目录前言一、信息抽取的相关概念介绍二、命名实体识别(NER)所使用的方法2-1、利用规则2-2、投票模型2-3、利用分类模型总结前言信息抽取（information extraction），即从自然语言文本中，抽取出特定的事件或事实信息，帮助我们将海量内容自动分类、提取和重构。这些信息通常包括实体（entity）、关系（relation）、事件（event）。例如从新闻中抽取时间、地点、关键人物，

ChatGPT爆火之后，以ChatPDF为首的产品组合掀起了知识库问答的热潮。

《12-Factor Agents》提出了一套AI应用开发方法论，借鉴传统软件工程的12-Factor原则，解决LLM应用从原型到生产的关键挑战。文章重点阐述了三个核心实践：1）将自然语言转化为结构化工具调用，确保决策可控性；2）强调自定义提示词的重要性，需像代码一样管理提示词模板；3）构建完整上下文窗口，整合指令、历史数据和工具调用结果。这些实践旨在提升AI应用的可靠性、可维护性和可部署性，为生

思维链，是一系列中间推理步骤，可以显著提高大语言模型执行复杂推理的能力。

目前市面上绝大部分数据血缘产品是用于跟踪数据流转过程和关系的平台，可以记录数据的来源、传输路径和用途，帮助企业管理和保护其数据资产。这些平台提供了跟踪数据血缘的功能，并可以自动记录和管理数据资产，提高数据的质量和可靠性。那么企业要如何选择适合自己的工具呢？今天就来对主流的数据血缘产品进行简单剖析。

Python 异步编程是一种编程方式，用于处理可以并发执行的任务，以提高程序的效率和性能。异步编程允许在一个线程中执行多个任务，通过在某些任务等待 I/O 操作（如文件读写、网络请求等）完成时切换到其他任务，从而更有效地利用 CPU 资源。

LangChain给自身的定位是：用于开发由大语言模型支持的应用程序的框架。它的做法是：通过提供标准化且丰富的模块抽象，构建大语言模型的输入输入规范，利用其核心概念chains，灵活地连接整个应用开发流程。这里是LangChain系列的第三篇，主要介绍LangChain的检索模块。

LangChain给自身的定位是：用于开发由大语言模型支持的应用程序的框架。它的做法是：通过提供标准化且丰富的模块抽象，构建大语言模型的输入输入规范，利用其核心概念chains，灵活地连接整个应用开发流程。这里是LangChain系列的第一篇，主要介绍LangChain表达式 (LCEL)。

LangChain给自身的定位是：用于开发由大语言模型支持的应用程序的框架。它的做法是：通过提供标准化且丰富的模块抽象，构建大语言模型的输入输出规范，利用其核心概念chains，灵活地连接整个应用开发流程。这里是LangChain系列的第五篇，主要介绍LangChain的Memory模块。

大模型：大模型是指在机器学习和人工智能领域中，具有大规模参数和复杂结构的模型。这些模型通常由数百万甚至数十亿、数千亿个参数组成，可以用来解决复杂的任务和问题，如自然语言处理、图像识别、语音识别等。