使用golang与智能合约进行交互
文章目录 使用golang与智能合约进行交互 一、go-ethereum 整体思路 二、使用ERC-20实操 1. 编译和部署erc-20合约 2. 获取合约abi文件 （准备好合约的abi文件 abi.json） 使用hardcat生成的json文件中获取 提取 ABI 的脚本 3. 准备好solc和abigen工具 4. 使用工具生成go代码 5. go代码编写 连接到区块链网络 创建智能合约对象 ...
LangChain的核心组件
LangChain 是一个用于构建大语言模型（LLM）应用的框架。它的核心组件包括以下几个部分： 1、提示（Prompts）：提示是提供给LLM的输入文本，用于生成响应。有效的提示管理对于引导LLM输出和定义任务至关重要 (DEV Community) (Elastic)。 2、语言模型（LLMs）：语言模型是生成基于输入提示的人类语言文本的引擎。LangChain 支持多种LLM，包括来自Op...
Kivy Language¶
Kivy Language — Kivy 2.3.0 documentation Kivy Language¶ Jump to API ⇓ Module: kivy.lang Added in 1.0.0 The Kivy language is a language dedicated to describing user interface and interactions. You could co...
Golang 开发实战day14 - Reciver Functions with Pointers
Golang 开发实战day14 - 接收者函数与指针 在 Golang 中，接收者函数是一种强大的工具，可以让我们更灵活地定义方法，提高代码的简洁性和可维护性。而指针则是 Golang 中另一种重要的概念，用于指向内存中的数据。当我们将接收者函数与指针结合使用时，我们可以获得更加强大的功能和灵活性。 1. 接收者函数与指针的基本概念 接收者函数: 接收者函数是一种与结构体或接口相关联的一组函数...
Python - 深度学习系列33 - ollama_langchain_ppt生成
run main.py,然后会弹出一个web页面，输入一个主题，然后就返一个ppt给你。整体过程大概1~2分钟，考虑是笔记本，而且也看到什么资源占用，所以可以认为是不太占资源的。 3 核心代码 使用langchain加载了ollama模型，生成数据 def slide_data_gen(topic): llm = Ollama(model="dolphin2.1-mistral", temperatur...
如何在LangChain的agent中记录对话历史
能力还是很重要的，比如在网页总结的agent中，如果它总结的格式不是我们想要的，我们就可以重新让他汇总整理下，显然这个功能在这里是不支持的。所以我们今天就来看下，如何让agent具备记忆的功能。 LangChain在早期曾推迟过Memory模块，但Memory模块目前被官方标记为beta版本，说是并为这边好投入生产，而且也不支持最新的LCEL语法，但是ChatMessageHistory这个功能是个例...
基于LLama3、Langchain,Chroma 构建RAG
概要： 使用Llama3 Langchain和ChromaDB创建一个检索增强生成（RAG）系统。这将允许我们询问有关我们的文档（未包含在训练数据中）的问题，而无需对大型语言模型（LLM）进行微调。在使用RAG时，首先要做一个检索步骤，从一个特殊的数据库中提取任何相关的文档，本文使用的是《欧盟人工智能法案》文本。 LLAMA3 Meta Llama 3是Meta股份有限公司开发的一系列模型，是最先进的新...
Golang 开发实战day12 - Pointer
Golang 开发实战day12 - 指针 在 Golang 中，指针是一种强大的工具，可以让我们直接操作内存中的数据。与其他编程语言相比，Golang 的指针更加轻量级，但也更灵活，这使得它在性能和开发效率之间取得了良好的平衡。 1、指针的基本概念 指针就像一张指向内存中某个位置的地址的纸条。我们可以通过指针来访问和修改该位置的数据。 1.1 声明指针: var p *int // 声明一个指...
LangChain 入门7 格式化输出
概述： LangChain 提供的格式化输出功能具有多个优势，这些优势在处理和分析由 AI 生成的内容时尤其有用： 结构化数据：格式化输出允许 AI 的回应以结构化的方式呈现，如 JSON 对象，这使得数据更易于解析和处理。 清晰的信息层次：通过格式化输出，可以清晰地区分不同的信息部分，例如回答、理由、来源引用等，从而提高信息的可读性和可用性。 自动化处理：结构化的输出可以被自动化工具和流程直接使用，无...
REACT: SYNERGIZING REASONING AND ACTING IN LANGUAGE MODELS【大模型的协同推理】
目录 前言一、ABSTRACT二、INTRODUCTION三、KNOWLEDGE-INTENSIVE REASONING TASKS3-1、SETUP3-2、METHODS3-3、RESULTS AND OBSERVATIONS 四、DECISION MAKING TASKS4-1、ALFWorld TASK4-2、WebShop TASK 五、RELATED WORK六、CONCLUSION总结 前言...