[LangChain] 05 LangChain、LangGraph 结构化输出（Structured output），gpt-4o-2024-08-06

作者: 五道口纳什

作者简介: 数学，计算机科学，现代人工智能。bridge the gap。

描述: 本期 code：https://github.com/chunhuizhang/llm_aigc/blob/main/tutorials/agents/langchain/structured_output.ipynb https://github.com/chunhuizhang/llm_aigc/blob/main/tutorials/agents/langchain/output_parser.ipynb

[LangChain] 05 LangChain、LangGraph 结构化输出（Structured output），gpt-4o-2024-08-06

推荐视频

AutoGen+LangChain+LangGraph+CrewAI四件套全通关！2025最全Agent实战教程（附完整项目）|agent

AutoGen+LangChain+LangGraph+CrewAI四件套全通关！2025最全Agent实战教程（附完整项目）|agent

上传者: deepseek学堂

[LangChain] 06 基于LangGraph 实现 Reflexion Agent（generator vs. critic）

[LangChain] 06 基于LangGraph 实现 Reflexion Agent（generator vs. critic）

上传者: 五道口纳什

[pytorch] [求导练习] 06 计算图（computation graph）细节之 retain graph（multi output/backwar）

[pytorch] [求导练习] 06 计算图（computation graph）细节之 retain graph（multi output/backwar）

上传者: 五道口纳什

[LangChain] 03 LangGraph 基本概念（AgentState、StateGraph，nodes，edges）

[LangChain] 03 LangGraph 基本概念（AgentState、StateGraph，nodes，edges）

上传者: 五道口纳什

[LangChain] 04 LangGraph 构建复杂 RAG workflow（Self-corrective）

[LangChain] 04 LangGraph 构建复杂 RAG workflow（Self-corrective）

上传者: 五道口纳什

[LLM+RL] 理解 GRPO 公式原理及 TRL GrpoTrainer 代码实现（advantage 与 loss 计算）

[LLM+RL] 理解 GRPO 公式原理及 TRL GrpoTrainer 代码实现（advantage 与 loss 计算）

上传者: 五道口纳什

[LangChain] 01 基础入门，LCEL 、Tool Use、RAG 以及 LangSmith

[LangChain] 01 基础入门，LCEL 、Tool Use、RAG 以及 LangSmith

上传者: 五道口纳什

如何为 AI 添加记忆功能？Memobase 与 Dify 的完美结合

如何为 AI 添加记忆功能？Memobase 与 Dify 的完美结合

上传者: AI带路党Pro

[RLHF] 从 PPO rlhf 到 DPO，公式推导与原理分析

[RLHF] 从 PPO rlhf 到 DPO，公式推导与原理分析

上传者: 五道口纳什

[QKV attention] kv-cache、decoder only vs. BERT, 单向注意力 vs. 双向注意力

[QKV attention] kv-cache、decoder only vs. BERT, 单向注意力 vs. 双向注意力

上传者: 五道口纳什

[LangChain] 02 conversational agents，ReAct、agent_scratchpad 历史过程信息维护

[LangChain] 02 conversational agents，ReAct、agent_scratchpad 历史过程信息维护

上传者: 五道口纳什

说说心里话 - 2024版（关于学习动力与方法，关于正反馈，关于 ai 协作）

说说心里话 - 2024版（关于学习动力与方法，关于正反馈，关于 ai 协作）

上传者: 五道口纳什

[模型拓扑结构] pytorch 注册钩子函数（register_forward_hook）实现对各个层（layer）输入输出 shape 的查看

[模型拓扑结构] pytorch 注册钩子函数（register_forward_hook）实现对各个层（layer）输入输出 shape 的查看

上传者: 五道口纳什

[动手写神经网络] 05 使用预训练 resnet18 提升 cifar10 分类准确率及误分类图像可视化分析

[动手写神经网络] 05 使用预训练 resnet18 提升 cifar10 分类准确率及误分类图像可视化分析

上传者: 五道口纳什

[LLM+RL] R1 论文导读，SFT vs. RL，RL 基础以及 GRPO 细节，以及一系列复现工作讨论

[LLM+RL] R1 论文导读，SFT vs. RL，RL 基础以及 GRPO 细节，以及一系列复现工作讨论

上传者: 五道口纳什

[personal chatgpt] 从 RoPE 到 CoPE（绝对位置编码，相对位置编码，Contextual Position Encoding）

[personal chatgpt] 从 RoPE 到 CoPE（绝对位置编码，相对位置编码，Contextual Position Encoding）

上传者: 五道口纳什

[LLMs 实践] 06 LLaMA，Alpaca LoRA 7B 推理

[LLMs 实践] 06 LLaMA，Alpaca LoRA 7B 推理

上传者: 五道口纳什

[pytorch 强化学习] 06 迷宫环境（maze environment）SARSA（Q-table，value iteration）求解

[pytorch 强化学习] 06 迷宫环境（maze environment）SARSA（Q-table，value iteration）求解

上传者: 五道口纳什

