此系列文章讲述了：如何在普通电脑上自己写代码完成常见的基于大语言模型能力的任务。

文章目录

  1. 在Visual Studio Code中配置venv
  2. 在langchian中使用本地部署的llama3.1大模型
  3. 实现翻译功能
  4. 语义检索(1)
  5. 用本地矢量数据库实现语义检索(2)
  6. 给文本自动打标签
  7. 从文本中提取重要信息(1)
  8. 从文本中提取重要信息(2)
  9. 用langgraph自制聊天机器人(1)
  10. 用提示词改变聊天机器人的能力(2)
  11. 完善聊天机器人(3)
  12. 与外部工具交互(1)
  13. 用提示词提升与外部工具交互的能力并支持deepseek(2)
  14. 与外部工具交互时进行人工审核(3)
  15. 与外部工具交互时注入参数(4)
  16. 初探智能体Agent(1)
  17. 可以调用两个工具的智能体Agent(2)
  18. 在智能体中自动记录消息历史(3)
  19. 用langchain和智能体实现RAG(Retrieval Augmented Generation,检索增强生成)(1)
  20. 用langgraph实现RAG(Retrieval Augmented Generation,检索增强生成)(2)
  21. 用langgraph实现RAG(Retrieval Augmented Generation,检索增强生成)(3)
  22. 用langgraph和智能体实现RAG(Retrieval Augmented Generation,检索增强生成)(4)
  23. 支持多参数检索的RAG(Retrieval Augmented Generation,检索增强生成)(5)
  24. 用langchain实现基于SQL数据构建问答系统(1)
  25. 用智能体(Agent)实现基于SQL数据构建的问答系统(2)
  26. 用智能体(Agent)实现智能纠错的SQL数据库问答系统(3)
  27. 用langgraph实现基于SQL数据构建的问答系统(4)
  28. 用langgraph实现基于SQL数据构建的问答系统(5)
  29. 初探langgraph的流式输出

查看完整代码

🪐祝好运🪐