- 综合排序
- 最热优先
- 最新优先
- 来自专栏xiaosen
LangChain大模型应用开发
LangChain作为一个新兴的框架，旨在简化大模型应用的开发过程。它提供了一套工具和接口，帮助开发者将大模型无缝集成到各种应用场景中。 通过LangChain，开发者可以更专注于业务逻辑的实现，而不必过多关注底层模型的复杂性。 prompt) print(response.content) 这时我们的langSmith后台： 构建语义搜索引擎 我们使用LangChain的文档加载器、嵌入、向量库来从其他来源检索数据，与大模型工作集成 1️⃣根据与字符串查询的相似性返回文档： # 接受一个文本字符串作为输入，并返回与该文本最相似的向量 results = vector_store.similarity_search( "大模型的发展和繁荣既是当前 ("大模型的发展是顶峰") # 接受一个嵌入向量作为输入，并返回与该向量最相似的向量 results = vector_store.similarity_search_by_vector(embedding
57121编辑于 2024-12-04 大模型应用开发实战
至此最简单的模型应用开发完毕。 提供API支持 上面最简单的Hello world写完了，接下来就要为各种客户端提供接口服务了。. 不得不吐槽下，大模型也搞前后端分离这套！. net java 有httprequest，js有jquery、axios，大模型也有个出名的库langchain，官方的解释它提供了“链”的概念，允许开发者将多个语言模型调用、API请求、数据处理等操作链接起来 为了搞大模型的人能安心研究模型，不用花精力在界面上。市场上就出现了2个常用的大模型web界面框架Gradio和Streamlit，不用去研究哪个更好，顺手就行！ 最后 经过无数的蹂躏，我开发了个小应用【i歌词】，无任何条件免费提供全部源码。它基于chatglm4-9b大模型，从部署到训练，通用对话功能，核心根据歌名查歌词并创作歌词！
1.2K36编辑于 2024-09-01- 来自专栏AI技术应用
AI教育大模型的开发
代码能力（部分模型）： 理解和生成代码，这在编程教育中尤为重要。AI教育大模型接入的流程接入AI教育大模型通常涉及以下步骤：1.需求分析与场景定义：明确目标： 你希望大模型解决教育中的哪些具体问题？ 用户群体： 大模型将服务于谁？（学生、教师、家长、教研人员）核心功能： 确定大模型将扮演的角色和提供的核心功能。 通过将大模型与一个外部知识库（如课程资料、教材、习题库等）结合，让模型在生成回答前先检索相关信息，从而提高回答的准确性和专业性，解决大模型的“幻觉”问题。 4.开发与集成：后端开发： 搭建后端服务，负责处理用户请求、调用大模型API、管理数据、实现业务逻辑。前端开发： 开发用户界面，与后端服务进行交互，展示大模型输出。 技术复杂性： 接入和优化大模型需要较高的AI技术能力。接入AI教育大模型是教育产品迈向智能化的重要一步，它能带来前所未有的个性化和效率提升。
94910编辑于 2025-06-18 - 来自专栏项目文章
【大模型开发教学智能体】：你的专属大模型教学助手
通过这一平台，开发者能够利用文心大模型，针对自己的行业和应用场景，选择适合的开发方式，打造具有时代特征的产品。 例如咱们的大模型开发教学智能体设定如下： 角色与目标 作为一个大模型相关的专家，你的主要任务是解答用户的代码问题，教授机器学习的基础知识，以及解释大模型算法。 在解释大模型算法时，需要清晰地阐述算法的原理、应用以及优缺点，以便用户能够全面了解。 若用户的问题超出你的知识范围或无法清晰解答，应诚实告知用户，并尝试提供相关的学习资源或建议。 零代码智能体开发体验让我深刻感受到其带来的便利和高效，它不仅降低了技术门槛，还极大提升了开发速度，让开发者能够更专注于业务逻辑的创新和实现。 这种开发模式预示着人工智能应用开发的未来趋势，预示着它将为更多开发者带来无限的便利和机遇，推动智能技术在各行各业的广泛应用和创新。
88010编辑于 2024-06-07 微软密谋超级AI大模型！LangChain带你轻松玩转大模型开发