【全网最新RAG大模型教程】教你10分钟彻底掌握RAG实现检索增强生成提高RAG准确率达到99%！草履虫都听得懂的教程！！！

【全网最新RAG大模型教程】教你10分钟彻底掌握RAG实现检索增强生成提高RAG准确率达到99%！草履虫都听得懂的教程！！！

上传者: 跟着懒熊学Ai大模型

[蒙特卡洛方法] 05 接受拒绝采样框架、原理推导与分析（MCMC 基础）

[蒙特卡洛方法] 05 接受拒绝采样框架、原理推导与分析（MCMC 基础）

上传者: 五道口纳什

[bert、t5、gpt] 10 知识蒸馏（knowledge distill）初步，模型结构及损失函数设计

[bert、t5、gpt] 10 知识蒸馏（knowledge distill）初步，模型结构及损失函数设计

上传者: 五道口纳什

[pytorch distributed] 05 张量并行（tensor parallel），分块矩阵的角度，作用在 FFN 以及 Attention 上

[pytorch distributed] 05 张量并行（tensor parallel），分块矩阵的角度，作用在 FFN 以及 Attention 上

上传者: 五道口纳什

[动手写 bert 系列] 解析 bertmodel 的output(last_hidden_state，pooler_output，hidden_state)

[动手写 bert 系列] 解析 bertmodel 的output(last_hidden_state，pooler_output，hidden_state)

上传者: 五道口纳什

[pytorch distributed] accelerate 基本用法（config，launch）数据并行

[pytorch distributed] accelerate 基本用法（config，launch）数据并行

上传者: 五道口纳什

[pytorch 网络拓扑结构] 深入理解 nn.LayerNorm 的计算过程

[pytorch 网络拓扑结构] 深入理解 nn.LayerNorm 的计算过程

上传者: 五道口纳什

[LLMs inference] quantization 量化整体介绍（bitsandbytes、GPTQ、GGUF、AWQ）

[LLMs inference] quantization 量化整体介绍（bitsandbytes、GPTQ、GGUF、AWQ）

上传者: 五道口纳什

[personal chatgpt] gpt-4o tokenizer 及特殊中文tokens（压缩词表），o200k_base

[personal chatgpt] gpt-4o tokenizer 及特殊中文tokens（压缩词表），o200k_base

上传者: 五道口纳什

[LLM+RL] 合成数据与model collapse，nature 正刊封面

[LLM+RL] 合成数据与model collapse，nature 正刊封面

上传者: 五道口纳什

[pytorch 强化学习] 01 认识环境（environment，gym.Env）以及 CartPole-v0/v1 环境

[pytorch 强化学习] 01 认识环境（environment，gym.Env）以及 CartPole-v0/v1 环境

上传者: 五道口纳什

[pytorch 模型拓扑结构] 深入理解 nn.CrossEntropyLoss 计算过程（nn.NLLLoss(nn.LogSoftmax))

[pytorch 模型拓扑结构] 深入理解 nn.CrossEntropyLoss 计算过程（nn.NLLLoss(nn.LogSoftmax))

上传者: 五道口纳什

[LLMs 实践] 01 llama、alpaca、vicuna 整体介绍及 llama 推理过程

[LLMs 实践] 01 llama、alpaca、vicuna 整体介绍及 llama 推理过程

上传者: 五道口纳什

[pytorch 加速] CPU传输 & GPU计算的并行（pin_memory，non_blocking）

[pytorch 加速] CPU传输 & GPU计算的并行（pin_memory，non_blocking）

上传者: 五道口纳什

[pytorch distributed] 张量并行与 megtron-lm 及 accelerate 配置

[pytorch distributed] 张量并行与 megtron-lm 及 accelerate 配置

上传者: 五道口纳什

[动手写神经网络] 01 认识 pytorch 中的 dataset、dataloader（mnist、fashionmnist、cifar10）

[动手写神经网络] 01 认识 pytorch 中的 dataset、dataloader（mnist、fashionmnist、cifar10）

上传者: 五道口纳什

[五分钟快谈] GPT Canvas 从 notebook 到 python 文件

[五分钟快谈] GPT Canvas 从 notebook 到 python 文件

上传者: 五道口纳什

[OpenAI API] logprobs 与 top_logprobs 模型输出的置信度（confidence）与困惑度（PPL）

[OpenAI API] logprobs 与 top_logprobs 模型输出的置信度（confidence）与困惑度（PPL）

上传者: 五道口纳什

[bert、t5、gpt] 06 GPT2 整体介绍（tokenizer，model forward）

[bert、t5、gpt] 06 GPT2 整体介绍（tokenizer，model forward）

上传者: 五道口纳什

[动手写神经网络] 手动实现 Transformer Encoder

[动手写神经网络] 手动实现 Transformer Encoder

上传者: 五道口纳什

[python 多进程、多线程] 03 GIL、threading、多进程，concurrent.futures

[python 多进程、多线程] 03 GIL、threading、多进程，concurrent.futures

上传者: 五道口纳什

[LLMs 实践] 02 LoRA（Low Rank Adaption）基本原理与基本概念，fine-tune 大语言模型

[LLMs 实践] 02 LoRA（Low Rank Adaption）基本原理与基本概念，fine-tune 大语言模型

上传者: 五道口纳什