Transformer架构总结一、概述Transformer是由Google团队于2017年在论文《Attention Is All You Need》中提出的深度学习架构，其核心设计摒弃了传统循环神经网络（RNN）、长短期记忆网络（LSTM）的串行计算模式，以自注意力机制为核心，实现了并行计算，大...
大模型文档
技术
60 篇文章
0 min 平均阅读
14 - RAG Advanced (RAG 进阶)快速开始# 1. 安装额外依赖 pip install rank_bm25 chromadb langchain-classic # 2. 运行完整示例 cd phase2_practical python 14_rag_advanced/mai...
完整json对话日志注解{ "messages": [ // ============================================== // 1. 用户提问 // ==================================...
BaseLoader、Document源码分析BaseLoaderLangChain在设计时，要保证Source中多种不同的数据源，在接下来的流程中可以用一种统一 的形式读取、调用。 另一方面：为什么 PDFloader 和 TextLoader 等Document Loader 都使用 load...
大模型 RAG (检索增强生成) 详解RAG (Retrieval-Augmented Generation，检索增强生成) 是目前大语言模型（LLM）应用中最主流、最核心的架构模式之一。它巧妙地结合了检索系统（类似搜索引擎）和生成系统（大语言模型），旨在解决大模型固有的“幻觉”、知识滞后以及私有数...
尚硅谷-conda使用指南讲师：尚硅谷-宋红康官网：尚硅谷1. Conda 基本介绍1.1 什么是 Conda、MiniConda、AnacondaConda是一个包和环境管理的工具。支持 Windows、macOS和 Linux。Conda可以快速的安装、运行和更新包和相关的依赖。Conda也可以...
13 - RAG Basics (RAG 基础)快速开始# 1. 测试基础组件（无需 Pinecone API） python test.py # 2. 快速演示（非交互式，可选 Pinecone） python demo.py # 3. 完整示例（交互式，需要手动按 Enter） python...
12 - Validation & Retry (验证和重试)核心概念验证和重试 = 确保 LLM 应用的可靠性和数据质量在生产环境中，需要处理三类问题：网络错误 - 临时性连接问题（用 with_retry()）模型故障 - 主模型不可用（用 with_fallbacks()）输出质量 - LLM...
11 - Structured Output (结构化输出)核心概念Structured Output = 将 LLM 的自然语言输出转为结构化 Python 对象在 LangChain 1.0 中，使用 with_structured_output() 方法结合 Pydantic 模型，可以确保 ...
10 - Middleware Basics (中间件基础)核心概念Middleware（中间件）= Agent 执行过程中的钩子函数在 LangChain 1.0 中，中间件是处理 Agent 生命周期的标准方式。基本用法创建自定义中间件from langchain.agents.middlewa...