从零开始编写并部署一个最简单的 Streamlit 应用,只需30分钟: 1. 安装 streamlit 2. 编写多页面的脚本 3. 调试并提交代码到github 4. 通过 http://share.streamlit.io 部署到云端 https://awesome-openai-chat.streamlit.app/ 👉 本应用的功能很简洁,重点是体验streamlit的极速开发部署。 ⚡️ 代码开源 https://github.com/sugarforever/awesome-streamlit-langchain app用法: 1. 设置OpenAI API Key 2. 回到Homepage开始聊天 章节 00:00 内容介绍 00:29 项目初始化 02:35 应用多页面开发与配置 12:23 添加与OpenAI模型的聊天功能 18:40 给页面添加emoji元素 21:27 部署应用到云端
最新版本的langchain框架提供了新的组件 Parent Document Retriever。它提供了更优化的文档分块,通过分级切分和存储文档数据块来取得平衡,以提高如AI聊天机器人等LLM应用的质量。 本期视频代码 https://github.com/sugarforever/LangChain-Tutorials/blob/main/LangChain_ParentDocumentRetriever.ipynb
LLama 2 是由Meta 开发的一款的AI语言模型,利用了庞大的参数配置。它的运行对计算资源的需求也是很高的,特别是GPU。 Ollama 是一个提供了在本地运行Llama 2等大语言模型解决方案的开源项目。它支持的模型包括: - Llama2 - Llama2 13B - Llama2 70B - Llama2 Uncensored - Orca Mini - Vicuna - Nous-Hermes - Wizard Vicuna Uncensored LangChain则提供了对Ollama的集成。通过一个Ollama包装类,轻松地基于Ollama的API实现 Llama 2 的集成。
最新版本的langchain框架已经支持声明式的方式来构建链。这是通过它的新特性Expression Language来实现的。 本期视频分享Runnable路由的概念和使用方法。 本期视频代码 https://github.com/sugarforever/LangChain-Tutorials/blob/main/expression-language/LangChain_Expression_03_Router.ipynb LEL - Router https://python.langchain.com/docs/expression_language/cookbook#router
最新版本的langchain框架已经支持声明式的方式来构建链。这是通过它的新特性Expression Language来实现的。 其中最重要的元素我认为就是Runnable接口,今天就为你带来Runnable接口的深入解读。本期视频一定会对理解Expression Language大有帮助,不可错过。 本期视频代码 https://github.com/sugarforever/LangChain-Tutorials/blob/main/expression-language/LangChain_Expression_Language_Runnable.ipynb LEL - Interface https://python.langchain.com/docs/expression_language/interface
最新版本的langchain框架已经支持声明式的方式来构建链。这是通过它的新特性Expression Language来实现的。 本期视频带你体验声明式编程下的LangChain应用开发。 本期视频代码 https://github.com/sugarforever/LangChain-Tutorials/blob/main/expression-language/LangChain_Expression_Language.ipynb Cookbook https://python.langchain.com/docs/expression_language/cookbook Python Pipe https://github.com/JulienPalard/Pipe
huggingface目前是AI领域最火的模型和数据集的共享平台。目前已经共享了超100,000个预训练模型,10,000个数据集,变成了机器学习界的github。 LangChain的HuggingFacePipeline能够帮助开发者轻松集成HuggingFace上分享的模型。
LangSmith是用于构建生产级LLM(Language Model)应用程序的平台。 它允许您对基于任何LLM框架构建的链式结构和智能代理进行调试、测试、评估和监控,并与LangChain无缝集成,LangChain是构建LLM的首选开源框架。 LangSmith由LangChain开发。
这是Chainlit入门系列的第二讲。我们基于过去所学习的Langchain实现PDF聊天机器人的知识,在本次分享中,利用Chainlit再次构建相同功能。 Docs - Chainlit https://docs.chainlit.io/overview Langchain Tutorial - PDF聊天机器人 https://github.com/sugarforever/LangChain-Tutorials/blob/main/LangChain_PDF_Chatbot.ipynb
本期视频我们分享Langchain生态中新兴的LLM应用快速开发工具Chainlit。 3分钟完成LLM功能构建不是梦! Docs - Chainlit https://docs.chainlit.io/overview Demo https://github.com/sugarforever/chainlit-example