在这一背景下，为了帮助开发者更方便、灵活地构建基于大语言模型的应用，一批大型模型应用开发框架应运而生，LangChain这个大语言模型时代下的“新星”也应运而生，它不仅让AI应用的开发变得易如反掌，更是从单一的开发框架演变为一个包含开发 在这样一个技术飞速进步的时代，了解并掌握LangChain无疑是每一个AI开发者的必修课。 《LangChain技术解密：构建大模型应用的全景指南》一书便可以带你领略大语言模型的应用开发世界！ 这使得开发人员不仅能够运用那些已极为成熟的资源去构建应用，同时能够借助那些集成的工具，迅速洞悉并尝试大语言模型的最新技术。 目前，LangChain已成为进行大语言模型应用开发必须掌握的框架之一。 随着时间的推移，LangChain已不再仅仅是一个大语言模型开发框架，而是演化为一个包含开发、调试、部署乃至应用商店的一站式完整生态圈。 正值大语言模型开发以潮涌之势席卷而来之际，越来越多的开发人员对于怎样利用LangChain迅速构建AI应用产生了浓厚的兴趣。 在这样的背景下，本书应运而生。
60210编辑于 2024-05-28- 来自专栏程序那些事
大语言模型的开发利器langchain
当然不是，虽然小公司或者个人不能开发底层的大语言模型，但是我们可以在大语言模型之上进行应用开发，这应该就是我们现在能做到的。 今天给大家介绍一个大语言模型的开发框架langchain，有了它，在AI的世界，你可以如虎添翼。 什么是langchain 简单来说，langchain是一个基于大语言模型只上的开发框架，有了他，我们就可以轻松在各种大模型之上进行实际应用的开发。 因为langchain只是一个大语言模型上的开发框架，它的所有的能力都是依赖于大语言模型的，所以在使用langchain之前，我们需要一个大语言模型，最简单同时也是最强大的大语言模型就是openai的chatgpt 比如我们现在需要向openai询问昨天的天气，但是openai本身只是一个大模型，它并不知道实时的信息。
77010编辑于 2023-09-06 - 来自专栏大模型
大模型应用开发基础-Prompt工程
大模型应用开发基础-Prompt工程1. 什么是Prompt？Prompt（提示词）是用户输入给AI模型的指令或问题，用于引导模型生成特定输出。 Prompt工程的定义Prompt工程（Prompt Engineering）是通过优化输入指令的结构、措辞和上下文，使大语言模型（LLM）输出更准确、可靠且符合需求的技术。 大语言模型（如GPT-4、Claude、Gemini）本质是“概率生成器”，它们会根据输入提示猜测用户意图。 Prompt工程的五大核心技巧Prompt工程的核心在于如何设计清晰、有效的指令，让AI生成更符合预期的输出。 最终剩余：4个 不过2023年后发布的主流大模型（GPT-4 Turbo、Claude 3、Gemini 1.5）已原生集成思维链推理能力。
89410编辑于 2025-06-23 - 来自专栏程序那些事
大语言模型的开发利器langchain
当然不是，虽然小公司或者个人不能开发底层的大语言模型，但是我们可以在大语言模型之上进行应用开发，这应该就是我们现在能做到的。 今天给大家介绍一个大语言模型的开发框架langchain，有了它，在AI的世界，你可以如虎添翼。 什么是langchain简单来说，langchain是一个基于大语言模型只上的开发框架，有了他，我们就可以轻松在各种大模型之上进行实际应用的开发。langchain的主要特点有两个，第一点就是组件化。 因为langchain只是一个大语言模型上的开发框架，它的所有的能力都是依赖于大语言模型的，所以在使用langchain之前，我们需要一个大语言模型，最简单同时也是最强大的大语言模型就是openai的chatgpt 比如我们现在需要向openai询问昨天的天气，但是openai本身只是一个大模型，它并不知道实时的信息。
94720编辑于 2023-06-28 - 来自专栏码农编程进阶笔记
Java + LangChain 开发大语言模型应用！
