大模型开发遇到的问题及langchain框架学习
背景:
1、微场景间跳转问题,无法实现微场景随意穿插
2、大模型幻读(推荐不存在的产品、自己发挥)
3、知识库检索,语义匹配效果较差,匹配出的结果和客户表述的语义有差异
4、场景外话题防护(如作诗、编码、翻译、敏感信息、政治任务讨论等等)
5、多场景切换不支持
6、安全问题
7、管理平台PART 02
智能体
智能体,英文名是Agent, 称智能体、代理、代理人等。人工智能智能体简称AI
智能体,是一种能够感知环境、进行决策、执行动作、完成既定目标的智能实体。
大模型
大型语言模型简称大模型(llm),是基于海量文本数据训练的深度学习模型。通过
prompt指令,通过输入客户聊天上下文,大模型理解文本含义,按照一定的思维链反馈
知识库
有时候搜索的内容,当大模型中不存在相应的知识,通过知识库里面的内容弥补,
避免大模型幻觉。
Agent 设计模式
1)Reflection:让 Agent 审视和修正自己生成的输出;
2)Tool Use:LLM 生成代码、调用 API 等进行实际操作;
3)Planning:让 Agent 分解复杂任务并按计划执行;
4)Multiagent Collaboration:多个 Agent 扮演不同角色合作完成任务;请在此处添加具体
智能体设计模式-反思模式
智能体设计模式-使用工具
智能体设计模式-规划
智能体设计模式-多智能体-路由委派
langchain
LangChain是一个开源框架,用于构建大型语言模型(LLM)应用程序。
• 具有上下文感知能力:将语言模型连接到上下文来源(提示指令,少量的示例,需要回应的内容等)
• 具有推理能力:依赖语言模型进行推理(根据提供的上下文如何回答,采取什么行动等)
它通过提供模块化组件简化了开发流程。
langchain的版本迭代
初始版本:2022年10月
稳定版本 0.1.0:2024年1月8日发布
最新稳定版本:0.1.17:2024年5月1日发布这是一个较新的版本langchain框架
LangChain 库
包含了各种组件的接口和集成,一个基本的运行时,用于将这些组件组合成链和代理
LangServe
一个用于将 LangChain 链部署为 REST API 的库。
LangSmith
一个开发者平台,让你可以调试、测试、评估和监控基于任何 LLM 框架构建的链,并且与 LangChain
无缝集成。
langgraph(构建工作流)
基于LangChain 的多智能体运行框架,这个框架的主要目的是帮助用户更方便地构建有环图,从而
在有状态的多角色应用程序中实现更复杂的逻辑
lagnchain核心组件
Models:与语言模型进行交互
• LLMs(文本补全功能): 输入一个文本字符串并返回一个文本字符串的模型
• 聊天模型: 由语言模型支持的模型,接受一个聊天消息列表作为输入并返回一个聊天消息
Prompts:提示词工程
Memory:内存记忆
Chains:构建调用链
Agents:代理,执行复杂任务
Rag检索增强:文本嵌入模型、向量存储、文档加载器和转换器、检索(向量+关键字)
回调函数:记录和传输任何链的中间步骤
prompt = ChatPromptTemplate.from_template("tell me a short joke about {topic}")
model = ChatOpenAI(model="gpt-4")
chain = prompt | model.bind_tools(tools=[search]) | StrOutputParser()
chain.invoke({"topic": "ice cream"})
LangSmith 无侵入流程调用监控
开发实践
基于工具的智能体
基于路由代理的多智能体
基于多级路由代理的多智能体
使用总结
使用框架优点:
• 简化开发流程,提高开发效率
• 提高项目可拓展性
• 能够实现多代理工作流编排
• 可观测性和调试
缺点:
• 框架还未成熟,模型支持力度不同。
• 学习成本
• 框架封装后,隐藏了很多细节,业务设计要求高
如何学习AI大模型?
我在一线互联网企业工作十余年里,指导过不少同行后辈。帮助很多人得到了学习和成长。
我意识到有很多经验和知识值得分享给大家,也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑,所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限,很多互联网行业朋友无法获得正确的资料得到学习提升,故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。
第一阶段: 从大模型系统设计入手,讲解大模型的主要方法;
第二阶段: 在通过大模型提示词工程从Prompts角度入手更好发挥模型的作用;
第三阶段: 大模型平台应用开发借助阿里云PAI平台构建电商领域虚拟试衣系统;
第四阶段: 大模型知识库应用开发以LangChain框架为例,构建物流行业咨询智能问答系统;
第五阶段: 大模型微调开发借助以大健康、新零售、新媒体领域构建适合当前领域大模型;
第六阶段: 以SD多模态大模型为主,搭建了文生图小程序案例;
第七阶段: 以大模型平台应用与开发为主,通过星火大模型,文心大模型等成熟大模型构建大模型行业应用。
👉学会后的收获:👈
• 基于大模型全栈工程实现(前端、后端、产品经理、设计、数据分析等),通过这门课可获得不同能力;
• 能够利用大模型解决相关实际项目需求: 大数据时代,越来越多的企业和机构需要处理海量数据,利用大模型技术可以更好地处理这些数据,提高数据分析和决策的准确性。因此,掌握大模型应用开发技能,可以让程序员更好地应对实际项目需求;
• 基于大模型和企业数据AI应用开发,实现大模型理论、掌握GPU算力、硬件、LangChain开发框架和项目实战技能, 学会Fine-tuning垂直训练大模型(数据准备、数据蒸馏、大模型部署)一站式掌握;
• 能够完成时下热门大模型垂直领域模型训练能力,提高程序员的编码能力: 大模型应用开发需要掌握机器学习算法、深度学习框架等技术,这些技术的掌握可以提高程序员的编码能力和分析能力,让程序员更加熟练地编写高质量的代码。
1.AI大模型学习路线图
2.100套AI大模型商业化落地方案
3.100集大模型视频教程
4.200本大模型PDF书籍
5.LLM面试题合集
6.AI产品经理资源合集
👉获取方式:
😝有需要的小伙伴,可以保存图片到wx扫描二v码免费领取【保证100%免费】🆓