前言：无语了，被GPT怼了一顿，说整这些花里胡哨的检索优化作用不大，然后我知道了 最重要的是数据清洗 ,但我感觉还是学学吧，不用但是得知道，面试吹水也可以吹吹嘛。 好啦，这次讲的是混合检索，我们要引入的是BM25检索器，他是基于关键词匹配 ，...

这是一个 Multi-Query RAG（多查询RAG） 的实现，通过将复杂问题分解为多个子问题来提升检索质量。让我详细拆解每一步： 整体流程图12345678910111213原始问题 ↓问题分解（生成3个子问题） ↓并行处理每个子问题...

做这个之前需要先安装一下LangSmith，方便查看提示词和检索的知识库document，因为这里我们需要用到rag的优化策略LangSmith的功能 看每一步 prompt / chain 在干嘛 记录调用日志（trace） 找 bug...

在第五节我们只介绍了RAG中向量数据库的创建，但是没有说如何检索？这里先说好，前提环境还是和之前一样 初始化好一个LLM大模型 ×1 Embeddings模型 ×1 vectorstore（向量数据库）×1- 好啦，我们有上面那三个，那我们现在想...

🧠 LangChain 中间件（Middleware）实战：实现“模型调用守卫”在上一章我们已经实现了一个基础 Agent。 那么如果我们想实现类似前端路由守卫的能力，比如： 在模型调用前/后做处理 动态修改请求（如切换模型、调整参数...

懵懵懂懂一下就学到了这里agent相当于就是让AI拥有了‘调用了工具的能力’但严谨来说不是AI调用，是程序调用后把结果又发给ai。我的理解是，一个循环，提示词；要求输出AI输出思考过程， 是否需要调用工具， 可以调用哪些工具。 是否结束输出最终结果...

LangChain PDF 处理：从加载到向量库完整流程一句话概括：PDF 加载 → 文本切割 → 向量化 → 存入向量库，这也是 RAG（检索增强生成）最基础、最核心的前三步，掌握了这三步，就能轻松搭建简单的 PDF 问答系统。 一、第一步：PDF...

前言：在旧版本的LangChain 中，我们需要写很多复杂的 Chain 类（比如 LLMChain），但现在有了 Runnable 和 |，一切都变得像搭积木一样优雅和简单。 核心原理解析：什么是 Runnable 和 |？ Runnable（...

前言：我们如何给大模型搭上话很关键，我们可以定义大模型的人设，任务，基本都是通过提示词完成的，我们常用的百分之90都是对话模型，这边只讲常用的ChatPrompttemplate，非对话模型的建议了解即可 1. ChatPromptTempla...

前言：很多初学者会问：我直接调OpenAI 或者百度的 API 不好吗？干嘛非得中间加个框架？ 想象一下，如果你出国旅行，每个国家的插座形状都不一样，难道你要带十几个不同的充电头吗？LangChain 就是那个“万能转换插头”！ 现在的模型种类繁多，...