提示工程101第四课：零样本提示（Zero-Shot Prompting）
本教程介绍零样本提示技术，使语言模型无需示例执行任务。涵盖直接任务说明、基于角色提示、格式规范和多步推理等方法，并使用Python结合大模型进行实践。
LangChain
一款开源语音RAG助手：Oliva
Oliva是基于Langchain和Superlinked的开源语音RAG助手，支持用自然语音对Qdrant向量数据库进行实时语音搜索，通过Deepgram和LiveKit实现。
一个基于工作流 workflow 的低代码平台：Flock
基于LangChain和LangGraph构建的解决方案，提供持久化对话、可观察性等功能，适用于快速构建聊天机器人和RAG应用。亮点包括工具调用、检索增强生成及人机协作等特性。
Deep Research技术盘点！比RAG更高级的LLM应用范式
OpenAI的Deep Research工具推出后，多家厂商跟进开发了类似的应用。基于现有框架或专门设计的开源实现项目提供了快速构建和了解Deep Research应用的方法。
吴恩达力荐LangChain经典课程-《LangChain大型语言模型(LLM)应用开发》免费分享
MLNLP社区致力于促进国内外自然语言处理领域的交流与进步，同时介绍了LangChain开源框架及其创始人，强调其在大语言模型应用中的广泛适用性和潜力。
LangChain开源了一个自媒体内容发布的Agent可以作为项目参考
LangChain发布自媒体内容发布的Agent，支持生成并发布至X和LinkedIn的帖子，利用HITL流程处理社交媒体身份验证。
LangChain：2024 年 AI 应用开发报告
文章总结了LangChain平台在2024年的用户行为和数据趋势，包括开源模型的使用增加、Agent模式的发展、Top 10 LLM提供商的变化、向量数据库的增长以及开发者对AI Agent的关注等。文章还探讨了可观测性的重要性、不同编程语言的选择变化、流程复杂度增加、工具调用行为的增长以及Llm调用量的变化，最后讨论了评估和人类反馈在提升应用质量中的作用。
