工具调用概述

许多人工智能应用直接与人类交互。在这些情况下，模型需要用自然语言回应。 但是，当我们希望模型也能直接与系统（如数据库或 API）交互时，又该如何呢？ 这些系统通常有一个特定的输入模式；例如，API 经常有一个必需的负载结构。 这种需求促使了工具调用（Tool calling）的概念。可以使用工具调用来请求符合特定模式的模型响应。

工具概述

LangChain 中的工具（Tool）抽象将一个 Python 函数与定义该函数名称、描述和预期参数的规范关联起来。

工具可以传递给支持工具调用的聊天模型，从而允许模型请求使用特定输入执行特定功能。

消息概述

消息（Message）是聊天模型中的通信单位。它们用于表示聊天模型的输入和输出，以及与对话可能相关的任何附加上下文或元数据。

每个消息都有一个角色（如“用户”、“助手”）和内容（如文本、多模态数据），此外还有根据聊天模型提供商而变化的附加元数据。

提示模板

提示模板（PromptTemplate）有助于将用户的输入和参数转换为语言模型的指令。这可以用来指导模型的响应，帮助其理解上下文并生成相关且连贯的语言输出。

提示模板以字典形式作为输入，其中每个键代表提示模板中的变量，需要填充内容。

聊天模型

大型语言模型（LLM）是一种先进的机器学习模型，在文本生成、翻译、总结、问答等广泛的与语言相关任务中表现出色，无需在每个场景中都进行任务特定的微调。
现代大型语言模型通常通过聊天模型界面进行访问，该界面接受消息列表作为输入，并返回一条消息作为输出。

介绍

LangChain 是一个框架，用于开发基于大语言模型（LLMs）的应用程序。
LangChain 简化了LLM应用生命周期的每一个阶段：

• 开发阶段：使用 LangChain 的开源构建块、组件和第三方集成来构建您的应用程序。使用 LangGraph 构建具有一流流处理和人工干预支持的有状态代理。
• 生产阶段：使用 LangSmith 检查、监控和评估您的链，从而可以不断优化和部署并有信心。
• 部署阶段：使用 LangGraph Cloud 将您的 LangGraph 应用程序转化为生产就绪的 API 和助手

• LangChain 介绍
• LangChain 专题1 调用大语言模型
• LangChain 专题2 使用消息
• LangChain 专题3 使用提示模板
• LangChain 专题4 工具介绍
• LangChain 专题5 工具调用
• LangChain 专题6 可运行接口
• LangChain 专题7 输出解析器

简介

Pydantic 是一个基于 Python 类型提示的数据验证库，主要特点包括：

Hugo 静态网站生成器

Hugo 是一款快速、灵活且安全的开源静态网站生成器，使用 Go 语言编写。它以其速度和效率著称，能够在几秒钟内生成数千个页面。

Hugo 是一款快速、灵活且安全的开源静态网站生成器，本文介绍如何使用 Hugo 创建一个网站，生成静态文件并发布到 Nginx。
操作系统：Ubuntu 24.04

使用 Hugo 创建网站的基本流程：

1. 安装 Hugo
2. 创建一个新的 Hugo 项目
3. 选择并应用主题
4. 创建内容（Markdown 文件）
5. 生成网站
6. 部署网站