Tutorial coreano de Langchain
? Este é um tutorial coreano com base no documento oficial de Langchain, no livro de receitas e em outros exemplos práticos .
Este tutorial pode aprender a usar o Langchain com mais facilidade e eficácia.
? Wiki Dogs E -Book (grátis)
Registrei um e -book gratuito em cães wiki ✌️
Se você apenas pressionar o botão "recomendado" na página Wiki Dogs, será uma ótima força para a produção. Agradeço antecipadamente?
Estamos atualizando difícil o mais rápido possível. Cada vez que um novo recurso é adicionado, seremos atualizados rapidamente.
- Langchain Langchain Nota por Teddy Note
? YouTube
- ? Como executar e testar rapidamente os modelos abertos lançados no HuggingFace em PCs + Model Serving + Automação de Negócios Locais? Como se inscrever!
- ? Código -Código fonte do Github baseado -Perguntas e respostas baseadas em chatbot? Produtor
- LLAMA3 lançou o modelo LLAMA3-8B que retornando llama3?
- A performance é incrível. Receba o modelo de ajuste de pinos e faça sua própria hospedagem local LLM (#LangServe) + #rag !!
- Coreano grátis ?? Receba o modelo de ajuste de pinos e faça sua própria hospedagem local LLM (Langserve) + RAG !!
- Como produzir serviço de clone chatgpt com streamlit
- Como gerar cadeia LLM para gravar a conversa + dica para consultar o documento!
- (Auto -aprendizado GPT) GPT para aprender as respostas do formato desejado com feedback de Langsmith
- (Langserve Review) Função e distribuição de aplicativos da Web super simples LLM! Você pode substituir o streamlit?
- Discussão revolucionária da AI vs AI Medical College (AI Dubbook)
- DISCUSSÃO O AGENTE AI -O que se a IA tiver prós e contras para o aumento de admissões de admissão?
- Novel Metodologia RAG para Longo Contexto: Raptor! Eu preparei uma revisão e código de papel
- Anúncio de Langchain Meetup / Rag por que nunca podemos obter os resultados facilmente
- Análise da revisão do shopping sem codificação (rastreamento + perguntas e respostas chatbot)
- O que aconteceria se você colocasse a função de chamada da API nos GPTs do ChatGPT?
- Como aplicar o ChatGPT à automação de negócios usando o agente Langchain
- GPT privado! Crie seu próprio chatgpt (Huggingface Open LLM)
- Colaboração multi -agente de Langgraph
- Languagem de expressão de Langchain da Gramática Mágica (LCEL)
- Como converter a imagem em código python Matplotlib e convertê -la em código Python quando você insere a frase desejada.
- Pipeline RAG Entender -Naver News Article -Produção de perguntas e respostas baseada em chatbot
- A API Assistant do novo recurso do OpenAI entende completamente
- A API Assistant de API do OpenAi, 3 maneiras de usar
✏️ Lista de postagens do blog
Em geral
- Lista de modelos de API OpenAI / Tabela de tarifa
API do Openai Python
- Como emitir a chave da API Python OpenAi, sistema de taxa
- Use a função de bate -papo (1)
- Usando Dall · E para criar, modificar e diversificar a imagem (2)
- Implementando TTS, STT usando API Whisper (3)
Langchain
- Como usar o modelo OpenAI GPT (Chatopenai)
- Como usar o modelo de rosto abraçado
- Chat -ConversionChain, uso de modelos
- Dados de formação (CSV, Excel) -ChatGPT Análise de dados baseados
- Site Crawl -Website Resumo do documento
- Extração de informações do site da web -Como usar o esquema
- Resumo do documento em PDF, Reduce de mapa
- Perguntas e respostas baseadas em PDF
- Como alterar a frase para um código python e a imagem para o código Python
- Langchain Expression Language (LCEL) Entendimento de princípios e guia de construção de dutos
- Guia de resumo de documentos usando LLMS: coisas, redes de mapa, resumo do método refino
- Criação de metadados automatizada e rotulagem automática no documento
- NAVER NEWS -Baseado em Perguntas e Perguntas de Aplicativo -Edição Básica
- Cavagem de trapos: Método de design do sistema de controle de qualidade baseado em documento -Edição Advanced
- Guia de construção do sistema de pesquisa inteligente usando agentes e ferramentas
Langgraph
- Produção de aplicativos LLM que executa tarefas complexas com colaboração multi-agente
- Pesquisar e processar documentos dinâmicos usando o agente de recuperação de Langgraph
Langchain Meetup 2024 Q1 Apresentação
- Rag -Por que nunca podemos obter os resultados que queremos facilmente
- Fluxo fresco e avaliação do modelo LLM -JAE -SEOK LEE
- Mudanças nos pipelines de produção de jogos através de inteligência artificial -kim han -nim
- Openi sora sabore um pouco de parque jung -hyun
- Ai copiloto feito por kernel semântico -lee jong -in
- Desenvolvendo seu próprio serviço da web com streamlit e Langchain -jaehyuk Choi
- Até fazer llama2 -koen -tae -kyun choi
- Para avaliar o modelo de idioma coreano correto: Hae -rae Bench, Kmmlu -son Kyu -jin
- Langchain Naver Knight Crawling -Woo Sung Woo
- Fazendo a cadeia SQL usando Gemma e Langchain -kim Tae -young
Licença
Este projeto está licenciado de acordo com a Apache License 2.0.
Licença
Os direitos autorais deste conteúdo estão em Tedinnot em 2024. Todos os direitos estão no titular de direitos autorais e você pode entrar em contato com [email protected].
Copyright 2024 테디노트([email protected])
Licensed under the Apache License, Version 2.0 (the "License");
you may not use this file except in compliance with the License.
You may obtain a copy of the License at
http://www.apache.org/licenses/LICENSE-2.0
Unless required by applicable law or agreed to in writing, software
distributed under the License is distributed on an "AS IS" BASIS,
WITHOUT WARRANTIES OR CONDITIONS OF ANY KIND, either express or implied.
See the License for the specific language governing permissions and
limitations under the License.
Citação e notação de origem
- Se o conteúdo deste trabalho for publicado em mídia on -line, como blogs e YouTube, a fonte deverá ser especificada de acordo com a lei de direitos autorais.
Consulta preliminar sobre uso comercial
- Se você deseja usar este trabalho (incluindo Wikidocs e Código de Prática Relacionada) para fins comerciais, como palestras e palestras, são essenciais consultas anteriores por escrito com detentores de direitos autorais.
É proibido de reprodução e redistribuição não autorizadas deste conteúdo. Se você estiver citando todo ou parte desse conteúdo, revele claramente a fonte. Este documento pode ter sido escrito com referência ao conteúdo de outros documentos. Os materiais de referência podem ser encontrados na lista de fontes na parte inferior deste documento.
fonte
- Langchain-AI
- Referência da API do OpenAI?
Dados adicionais
- Canal do YouTube : tutorial coreano de Langchain?
- Blog : Teddy Note
- Playground : Langchain LLM Playground?
Iniciando
Antes de iniciar este tutorial, é melhor ter conhecimento básico relacionado a Langchain. Você pode obter informações básicas através do link acima.
Iniciar o histórico
Revisão do país
Se você deseja contribuir com este tutorial, envie uma solicitação completa a qualquer momento ou registre seus problemas para compartilhar suas opiniões. Todas as contribuições são muito úteis para o desenvolvimento deste projeto. ?
