7.4 Agent lg的功能增?/span>
7.4.1 Agent lg的记忆功能增?/span>
7.4.2 Agent lg的检索能力增?/span>
W? ?回调处理?/span>
8.1 什么是回调处理?/span>
8.1.1 回调处理器的工作程
8.1.2 回调处理器的使用
8.1.3 自定义链lg中的回调
8.2 内置回调处理?/span>
8.3 自定义回调处理器
W? ?使用LangChain 构徏应用E序
9.1 PDF 问答E序
9.1.1 E序程
9.1.2 处理PDF 文
9.1.3 创徏问答?/span>
9.2 对话式表?/span>
9.2.1 OpenAI 函数的标记链
9.2.2 标记铄使用
9.2.3 创徏提示词模?/span>
9.2.4 数据更新和检?/span>
9.3 使用LangChain 实现BabyAGI
9.3.1 BabyAGI 介绍
9.3.2 环境与工?/span>
9.3.3 向量存储
9.3.4 构徏d?/span>
9.3.5 创徏BabyAGI
9.3.6 q行BabyAGI
W?0 ?集成
10.1 集成的背景与LLM 集成
10.2 LLM 集成指南
10.2.1 Azure OpenAI 集成
10.2.2 Hugging Face Hub 集成
10.3 聊天模型集成指南
10.3.1 Anthropic 聊天模型集成
10.3.2 PaLM 2 聊天模型集成
10.3.3 OpenAI 聊天模型集成
10.4 向量库集成指?/span>
10.4.1 Chroma 集成
10.4.2 Pinecone 集成
10.4.3 Milvus 集成
10.5 嵌入模型集成指南
10.5.1 HuggingFaceEmbeddings 嵌入集成
10.5.2 LlamaCppEmbeddings 嵌入集成
10.5.3 Cohere 嵌入集成
10.6 Agent toolkits 集成指南
10.6.1 CSV Agent 的集?/span>
10.6.2 Pandas Dataframe Agent 的集?/span>
10.6.3 PowerBI Dataset Agent 的集?/span>
10.7 Retrievers 集成指南
10.7.1 WikipediaRetriever 集成
10.7.2 ArxivRetriever 集成
10.7.3 Azure Cognitive Search 集成
W?1 ?LLM 应用开发必学知?/span>
11.1 LLM 的核?j)知?/span>
11.1.1 文本嵌入
11.1.2 点积怼性和余u怼?/span>
11.1.3 注意力机?/span>
11.2 Transformer 模型
11.3 语义搜烦(ch)
11.3.1 语义搜烦(ch)的工作原?/span>
11.3.2 RAG 的工作原?/span>
11.4 NLP 与机器学?fn)基
11.4.1 LLM 应用开发中的传l机器学?fn)方?/span>
11.4.2 NLP 文本预处?/span>
11.4.3 构徏分类?/span>






------分隔U?---------------------------
?!-- //底部模板 -->