在 Baeldung 上看到了一篇介绍基于 Java + LangChain 开发大语言模型应用的基础入门文章，写的非常不错，非常适合初学者。于是，我抽空翻译了一下。 1. 简介 在本教程中，我们将详细探讨 LangChain[1]，一个用于开发基于语言模型[2]的应用程序的框架。我们将首先了解语言模型的基础概念，这些知识将对本教程有所帮助。 为了简化这些任务，我们需要一个像 LangChain 这样的框架作为 LLM 技术栈的一部分： 使用 LangChain 构建 LLM 技术栈 该框架还帮助开发需要链式调用多个语言模型的应用程序，并能够回忆起过去与语言模型过去交互的信息 链简化了开发更复杂应用程序的过程，并使调试、维护和改进更加容易。 链还可以组合多个链来构建更复杂的应用程序，这些应用程序可能需要与多个语言模型交互。 这些库未来将快速发展，它们会让开发由语言模型驱动的应用程序的过程变得更成熟和有趣！
2.6K12编辑于 2025-03-29 - 来自专栏算法channel
大模型开发工程师 roadmap
大模型开发工程师应该是接下来几年最火的方向之一，今天逛github发现一个很好的学习导图，是一个专业的大模型开发工程师的学习路线图： 我翻译了一下，供英文不是很好的同学参考： 运行LLMs： LLM engineering） 结构化输出（Structuring outputs） 构建向量存储： 摄入文档（Ingesting documents） 分割文档（Splitting documents） 嵌入模型
85210编辑于 2024-04-11 AI大模型智能体开发：把大模型变成“会干活”的技术逻辑
大模型就像个满腹经纶的学者，能说会道却迈不出书房；而AI智能体，就是给这位学者装上“行动能力”的技术方案——不用重构底层模型，核心是通过三层技术设计，让大模型从“只会回答”变成“自主做事”。 今天用大白话拆解智能体开发的核心技术，普通人也能看懂落地逻辑。首先要明确：智能体开发的技术核心是“闭环能力”，而非创造新模型。 大模型听不懂“模糊需求”，得通过技术手段把用户目标拆成可执行的步骤。这不是简单列清单，而是用“结构化Prompt+任务拆解算法”，给大模型定好行动规则。 其实AI智能体开发，本质是“技术落地的工程思维”。不用纠结大模型的底层原理，核心是把“用户需求”通过任务规划、工具对接、反馈闭环三大技术环节，转化为大模型能执行的行动。 开发的关键永远是：让复杂技术服务于实际需求，让大模型真正走出“书房”，成为能落地干活的实用工具。
37210编辑于 2025-11-24- 来自专栏周末程序猿
机器学习|从0开发大模型之模型预训练
继续写《从0开发大模型》系列文章，本文主要介绍预训练过程。 预训练是目的是让模型学习知识，需要将预处理的数据（《机器学习|从0开发大模型之数据预处理》）中生成的 pretrain_data.bin 文件的上下文全部学习到，那预训练怎么做呢？ ，所以一般做成配置文件携带模型一起发布。 然后通过上述模型初始化，并打印模型： def init_model(): def count_parameters(model): return sum(p.numel() for 使用混合精度可以减少内存使用和计算时间，从而加速训练过程，GradScaler 通过动态调整缩放因子，帮助在保持数值稳定性的同时，充分利用混合精度的优势； 简化代码：使用 GradScaler 可以简化混合精度训练的实现，开发者不需要手动管理缩放因子和反缩放操作
68510编辑于 2025-02-27 - 来自专栏DotNet NB && CloudNative
大模型应用开发基础 : 语言模型的关键思路跃迁
