Tutorial coreano de Langchain
? Este es un tutorial coreano basado en el documento oficial de Langchain, el libro de cocina y otros ejemplos prácticos .
Este tutorial puede aprender a usar Langchain de manera más fácil y efectiva.
? Wiki Dogs E -Book (gratis)
Registré un libro electrónico gratis en perros wiki ✌️
Si solo presiona el botón "recomendado" en la página Wiki Dogs, será una gran fuerza para la producción. ¿Gracias de antemano?
Estamos actualizando duro lo antes posible. Cada vez que se agrega una nueva función, se actualizaremos rápidamente.
- Langchain langchain nota de Teddy nota
? YouTube
- ? ¿Cómo ejecutar y probar rápidamente los modelos abiertos lanzados en Huggingface en PCS Local + Modelo Serving + Business Automation? ¡Cómo aplicar!
- ? Código -Código de GitHub Código de Github -CH&A basado en chatbot? Productor
- Llama3 lanzó Llama3-8B Model Rurfing Llama3?
- La actuación es increíble. ¡Reciba el modelo de ajuste PIN y realice su propio alojamiento LLM local (#LangServe) + #rag!
- GRATIS COREANO ?? ¡Reciba el modelo de ajuste PIN y haga su propio alojamiento LLM local (Langserve) + Rag!
- Cómo producir el servicio de clonos chatgpt con simpiltlit
- ¡Cómo generar la cadena LLM para grabar la conversación + consejo para referirse al documento!
- (Self Learning GPT) GPT para aprender las respuestas del formato deseado con la retroalimentación de Langsmith
- (Langserve Review) Super Simple LLM Web Aples Creation & Distribution Función! ¿Puedes reemplazar a Streamlit?
- Discusión revolucionaria de AI vs AI Medical College (AI Dubbook)
- Discusión Agente de IA -¿Qué pasa si AI tiene pros y contras por el aumento de la admisión para la admisión?
- Metodología de trapo novedoso para un contexto largo: ¡Raptor! Preparé una revisión y código de papel
- Langchain Anuncio / trapo Por qué nunca podemos obtener los resultados fácilmente
- Análisis de la revisión del centro comercial sin codificación (rastreo + preguntas y respuestas chatbot)
- ¿Qué pasaría si coloca la función de llamadas API en los GPTS de ChatGPT?
- Cómo aplicar el chatgpt a la automatización de negocios utilizando el agente Langchain
- ¡Privado GPT! Crea tu propio chatgpt (Huggingface Open LLM)
- Colaboración de múltiples agentes de Langgraph
- Magic Grammar Langchain Language de expresión (Lcel)
- Cómo convertir la imagen en el código Matplotlib Python y convertirla en código Python cuando ingrese la oración deseada.
- RAG Pipeline ENTENDENTE -NAVER NEWS Artículo basado en preguntas y respuestas de chatbot
- La nueva API asistente de funciones de Openai entiende completamente
- El nuevo asistente de la API de OpenAI API 3 formas de usar
Lista de publicaciones de blog ✏️
General
- Tabla / tabla de tarifas de la lista de modelos de API de OpenAI
API Operai Python
- Cómo emitir la clave de la API de Openai Python, el sistema de tasas
- Use la función de chat (1)
- Uso de Dall · E para crear, modificar y diversificar la imagen (2)
- Implementación de TTS, STT usando Whisper API (3)
Langchain
- Cómo usar el modelo Operai GPT (Chatopenai)
- Cómo usar el modelo de la cara abrazada
- Chat -conversionchain, uso de plantillas
- Análisis de datos basado en datos de datos de formación (CSV, Excel)
- Sitio web Crawl -Website Documario de documentos
- Extracción de información del sitio web: cómo usar el esquema
- Resumen de documentos PDF, Map-Reduce
- Preguntas y respuestas basadas en PDF
- Cómo cambiar la oración a un código Python y la imagen al código de Python
- Langchain Language de expresión (LCEL) Principio de comprensión y guía de construcción de tuberías
- Guía de resumen de documentos utilizando LLM: cosas, map-reduce, resumen del método de refine
- Creación automatizada de metadatos y etiquetado automático en el documento
- El edificio de solicitudes de preguntas y respuestas basadas en preguntas y respuestas de Naver -Edición Basic
- Digging de trapo: Método de diseño del sistema de control de calidad basado en documentos -Edición avanzada
- Guía de construcción del sistema de búsqueda inteligente utilizando agentes y herramientas
Langgraph
- Producción de aplicaciones LLM que realiza tareas complejas con colaboración de múltiples agentes
- Buscar y procesar documentos dinámicos utilizando el agente de recuperación de Langgraph
Presentación de Langchain Meetup 2024 Q1
- Trapo -por qué nunca podremos obtener los resultados que queremos fácilmente -Tdy nota
- Fresco fresco y evaluación del modelo LLM -Jae -Seok Lee
- Cambios en las tuberías de producción de juegos a través de la inteligencia artificial -kim Han -nim
- Operai Sora sabe un poco -park jung -hyun
- AI Copilot hecho por núcleo semántico -lee jong -in
- Desarrollando su propio servicio web con sylelit y langchain -jaehyuk choi
- Hasta hacer llama2 -koen -tae -kyun choi
- Para evaluar el modelo de idioma coreano correcto: HAE -RAE BENCH, KMMLU -SON KYU -JIN
- Langchain Naver Knight Grastrando -Woo Sung Woo
- Hacer la cadena SQL usando Gemma y Langchain -Kim Tae -Young
Licencia
Este proyecto tiene licencia de acuerdo con la licencia de Apache 2.0.
Licencia
Los derechos de autor de este contenido están en Tedinnot en 2024. Todos los derechos están en el titular de los derechos de autor, y puede comunicarse con [email protected].
Copyright 2024 테디노트([email protected])
Licensed under the Apache License, Version 2.0 (the "License");
you may not use this file except in compliance with the License.
You may obtain a copy of the License at
http://www.apache.org/licenses/LICENSE-2.0
Unless required by applicable law or agreed to in writing, software
distributed under the License is distributed on an "AS IS" BASIS,
WITHOUT WARRANTIES OR CONDITIONS OF ANY KIND, either express or implied.
See the License for the specific language governing permissions and
limitations under the License.
Cita y notación de fuente
- Si el contenido de este trabajo se publica en medios en línea, como blogs y YouTube, la fuente debe especificarse de acuerdo con la ley de derechos de autor.
Consulta preliminar sobre uso comercial
- Si desea utilizar este trabajo (incluidos los wikidocs y el código de práctica relacionado) para fines comerciales, como conferencias y conferencias, las consultas escritas previas con los titulares de derechos de autor son esenciales.
Está prohibido de la reproducción y redistribución no autorizadas de este contenido. Si está citando todo o parte de este contenido, revele claramente la fuente. Este documento puede haber sido escrito con referencia al contenido de otros documentos. Los materiales de referencia se pueden encontrar en la lista de fuentes en la parte inferior de este documento.
fuente
- Langchain-ai
- ¿Referencia de API de OpenAI?
Datos adicionales
- Canal de YouTube : ¿Tutorial coreano Langchain?
- Blog : Nota de Teddy
- Playground : Langchain LLM Playground?
A partir de
Antes de comenzar este tutorial, es mejor tener un conocimiento básico relacionado con Langchain. Puede obtener información básica a través del enlace de arriba.
Historia de inicio
Revisión del país
Si desea contribuir a este tutorial, envíe una solicitud completa en cualquier momento o registre sus problemas para compartir sus opiniones. Todas las contribuciones son muy útiles para el desarrollo de este proyecto. ?
