RabbitMQ的队列模式你真的懂吗
0 前言 官网描述六类工作队列模式： 简单队列模式：最简单的工作队列，一个消息生产者，一个消息消费者，一个队列。另称点对点模式 工作模式：一个消息生产者，一个交换器，一个消息队列，多个...
改进大语言模型的最全方法！
这是一篇关于适应开源大语言模型（LLMs）的三部系列博客的第一篇。本文探讨将LLM适应领域数据的各种方法。 第二部分讨论如何确定微调（fine-tuning）是否适合您的用例。 第三部分探讨策划良好训...
如何微调：关注有效的数据集！
如何微调：关注有效的数据集 本文关于适应开源大型语言模型（LLMs）系列博客的第三篇文章。在这篇文章中，我们将探讨一些用于策划高质量训练数据集的经验法则。 第一部分探讨了将LLM适应于领域...
高并发业务下的库存扣减技术方案设计
扣减库存需要查询库存是否足够: 足够就占用库存 不够则返回库存不足（这里不区分库存可用、占用、已消耗等状态，统一成扣减库存数量，简化场景） 并发场景，若 查询库存和扣减库存不具备原子性...
如何在Spring Boot中无缝集成LangChain4j，玩转AI大模型！
0 前言 LangChain4j 提供了用于以下功能的 Spring Boot 启动器： 常用集成 声明式 AI 服务 1 常用集成的 Spring Boot starters Spring Boot 启动器帮助通过属性创建和配置 语言模型、嵌入模型、...
LangChain4j支持的API类型
本文描述了底层的大语言模型（LLM）API。高级的LLM API参见AI服务。 1 LLM API的类型 1.1 LanguageModel 非常简单—，接受一个String作为输入，并返回一个String作为输出。 该API现正逐渐被聊天...
使用LangChain4J实现Agent与Tool调用
一些LLM除了生成文本，还可触发操作。 所有支持tools的LLMs可在此处找到（参见“Tools”栏）。 有一个被称为“工具（tools）”或“函数调用（function calling）”的概念。它允许LLM在必要时调...
使用AI进行需求分析的案例研究
生成式 AI 的潜在应用场景似乎无穷无尽。虽然这令人兴奋，但也可能让人不知所措。因此，团队在使用这项技术时需要有明确的目标：关键是要明确生成式 AI 在团队工作中能产生哪些实质性影响。 在...
LangServe如何革新LLM应用部署？
0 前言 随LLM技术演进，AI应用开发部署越来越复杂。LangServe应运而生，旨在简化AI服务部署和运维的框架。专为LLM部署和管理而设计；本文旨在讲解LangServe的功能特点和实践运用。 1 概述 LangS...
利用LangGraph和Waii实现你的chat2db！
0 前言 在数据分析领域快速发展的今天，通过自然语言与数据交互的能力变得越来越有价值。对话式分析旨在使复杂数据结构对没有专业技能的用户更易于访问。 LangGraph 是个框架，用于构建使用语言...
