【LangChain】Document篇

这篇具有很好参考价值的文章主要介绍了【LangChain】Document篇。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

概述

这些是处理文档的核心链。它们对于总结文档、回答文档问题、从文档中提取信息等很有用。
这些链都实现了一个通用接口:

class BaseCombineDocumentsChain(Chain, ABC):
    """Base interface for chains combining documents."""

    @abstractmethod
    def combine_docs(self, docs: List[Document], **kwargs: Any) -> Tuple[str, dict]:
        """Combine documents into a single string."""

填充(Stuff)

填充(stuff)文档链是最直接的文档链。它需要一个文档列表,将它们全部插入到Prompt中,并将该prompt传递给llm

该链非常适合文档较小且大多数调用只传递少量文档的应用程序。

【LangChain】Document篇,LangChain,AI,langchain,Document

提炼(Refine)

提炼文档链通过循环输入文档并迭代更新其答案来构建响应。
对于每个文档,它将所有非文档输入当前文档最新的中间答案传递给 LLM 链以获得新答案。

【LangChain】Document篇,LangChain,AI,langchain,Document

map reduce

Map 步骤MapReduce 文档链首先将 LLM 链单独应用于每个文档,将链输出视为新文档。
Reduce 步骤:然后,将所有新文档传递到单独的组合文档链以获得单个输出。

它可以选择首先压缩或折叠、映射的文档,以确保它们适合组合文档链(这通常会将它们传递给LLM)。如有必要,该压缩步骤会递归执行。

【LangChain】Document篇,LangChain,AI,langchain,Document

Map re-rank

map re-rank文档链会对每个文档运行初始Prompt,这不仅会尝试完成任务,还会对其答案的确定性进行评分。返回得分最高的响应。

【LangChain】Document篇,LangChain,AI,langchain,Document

总结

文本就是讲解对Document的基础操作chain有哪些?

chain 描述
stuff chain 该链非常适合文档较小且大多数调用只传递少量文档的应用程序。
Refine chain 通过循环输入文档并迭代更新其答案来构建响应.
map reduce chain 将A文档转换成B文档,然后针对B文档进行输出。
Map re-rank chain 对答案增加了确定下评分。返回得分最高的响应。

参考地址:

https://python.langchain.com/docs/modules/chains/document/文章来源地址https://www.toymoban.com/news/detail-560108.html

到了这里,关于【LangChain】Document篇的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • 【AI大模型应用开发】【LangChain系列】7. LangServe:轻松将你的LangChain程序部署成服务

    大家好,我是【同学小张】。持续学习,持续干货输出,关注我,跟我一起学AI大模型技能。 LangServe 用于将 Chain 或者 Runnable 部署成一个 REST API 服务。 同时安装langserve的服务端和客户端。 只安装客户端 只安装服务端 1.1 服务端代码 从代码来看创建LangServe的重点: (1)创建

    2024年03月28日
    浏览(63)
  • langchain ChatGPT AI私有知识库

    原理就是把文档变为向量数据库,然后搜索向量数据库,把相似的数据和问题作为prompt, 输入到大模型,再利用GPT强大的自然语言处理、推理和分析等方面的能力将答案返回给用户 langchain是一个强大的框架,旨在帮助开发人员使用语言模型构建端到端的应用程序。它提供了

    2024年02月11日
    浏览(42)
  • AI开源 - LangChain UI 之 Flowise

    原文:AI开源 - LangChain UI 之 Flowise Flowise 是一个为 LangChain 设计的用户界面(UI),使得使用 LangChain 变得更加容易(低代码模式)。 通过拖拽可视化的组件,组建工作流,就可以轻松实现一个大语言模型的应用配置,包括不限于 ChatGPT。 Github 地址:https://github.com/FlowiseAI/Flowise

    2024年02月06日
    浏览(33)
  • 让AI做决策,学会langChain的Agent

    今天内容涉及如下: 1.initialize_agent,:执行gent工作,并把工具Tool传入 2.Tool:选取行为函数工具类 之前我们学习的都是把问题给AI,让AI模型给出答案,那么这种情况下应该怎么处理呢,我需要根据不同的问题选择不同的答案,比如我问AI我想选择一件衣服就去调用挑选衣服的

    2024年01月18日
    浏览(42)
  • AI大模型入门 - LangChain的剖析与实践

    官方文档介绍:https://python.langchain.com/docs/get_started/introduction github:https://github.com/langchain-ai/langchain 安装文档:https://python.langchain.com/docs/get_started/quickstart.html LangChain 是一个基于语言模型开发应用程序的框架。它可以实现以下功能 数据感知:将语言模型与其他数据源连接起来

    2024年02月19日
    浏览(40)
  • 【AI大模型应用开发】【LangChain系列】9. 实用技巧:大模型的流式输出在 OpenAI 和 LangChain 中的使用

    大家好,我是同学小张,日常分享AI知识和实战案例 欢迎 点赞 + 关注 👏, 持续学习 , 持续干货输出 。 +v: jasper_8017 一起交流💬,一起进步💪。 微信公众号也可搜【同学小张】 🙏 本站文章一览: 当大模型的返回文字非常多时,返回完整的结果会耗费比较长的时间。如果

    2024年04月09日
    浏览(52)
  • 使用 LangChain 和 Elasticsearch 的隐私优先 AI 搜索

    作者:Dave Erickson 在过去的几个周末里,我一直在 “即时工程” 的迷人世界中度过,并了解像 Elasticsearch® 这样的向量数据库如何通过充当长期记忆和语义知识存储来增强像 ChatGPT 这样的大型语言模型 (LLM)。 然而,让我和许多其他经验丰富的数据架构师感到困扰的一件事是,

    2024年02月08日
    浏览(45)
  • [AI]算法小抄-你不知道的LangChain原理

    系列文章主要目的快速厘清不同方法的原理差异和应用场景, 对于理论的细节请参考文末的Reference, Reference中会筛选较为正确,细节的说明 你知道ChatGPT Plugin,AutoGPT和AgentGPT的工作原理吗?其实主要都是基于对于LLMs的Prompt工程,这篇文章主要就是透过目前最活跃的开源框架

    2024年02月15日
    浏览(40)
  • 【AI大模型应用开发】【LangChain系列】实战案例3:深入LangChain源码,你不知道的WebResearchRetriever与RAG联合之力

    大家好,我是同学小张,日常分享AI知识和实战案例 欢迎 点赞 + 关注 👏, 持续学习 , 持续干货输出 。 +v: jasper_8017 一起交流💬,一起进步💪。 微信公众号也可搜【同学小张】 🙏 本站文章一览: 上篇文章我们学习了如何利用 LangChain 通过 URL 获取网页内容。本文我们继

    2024年04月17日
    浏览(47)
  • LangChain + Streamlit + Llama:将对话式AI引入本地机器

    推荐:使用 NSDT场景编辑器 助你快速搭建可二次编辑的3D应用场景 大型语言模型 (LLM) 是指能够生成与人类语言非常相似的文本并以自然方式理解提示的机器学习模型。这些模型使用包括书籍、文章、网站和其他来源在内的广泛数据集进行训练。通过分析数据中的统计模式

    2024年02月11日
    浏览(42)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包