GPTCache易于使用,可以通过以下两个步骤将LLM查询的延迟降低100倍: - 构建缓存:您需要选择嵌入函数、相似度评估函数、数据存储位置和驱逐策略来构建您的缓存。 - 选择LLM:GPTCache目前支持OpenAI的ChatGPT(GPT3.5-turbo)和Langchain。Langchain支持各种LLM模型,如Anthropic、Huggingface和Cohere模型。 相关链接 本期分享代码 https://github.com/sugarforever/LangChain-Tutorials/blob/main/LangChain_Caching.ipynb GPTCache https://gptcache.readthedocs.io/en/dev/usage.html
本期视频分享开源工具pyspark-ai提供的在Apache Spark平台上的AI能力,我们来体验一下Spark上如何通过自然语言实现大数据的查询和分析。 相关链接 本期分享代码 https://github.com/sugarforever/LangChain-Tutorials/blob/main/LangChain_Spark_AI.ipynb pyspark-ai https://github.com/pyspark-ai/pyspark-ai
LangChain框架的缓存机制支持语意化。本期视频以框架提供的RedisSemanticCache为例介绍语意化缓存的原理和实现机制。 相关链接 本期分享代码 https://github.com/sugarforever/LangChain-Tutorials/blob/main/LangChain_Caching.ipynb LangChain - LLM - Semantic Cache https://python.langchain.com/docs/integrations/llms/llm_caching#semantic-cache 源代码实现 https://github.com/langchain-ai/langchain/blob/v0.0.220/langchain/vectorstores/redis.py#L256
LangChain框架为Chat Model和其他LLM提供了缓存层,帮助开发者尽可能的降低不必要的LLM的API调用,从而提高响应效率,也实现省钱的目的。 代码 https://github.com/sugarforever/LangChain-Tutorials/blob/main/LangChain_Caching.ipynb 相关链接 LangChain的cache实现 https://github.com/langchain-ai/langchain/commits/v0.0.219/langchain/cache.py
LangChain框架提供了两个非常相似的类ChatOpenAI与OpenAI。本期视频详细介绍它们的差异。 代码 https://github.com/sugarforever/LangChain-Tutorials/blob/main/LangChain_ChatOpenAI_OpenAI_Diff.ipynb 相关链接 OpenAI - Model endpoint compatibility https://platform.openai.com/docs/models/model-endpoint-compatibility
本期视频介绍如何设置Gmail,并利用LangChain框架的Gmail Toolkit实现自己的电子邮件智能助理。 Python示例代码 https://github.com/sugarforever/LangChain-Tutorials/blob/main/LangChain_Gmail.ipynb
消息异步输出是ChatGPT等应用中常用的文本显示功能,提供了更佳的阅读体验。 本期视频通过控制台和Web应用两个示例,介绍如何在基于LangChain框架的Python应用中,使用OpenAI的ChatGPT模型实现消息异步输出。 Python FastAPI https://fastapi.tiangolo.com/lo/ Python uvicorn https://pypi.org/project/uvicorn/ Python示例代码 https://github.com/sugarforever/LangChain-Tutorials/tree/main/StreamChat
OpenAI Embedding API为用户的文本生成向量表达。Pinecone为向量数据提供了数据存储解决方案。 今天我们将通过Flowise平台上构建PDF聊天机器人的场景,介绍如何使用Pinecone的Namespace功能来有效管理索引数据。 参考文档 Pinecone API文档 https://docs.pinecone.io/reference/delete_post
LangChain框架提供了消息历史持久化的机制,将OpenAI的聊天记录存储到文件或数据库中。这里我们通过示例代码,展示如何轻松地将聊天记录存储到文件中。 代码 https://github.com/sugarforever/LangChain-Tutorials/blob/main/Langchain_Memory_Persistent_Store.ipynb 相关链接 https://python.langchain.com/docs/modules/memory/agent_with_memory_in_db https://github.com/langchain-ai/langchain/blob/master/langchain/memory/chat_message_histories
我们进一步了解零代码AI应用与LLM工作流构建神器,Flowise。本期视频将完成两个任务: 1. 通过Flowise构建一个AI应用,实现GitHub代码仓库为知识库的聊天机器人。 2. 集成机器人到第三方网页,实现在线问答。 这对于GitHub代码仓库的管理者来说,可以极大地提高知识库的使用效率,也可以极大地提高用户的体验。 相关视频 *零代码AI应用构建神器 - Flowise*: • 零代码AI应用构建神器 - Flowise *Python LangChain入门 - 文本分块详解*: • Python LangChain入门 - 文本分块详解 相关链接 https://flowiseai.com/ https://github.com/FlowiseAI/Flowise




