我们常常说大语言模型（LLM），那么语言到底是什么？ 语言是信息的载体，承载着沟通的信息，无论是中文，英文，亦或是甲骨文，没有语言，人与人就无法沟通。 语言模型是什么？ 语言模型的进化 语言模型从大体上来讲，它大概经历了如下图所示的四个阶段，从起源、基于规则 到 基于统计 再到 目前主流的深度学习，语言模型的进化驱动着NLP技术的发展： （1）起源：NLP起源可以追溯到 基于规则的语言模型 基于规则的语言模型并不简单，语言模型中的句法分析这一块内容，它就需要考虑句子的句法结构，可能就需要先将句子进行分析然后处理成机器可读的格式。 基于统计的语言模型 正是因为基于规则的方法并不好用，人们才开始逐渐发现基于统计的语言模型才是正道。 所谓基于统计的语言模型，就是为自然语言上下文相关的这种特性建立数学模型。 (P表示Probability即可能性) 例如，当人类开口说出第一个词是“你”，由于大模型已经统计过人类有史以来所有的句子了，它就发现只要人类开口第一个字出现的是“你”这个字的概率大概是万分之一，根据条件概率公式
32800编辑于 2024-11-27 - 来自专栏喔家ArchiSelf
基于大模型（LLM）的Agent 应用开发
目前，业界一般认为基于大模型的应用集中在两个方向上：RAG 和 Agent，无论哪一种应用，设计、实现和优化能够充分利用大模型(LLM)潜力的应用都需要大量的努力和专业知识。 这种流程的潜在设计空间可能是巨大而复杂的，《如何构建基于大模型的App》一文给出了一种探索中的大模型应用开发基础框架，基本可以适用于RAG 和Agent。 但是，对于面向Agent的大模型应用开发，有没有其独特之处呢？有没有聚焦于Agent的大模型应用开发框架呢？ 那么，什么又是Agent 呢？ 1. Agent 在大模型领域，大模型替代了传统agent 中的规则引擎以及知识库，Agent提供了并寻求推理、观察、批评和验证的对话通道。 在了解了Agent 和 Multi-Agent 的基本概念以及常见系统之后，如何开发一个基于大模型的Agent应用呢？
7.9K33编辑于 2023-10-23 - 来自专栏机器学习与统计学
【大模型】MCP 开发，从入门到实战
Ai学习的老章 长期跟踪关注统计学、机器学习算法、深度学习、人工智能、大模型技术与行业发展动态，日更精选技术文章。回复机器学习有惊喜资料。 678篇原创内容 公众号 最近，人工智能赛道迎来新晋顶流——模型上下文协议（Model Context Protocol，MCP）。 MCP是一则由Anthropic公司推出的开源协议，旨在改变大语言模型(Large Language Modl,LLM)与外部世界的交互方式。 就像USB-C为电子设备提供标准化的连接方式一样，MCP为AI模型建立了与外部世界交互的通用协议。这种标准化的连接方式使LLM能够更加灵活地接入各类数据源和工具，大大扩展了LLM的能力边界。 此外，杨威理开发了开源项目chat-ollama（一款基于LangChain的AI聊天应用)。该应用支持主流的开源与闭源大模型，并整合了知识库功能，为用户提供了更加智能、便捷的AI交互体验。
81210编辑于 2025-06-23 大模型应用开发提示工程书籍推荐
《AI原生应用开发：提示工程原理与实战》是一本由人民邮电出版社权威出版，专门针对正在探索如何利用大模型做应用场景落地的人群，如研发工程师、产品经理、技术经理等。 它站应用落地视角让你理解大模型是什么，能干什么，如何落地。 第1章：提示工程概述 深入探讨AI原生应用的挑战与机遇，揭示大语言模型与实际应用间的鸿沟，强调提示工程在弥合这一差距中的关键作用。 第5章：生成可控性提示 深入探讨大语言模型输出控制的策略，分类解析可控性问题，剖析输出不可控的多种因素，并提出有效的控制策略。 第6章：提示安全设计 探讨提示安全设计在AI原生应用开发中的重要性及其挑战，揭示大语言模型面临的安全问题，并提出应对策略。 本书内容详实，结构清晰，不仅适合大模型应用开发者、产品经理等群体阅读，也适合对AI原生应用开发感兴趣的读者参考。
74810编辑于 2025-07-09- 来自专栏AIGC大模型应用
为什么要学习大模型应用开发？
