写文章
- @boling_cavalry
简介
该用户还未填写简介
擅长的技术栈
未填写擅长的技术栈
可提供的服务
暂无可提供的服务
LangChain4j实战之十七：RAG (检索增强生成)，clickhouse存储向量数据及其使用
在RAG场景，用clickhouse存储本地内容的向量，在LLM对话时通过clickhouse得到向量对应的内容
性能暴涨，CTO问我是不是偷偷升级硬件了：JDK 21虚拟线程真香实录
打开虚拟线程开关，并验证其效果
LangChain4j实战之十一：结构化输出之二，function call
由LangChain4j把指定方法的参数详情发送给LLM，这样LLM就知道返回的格式了
LangChain4j实战之十二：结构化输出之三，json模式
使用LLM支持的JSON模式，使得LLM以JSON格式返回内容，并且还可以详细到每个字段都指定
LangChain4j实战之十三：函数调用，低级API版本
让LLM理解本地函数的执行结果，整理后作为对话内容，本文实战其具体实现
LangChain4j实战之十四：函数调用，高级API版本
相比低级API，高级API仅用少量代码就实现了同样的函数调用，您可以在定制和通用间选择
LangChain4j实战之十七：RAG (检索增强生成)，clickhouse存储向量数据及其使用
在RAG场景，用clickhouse存储本地内容的向量，在LLM对话时通过clickhouse得到向量对应的内容
机器学习的开发环境准备
准备Python3开发环境，并开发一个正弦波图形的demo
LangChain4j实战之十五：RAG (检索增强生成)，Easy RAG
体验最简单的RAG方案，把本地文档发给LLM进行整理
LangChain4j实战之十六：RAG (检索增强生成)，Naive RAG
参与RAG索引和使用的编码，了解其原理
