langChain路由链（RouterChain）‌是一种在语言模型（LLM）编程框架中用于根据输入的提示词（Prompt）选择具体执行链的机制。路由链的主要作用是根据不同的输入提示词，动态选择合适的处理链来执行任务。路由链（RouterChain）由多个提示词（Prompt）组成，这些提示词与LLM结合，决定下一步应该调用哪个链。它通常涉及两个核心类：LLMRouterChain和MultiPromptChain。LLMRouterChain用于将LLM路由到可能的选项中，而MultiPromptChain则用于在多个提示词之间路由输入，选择其中一个提示词来执行相应的链使用场景和步骤‌准备多...

在大模型应用开发中，我们经常会把一次请求的结果交到下一次请求，实现多次请求大模型，来完成一个复杂的任务，这里我们使用langchain的顺序链，来做测试。示例中的任务为：我们把一篇英文文章发送给大模型，让大模型首先翻译为中文，然后再将翻译后的中文交给大模型，让其生成摘要，最后让其用摘要写一篇文案输出，最终结果我们是要得到一篇中文文案。代码示例：一.引入包fromlangchain.chainsimportLLMChain,SimpleSequentialChain,SequentialChain,ConversationChainfromlc_deepseek_aiimportCreateCh...

我们用一个示例来记录多种向量检索方法的使用，在实际使用中我们根据具体情况来作出选择：分别是：简单检索器、多轮查询检索器、上下文件压缩检索器、最大边界相似性检索器、相似度打分检索器以下是具体实现代码：一.引入需要的包fromlangchain.document_loadersimportDocx2txtLoaderfromlangchain.text_splitterimportRecursiveCharacterTextSplitter,CharacterTextSplitterfromlangchain.embeddingsimportHuggingFaceEmbeddingsfromlan...

使用few-shotPrompttemplate让大模型更懂你这里写几个例子，实现了：长度示例选择器、相关度示例选择器、相似性示例选择器三种：创建一个使用少量示例的提示模板(Prompttemplate)。少量示例的提示模板可以从一组示例(examples)或一个示例选择器(Exampleselector)对象构建一.使用相似性示例选择器，选择小样本示例内容：本事例实现了生成单词反义词的功能直接记录代码：fromlangchain_community.vectorstoresimportChromafromlangchain_core.example_selectorsimportSemant...

一.在复杂应用中，我们可以将多个提示词模板组合起来使用，可降低复杂度，组合提示词模板需引入PipelinePromptTemplate组模块下面是代码示例："""组合提示词模板测试"""fromlangchain.promptsimportPromptTemplatefromlangchain.promptsimportPipelinePromptTemplatefromqifan_aiimportCreateMyLLMPROMPT_TEMPLATE="""{character}{behavior}{prohibit}"""full_prompt=PromptTemplate.from_tem...

写一个小dome,我们来使用自定义提示词模板：代码实现功能为：让大模型给函数生成说明fromqifan_aiimportCreateMyLLMfromlangchain.promptsimportStringPromptTemplateimportinspectdefhello_add(x,y):z=x+yreturnzstr_prompt="""\你是一个非常有经验的Python开发工程师。现在给你如下函数名称，你会按照如下格式，输出函数名称、源代码、中文注释。函数名称：{function_name}源代码：{function_source}中文注释："""classFunctionProm...

一.原则：想要写出优秀的提示词其实不难，只需按照以下规范书写即可1．立角色：引导AI进入具体场景，赋予其行家身份2．述问题：告诉AI你的困惑或问题、以及背景信息3．定目标：告诉AI你的需求，希望达成的目标4．补要求：告诉AI回答时注意什么、或如何回复二.langchain字符串提示词模板样例fromlangchain.promptsimportPromptTemplate##字符串模板prompt=PromptTemplate.from_template("""你是一个算命大师，请根据出生年月:{year}年{month}月,给这个名字{name}算命，算命依据周易算命来计算，按列表形式输出。...

从功能定位、知识库处理能力、用户体验、部署方式等方面对CherryStudio、AnythingLLM和Chatbox三款工具进行对比分析，1.功能定位与核心优势CherryStudio全能型协作平台：是一款商业软件，支持云端模型（如OpenAI、Gemini、DeepSeek-R1）与本地模型（如Ollama）的无缝切换，支持多模型对话对比，适用于复杂场景下的多任务协作。知识库构建与管理：在嵌入模型（如nomic-embed-text）的支持下，能高效处理本地知识库，回答内容更贴近投喂资料，适合企业级文档管理及学术研究。多模态与工具集成：支持文本、PDF、图像处理，集成代码高亮、Mermai...

过程：1.在网上爬取博客文章，这里以本站这三篇博文为例：http://www.xcbmz.cn/blog_detail?id=21（乡村便民信息站）http://www.xcbmz.cn/blog_detail?id=24（残疾人辅具适配系统）http://www.xcbmz.cn/blog_detail?id=17(AI智能客服系统)2.使用递归智能分割对文本进行分割3.使用文新一言嵌入模型建立向量空间数据4.构建提示语5.创建对话链5.创建检索器6.创建历史子链7.测试执行多轮会话代码如下：importbs4fromlangchain.chains.combine_documentsimp...

让大模型在我们本地向量空间回答问题：事例代码如下：fromlangchain_community.embeddingsimportQianfanEmbeddingsEndpointfromlangchain_community.vectorstoresimportChromafromlangchain_core.documentsimportDocumentfromlangchain_core.promptsimportChatPromptTemplatefromlangchain_core.runnablesimportRunnableLambda,RunnablePassthroughfr...