Langchain, 技術, 實作解析 利用 Langchain 實作系列 RAG 進階流程：Query Analysis & Self-reflection 檢索增強生成 (Retrieval Augmented Generation, RAG) 是近期的熱門應用技術之一，但要建立一個足夠穩定的 RAG 架構，並不容易。本篇文章著重在 RAG 技巧中的流程設計與調整，帶領大家快速了解一些實用的 RAG 模組，也透過實際操作，學習 LangChain 與 LangGraph 工具
Langchain, ChatGPT, 實作解析, 技術 利用 LangChain 實作多模態模型的 RAG：除了讀文章也能看圖答題 相信不少人已經知道 ChatGPT 這類的大型語言模型（LLM,Large Language Model），雖然對話能力強，卻也常亂接話。而RAG（Retrieval Augmented Generation）的做法便是讓 LLM 在回答問題時能夠參考相關文件，有效避免了因知識不足而產生的幻覺現象（hallucination），例如基金會與天下雜誌合作推出的「孫主任 AI 助教」，正是利用此技巧，讓 LLM 可以根據《孫主任的經濟筆記》這本書的內容，提供較正確、適當的回應。
Langchain, 實作解析, 技術 利用LangChain實作ChatPDF：問個問題，輕鬆找出文件重點 「一週又過去了，這次meeting的期刊報告你準備好了嗎？」、「說好的產業分析報告整理得怎麼樣了？」以上場景是否讓人覺得似曾相識？
