跳到主要內容
AI 武林

LangChain

28 筆內容提到

最近 7 天 1 筆↓1（比前一期少 1 筆）（再前 7 天 2 筆）

也寫作：Langchain

這一頁列的是「提到 LangChain」的內容（名稱由語言模型從內容裡整理），不一定整筆都在講它。只想追它的新內容：訂閱 RSS；想找標題裡就有它的：搜尋「LangChain」。

最新

依發布時間

跳到最受歡迎
  3. 影片Prompt Engineering進階EN

    Building an Agent Harness with Jev: What Actually Works?

    作者利用 TypeSafe 的 Jev 系統一模型與 Pi 編碼代理，在 Postgres 資料庫上建立測試 harness，驗證決策模型如何提升 AI 代理效能。透過實際跑 15 次測試，揭示當系統拒絕時代理尋找繞路行為的有趣發現。

    1.3 萬次觀看

    ※ 摘要僅根據標題與說明

  23. PodcastVanishing Gradients進階EN

    Episode 57: AI Agents and LLM Judges at Scale: Processing Millions of Documents (Without Breaking the Bank)

    由 UC Berkeley 的 Shreya Shankar 分享如何將大型語言模型應用轉化為可靠且低成本的自動化流程。她介紹了將非結構化文件處理視為 ETL 管道的框架，強調透過人工錯誤分析、設定驗證規則與使用廉價模型來平衡準確度與成本…

  24. 文章Hamel Husain（部落格）進階EN

    Using LLM-as-a-Judge For Evaluation: A Complete Guide

    提供一套完整的實作指南，教導如何建立「以大型語言模型為裁判」的評估系統。作者透過協助超過 30 家公司的經驗，指出常見錯誤並提出「評論跟隨」技術，強調先找準領域專家、構建多樣化資料集，再迭代建立自動裁判，避免陷入無效的指標堆疊。

  27. 文章Mitchell Hashimoto（部落格）入門EN

    Prompt Engineering vs. Blind Prompting

    區分「提示工程」與「盲目試錯」，透過建立示範集、設計候選提示詞、系統性測試與成本效益分析，展示如何將提示工程應用於實際專案。讀者能學習如何將自然語言輸入轉為結構化資料的工程化流程，並掌握驗證與持續改進的方法。

  28. 文章Lilian Weng（部落格）進階EN

    Prompt Engineering

    深入探討提示工程（Prompt Engineering）的實作方法與理論基礎，涵蓋零樣本、少樣本學習、指令提示及思維鏈等技術。讀者可學習如何透過精心設計提示來引導大型語言模型，並了解相關研究論文與最佳實踐。

最受歡迎

依人氣

  6. 6文章Mitchell Hashimoto（部落格）入門EN

    Prompt Engineering vs. Blind Prompting

    區分「提示工程」與「盲目試錯」，透過建立示範集、設計候選提示詞、系統性測試與成本效益分析，展示如何將提示工程應用於實際專案。讀者能學習如何將自然語言輸入轉為結構化資料的工程化流程，並掌握驗證與持續改進的方法。

  7. 7文章Lilian Weng（部落格）進階EN

    Prompt Engineering

    深入探討提示工程（Prompt Engineering）的實作方法與理論基礎，涵蓋零樣本、少樣本學習、指令提示及思維鏈等技術。讀者可學習如何透過精心設計提示來引導大型語言模型，並了解相關研究論文與最佳實踐。

  9. 9文章Hamel Husain（部落格）進階EN

    Using LLM-as-a-Judge For Evaluation: A Complete Guide

    提供一套完整的實作指南，教導如何建立「以大型語言模型為裁判」的評估系統。作者透過協助超過 30 家公司的經驗，指出常見錯誤並提出「評論跟隨」技術，強調先找準領域專家、構建多樣化資料集，再迭代建立自動裁判，避免陷入無效的指標堆疊。