使用 Neo4j 实施高级 RAG 策略

编者按：我们很高兴分享这篇博文，因为它涵盖了我们在以下内容中介绍的几种高级检索策略

7 分钟阅读

嵌入驱动 RAG 的质量：Voyage AI 在 Chat LangChain 中的应用

编者按：这篇文章由 Voyage AI 团队撰写。这篇文章表明，嵌入模型的选择会显着影响

6 分钟阅读

LangChain 模板

今天我们很高兴地宣布 LangChain 模板的发布。LangChain 模板提供了一系列易于部署的参考架构，任何人都可以

6 分钟阅读

数据标注队列发布

💡数据标注队列是 LangSmith 的一项新功能，LangSmith 是我们的开发者平台，旨在帮助 LLM 应用程序从原型走向生产。注册

4 分钟阅读

查询转换

朴素 RAG 通常将文档拆分为块，嵌入它们，并检索与用户问题具有高语义相似性的块。但是，这存在一些

4 分钟阅读

LangChain 一周年

今天是 LangChain 的一周年！这是非常令人兴奋的一年！我们与数千名开发者合作构建 LLM 应用程序和工具。我们

By LangChain 15 分钟阅读

超越文本：让 GenAI 应用程序惠及所有人

编者按：这篇文章由 Norwegian Cruise Line 的 Andres Torres 和 Dylan Brock 撰写。为 AI 应用程序构建 UI/UX 是

8 分钟阅读

Robocorp 的代码生成助手使开发者可以轻松构建 Python 自动化

挑战 Robocorp 成立于 2019 年，源于对开发者能够自动化单调工作的承诺尚未实现的挫败感。现在

案例研究 2 分钟阅读

用于表格、文本和图像 RAG 的多向量检索器

摘要 跨不同数据类型（图像、文本、表格）的无缝问答是 RAG 的圣杯之一。我们正在发布三个新的 cookbook，它们

5 分钟阅读

LangServe Playground 和可配置性

上周我们推出了 LangServe，这是一种以生产就绪的方式轻松部署链和代理的方法。具体来说，它接受一个链并轻松启动

3 分钟阅读

使用 OpenAI 函数从文本构建知识图谱：利用知识图谱为 LangChain 应用程序提供动力

编者按：这篇文章由 Neo4j 团队的 Tomaz Bratanic 撰写。从非结构化数据（如文本）中提取结构化信息一直是

10 分钟阅读

任何其他名称的块：结构化文本分割和元数据增强的 RAG

构建上下文感知的 LLM 应用程序通常始于系统性的去上下文过程，这在某种程度上具有结构性的讽刺意味，其中

128 分钟阅读