4、课后阅读:Static runtime Context
静态运行时上下文(Static runtime Context)表示不可变的数据,如用户元数据、工具和传递给应用程序的数据库连接对象。通常在运行开始时通过 invoke / stream 的 context 参数传递,此类数据在运...
4.2 工具中访问
在上文介绍工具的自定义args_schema时我们介绍了两种方式: 基于pydantic模型 基于json_schema实际上,Langchain底层在生成工具的schema时,如果参数类型注解是pydantic模型,也会被一并解析。 ...
第10章:RAG(Retrieval)
Retrieval直接翻译过来即“检索”,本章Retrieval模块包括与检索步骤相关的所有内容,例如数据的获取、切分、向量化、向量存储、向量检索等模块。官方文档地址:https://docs.langchain.com/oss...
2、详细使用流程
2.1 环境准备 2.1.1 安装依赖我们在《第02章-模型调用》章节已经通过requirements.txt 文件安装过课程的依赖。当时考虑到本章RAG模块涉及的依赖较多且大,所以不在之前的依赖文件中。所以,这里...
2.3 文档切分器 Text Splitters
这些方法各有优势和局限,选择适当的分块策略取决于具体的应用需求和预期的检索效果。接下来我们依次尝试用常规手段应该如何实现上述几种方法的文本切分。 2.3.3 TextSplitter 源码分析 小结:...
2.3.4 具体实现
举例1:字符串文本的分割 说明:若必须禁用分隔符(如处理无空格文本),需容忍实际块长略小于 chunk_size (尤其对中文)举例2:指定分割符 举例1:使用split_text()方法演示 举例2:使用creat...
2.4 文档嵌入模型 Text Embedding Models
2.4.1 嵌入模型概述 Text Embedding Models:文档嵌入模型,提供将文本编码为向量的能力,即文档向量化。文档写入和用户查询匹配前都会先执行文档嵌入编码,即向量化。 常用嵌入模型: LangChai...
2.4.3 句子的向量化(embed_query)
举例: 2.4.4 文档的向量化(embed_documents)文档的向量化,接收的参数是字符串数组。举例1: 举例2: from langchain_community.document_loaders 1 import CSVLoader
2.5 向量存储(Vector Stores)
将文本向量化之后,下一步就是进行向量的存储。2.5.1 向量数据库的理解假设你是一名摄影师,拍了大量的照片。为了方便管理和查找,你决定将这些照片存储到一个数据库中。传统的关系型数据库(如...
为什么现在需要自己理解 Agent Harness?
我们最终要实现的是这样一条完整链路: 用户提出任务 ↓ Flask API ↓ Agent Harness ↓ LLM 思考与决策 ↓ 选择 Tool ↓ 执行 Tool ↓ 获取 Observation ↓ 继续决策 ↓ 完成任务 最终这个 Age...













