MMR

MMR 为最大边际相关性，MaxMarginalRelevanceExampleSelector 根据示例与输入之间的相似度以及多样性来选择示例

通过寻找与输入具有最大余弦相似度的嵌入的示例，并在迭代中进行添加；同时对与已选择示例的相似度进行惩罚来进行实现

import

1
2
3
4
5
6
7

from langchain.prompts.example_selector import (
    MaxMarginalRelevanceExampleSelector,
    SemanticSimilarityExampleSelector,
)
from langchain.vectorstores import FAISS
from langchain.embeddings import OpenAIEmbeddings
from langchain.prompts import FewShotPromptTemplate, PromptTemplate

模板格式

默认情况下，PromptTemplate 会将提供的模板视为 Python f-string

您可以通过 template_format 参数指定其他模板格式，如下的 template_format="jinja2"

1
2
3
4
5
6
7

# 确保安装了 jinja2

jinja2_template = "告诉我一个关于{{ content }}的笑话"
prompt_template = PromptTemplate.from_template(template=jinja2_template, template_format="jinja2")

prompt_template.format(content="熊猫")
# -> 告诉我一个关于熊猫的笑话

Args:

​ template: The template string.

​ template_format: The template format. Should be one of "f-string" or "jinja2".

介绍

LangChain 是一个基于语言模型开发应用程序的框架。它可以实现以下功能：

• 数据感知：将语言模型与其他数据源连接起来
• 主体性：允许语言模型与其环境进行交互

LangChain 的主要价值包括：

1. 组件：用于处理语言模型的抽象，以及每个抽象的一系列实现。组件是模块化且易于使用的，无论您是否使用 LangChain 框架的其他部分，都可以轻松使用
2. 现成的管道：用于完成特定高级任务的结构化组件组合

霓虹都市 Neon City

在这场有趣的 highball 比赛中，Nine Bar 的老板 Lily Wang 和 Joe Briglio 展示了他们最喜欢的夏季美食之一的味道：意大利冰，尽管有一些意想不到的添加

Lily Wang 和 Joe Briglio 将 Nine Bar 描述为 “亚洲风格的鸡尾酒酒吧”，Neon City 以烧酒（shochu）为基础，辅以清酒（sake）、可尔必思（Calpico）和白酒（baijiu）

所有这些结合在一起形成了层次分明的基础，开胃利口酒和新鲜柠檬汁带来了饮料灵感中预期的浓郁柑橘味。Lily Wang 形容它 “让人耳目一新，有点时髦，拥有令人愉快的酸味”

分片（sharding）是一种将数据和负载分布在几个独立数据库实例中的技术

该方法通过将原始数据集拆分为碎片（shards）来利用水平可伸缩性，然后将其分布在多个数据库实例中

但是，即使动词 distributes 出现在分片的定义中，分片数据库也不是分布式数据库

分片解决方案

背景

允许对EL中的每⼀个组件设置超时时间控制 · Issue #I7I3LL · dromara/liteFlow - Gitee.com

issue 中需求了更细粒度的超时时间设置，允许 EL 中的每⼀个组件设置超时时间控制

如何使用可以参考官方文档

⏱️超时控制 | LiteFlow