跳到内容
LangChain Blog
  • 案例研究
  • 循环中
  • LangChain
  • 文档
  • 更新日志
登录 订阅
Empowering Development with FlowTestAI: Bridging APIs and LLMs for Enhanced Testing and Privacy

利用 FlowTestAI 赋能开发:桥接 API 和 LLM 以增强测试和隐私

编者按:我们很高兴重点介绍 FlowTestAI 的这篇博客。FlowTestAI 是一家令人兴奋的初创公司,它基于 LangChain 构建。具体来说,

7 分钟阅读
Tool Calling with LangChain

使用 LangChain 进行工具调用

TLDR:我们正在 AIMessage 上引入一个新的 tool_calls 属性。越来越多的 LLM 提供商正在公开用于可靠工具调用的 API。这个

6 分钟阅读
Rethinking Our Documentation

重新思考我们的文档

LangChain 在过去一年半中经历了令人难以置信的增长。Python 开源库现在每月下载量超过 700 万次,

4 分钟阅读
LangSmith: Production Monitoring & Automations

LangSmith:生产监控与自动化

重要链接:* YouTube 演示 * 在此处注册 LangSmith 如果说 2023 年是 LLM 的突破之年,那么 2024 年有望成为

6 分钟阅读
LangFriend: a Journal with Long-Term Memory

LangFriend:具有长期记忆的日志

在 LangChain,我们最感兴趣的概念之一是记忆。每当我们对一个概念感兴趣时,我们都喜欢构建一个

6 分钟阅读
Open Source Extraction Service

开源提取服务

本月早些时候,我们宣布了我们最新的 OSS 用例加速器:一种从非结构化来源(例如文本和 PDF)提取结构化数据的服务

7 分钟阅读
Using Feedback to Improve Your Application: Self Learning GPTs

使用反馈改进您的应用程序:自学习 GPT

我们构建并托管了一个简单的演示应用程序,以展示应用程序如何随着时间的推移从反馈中学习和改进。该应用程序名为“

4 分钟阅读
LangChain Integrates NVIDIA NIM for GPU-optimized LLM Inference in RAG

LangChain 集成 NVIDIA NIM,用于 RAG 中 GPU 优化的 LLM 推理

大约一年半以前,OpenAI 推出了 ChatGPT,生成式 AI 时代真正开始启动。从那时起,我们看到了快速增长

By LangChain 4 分钟阅读
Enhancing RAG-based application accuracy by constructing and leveraging knowledge graphs

通过构建和利用知识图谱来提高基于 RAG 的应用程序的准确性

关于在具有 Neo4j 和 LangChain 的 RAG 应用程序中构建知识图谱并从中检索信息的实用指南 编者注:以下是

合作帖子 7 分钟阅读
Benchmarking Query Analysis in High Cardinality Situations

高基数情况下的查询分析基准测试

LLM 的几个关键用例涉及以结构化格式返回数据。提取是其中一个用例 - 我们最近通过以下内容强调了这一点

6 分钟阅读
Multi Needle in a Haystack

大海捞针

重要链接 * 视频 * 代码概述 随着上下文窗口扩展到 1M 个 tokens,人们对长上下文 LLM 的兴趣正在激增。最受欢迎的之一是

6 分钟阅读
Iterating Towards LLM Reliability with Evaluation Driven Development

通过评估驱动开发迭代实现 LLM 可靠性

编者注:以下是 Dosu 首席执行官 Devin Stein 的客座博客文章。Dosu 是一位工程团队成员,可以帮助

7 分钟阅读

页码 9 / 24

加载更多 加载更多帖子时出错
  • 注册

© LangChain 博客 2025