再往后安卓出来智能手机IOS之前可能还有java，java是在这位置后，然后IOS和安卓它是一层一层往上开发，然后到算法，现在到了大模型。 你现在再学习下面的东西，如HTML，PHP5、java。 就好像你开发应用一样，你现在去开发操作系统，你除非说国产替代，正常来讲，微软和苹果已把操作系统完全占领，你不可能再打开空间。再往上，可能微信QQ之类的，你再开发一个类似的，也不可能打败它。 5 大模型训练经验与高薪offer 前段时间有个大模型训练的拿到200万年薪。工作经验只有六年。他为什么那么高offer？大模型经验他比较多，大模型其实是GPT3出来后，CP3出来到现在大概也就三年。 所以用高效微调训练一个6B模型及launch基于long ten结合一个稍微小一点的语言模型6B的进行一些应用的开发 强化学习，在ChatGPT训练时用到 不像有的人讲ChatGPT，直接把NLP一大套底层知识搬给你 想理解大模型底层原理，以便更好使用大模型。如为什么大模型避免不了幻觉，就是说它避免不了胡乱回答。你只有理解底层原理才知为什么，你才能尽量的有指导性去回避让他乱答。
51900编辑于 2025-05-26 - 来自专栏AI科技时讯
大模型底层原理与引用开发范式
大模型基本原理 temperature: 随机性 top_p repetition_penalty: 重复性 大模型时代以前 LLM时代的开发范式 Prompt工程 在大模型时代，我们需要掌握使用大模型进行开发的技能，并且了解它们的优势和局限性。 这是因为大模型的开发需要更多的计算资源和高效的代码实现，同时还需要考虑模型的部署和维护问题。因此，算法工程师需要具备更加深入的技术知识和实践经验，才能够成功地应用大模型解决实际问题。 对于想要微调大模型的人来说，需要具备一定的传统机器学习和深度学习模型开发经验。这是因为微调大模型需要进行更深入的模型调整和优化，需要对模型架构、优化算法、损失函数等方面有深入的理解。 此外，在大模型时代，算法工程师需要更加注重模型的可解释性和可调整性，以便于更好地理解和优化模型。 总的来说，在大模型时代，算法工程师需要具备传统的算法开发流程的能力，同时也需要拥抱大模型的开发新范式。
1K40编辑于 2023-09-01 - 来自专栏开源地带
开源教程「动手学大模型应用开发」，从零基础到掌握大模型开发的关键技能！
内容简介 「动手学大模型应用开发」是一个面向小白开发者的大模型应用开发教程，以个人知识库助手项目为实践目标，通过这个项目完成大模型开发的重点入门。 主要内容包括： 大模型简介，何为大模型、大模型特点是什么、LangChain 是什么，针对小白开发者的简单介绍； 如何调用大模型 API，本节介绍了国内外知名大模型产品 API 的多种调用方式，包括调用原生 通过示例章节的演示可以看出，「动手学大模型应用开发」是从零开始，全面又简短的大模型教程。 对相关大模型开发理论、概念和基本技能进行了项目主导的重构，删去不需要理解的底层原理和算法细节，涵盖所有大模型开发的核心技能。 写到最后 教程整体时长在数小时之内，学完「动手学大模型应用开发」，你已经掌握了如何构建个人知识库助手，也恭喜你已经可以独立搭建一个大模型应用了，已经成为一名大模型应用开发者！
1.6K11编辑于 2024-07-15 Spring Boot 接入大模型实战：混元大模型赋能智能应用快速开发
对于许多Java开发者而言，如何高效、便捷地接入这些大模型并构建出功能丰富的智能应用是一个令人兴奋但又稍感畏惧的挑战。 通过接入混元大模型，开发者可以轻松地为自己的应用添加多种智能功能。----二、功能点智能对话：通过混元大模型的API，实现与用户的自然语言交互，提供智能问答、闲聊等服务。 三、优缺点优点：易用性：通过Spring Boot和混元大模型的API，开发者可以快速地实现智能功能的集成，无需深入了解大模型的内部机制。 灵活性：Spring Boot提供了丰富的配置选项和扩展点，开发者可以根据自己的需求定制智能应用。一站式服务：混元大模型提供了多种智能功能，开发者无需集成多个API或服务即可实现多种智能场景。 这种方法不仅降低了开发门槛，还提高了智能应用的构建效率。未来，随着大模型技术的不断进步和Spring Boot框架的持续优化，我们可以期待更加高效、灵活、安全的智能应用开发方式。
1.6K31编辑于 2024-10-28
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号