Started building LLM apps with Rust + rig.rs, now diving into LangGraph and Python too. Been a super fun ride so far 
Recent searches
Search options
Administered by:
#langchain
2 posts2 participants0 posts today
Built a RAG system with LangChain, OpenSearch, Google’s Gemini & OpenAI embeddings! Transform data into smart apps—optimize, deploy, and innovate. Your AI toolkit is ready. 
#AI #RAG #LangChain #GenerativeAI https://zilliz.com/tutorials/rag/langchain-and-opensearch-and-google-vertex-ai-gemini-2.0-pro-and-openai-text-embedding-ada-002
zilliz.comBuild RAG Chatbot with LangChain, OpenSearch, Google Vertex AI Gemini 2.0 Pro, and OpenAI text-embedding-ada-002Build a simple RAG chatbot in Python using LangChain, OpenSearch, Google Vertex AI Gemini 2.0 Pro, and OpenAI text-embedding-ada-002.
"Built a RAG system with LangChain, OpenSearch, Fireworks AI's Llama 3.1, and Azure embeddings! Optimize, calculate costs, and innovate. #GenerativeAI #RAG #LangChain #Llama3" https://zilliz.com/tutorials/rag/langchain-and-opensearch-and-fireworks-ai-llama-3.1-8b-instruct-and-azure-text-embedding-3-large
zilliz.comBuild RAG Chatbot with LangChain, OpenSearch, Fireworks AI Llama 3.1 8B Instruct, and Azure text-embedding-3-largeBuild a simple RAG chatbot in Python using LangChain, OpenSearch, Fireworks AI Llama 3.1 8B Instruct, and Azure text-embedding-3-large.
Continued thread
ONNX Runtime GenAI is the optimal choice! #AI #OnPrem #MachineLearning #LangChain
For more information check: https://devblogs.microsoft.com/ise/running-rag-onnxruntime-genai/.
ISE Developer Blog · Running RAG with ONNX Runtime GenAI for On-Prem Windows - ISE Developer BlogExploring how to efficiently run a RAG pipeline with structured language models (SLMs) and guardrails on Windows, achieving inference under 5 seconds with ONNX Runtime GenAI.
Lot's of good #LLM stuff posted in my #Public @fatmnn.bsky.social #DoTadda timeline. Here is what I posted today:
https://app.dotadda.io/teams/5161c3d6-3ebb-4300-ba7c-f42c23ff42fc/dots?date=2025-04-25×pan=day
app.dotadda.ioDoTaddaGain total control of your team's critical project emails, files, and notes.
Lot's of good #LLM stuff posted in my #Public @fatmnn.bsky.social #DoTadda timeline. Here is what I posted today:
https://app.dotadda.io/teams/5161c3d6-3ebb-4300-ba7c-f42c23ff42fc/dots?date=2025-04-25×pan=day
app.dotadda.ioDoTaddaGain total control of your team's critical project emails, files, and notes.
Личный ИИ-ассистент на ваших данных. Часть 2: Веб-интерфейс, авторизация и стриминг ответов от ИИ
Продолжаем тему, которая вызывает живой интерес у многих разработчиков и энтузиастов ИИ — создание собственного ассистента на базе ChatGPT или DeepSeek с использованием личной базы знаний. В этой части статьи мы шаг за шагом превращаем консольную заготовку из первой части в полноценный веб-сервис: — реализуем авторизацию — создаём веб-чат с выбором нейросети — интегрируем всё через FastAPI — готовим к деплою Если вы хотите, чтобы ваш ИИ-ассистент выглядел и работал как настоящий сервис — поехали!
ХабрЛичный ИИ-ассистент на ваших данных. Часть 2: Веб-интерфейс, авторизация и стриминг ответов от ИИДрузья, приветствую! Как вы поняли по названию этой статьи — сегодня мы продолжаем погружаться в тему разработки личного ИИ-ассистента на основе собственных данных. Краткое напоминание о первой части...
Neo4j treibt mit GraphRAG, Vektor-Indizes & Agentic RAG die #KI-Entwicklung voran. Ob #LangChain, #LlamaIndex, #SpringAI oder #VertexAI – das neue Python-Paket und das Model Context Protocol (MCP) verknüpfen Graphdaten nahtlos mit #LLM-Anwendungen.
#Neo4j #GenAI #RAG #GraphQL #Cypher #VectorSearch #AgenticAI
https://www.bigdata-insider.de/leistungssprung-bei-graph-datenbanken-mit-ki-integration-cloud-skalierung-und-terabyte-graphen-a-2307ed20cfaf562a1a0094b712b5be95/
BigData-Insider · Leistungssprung bei Graph-Datenbanken mit KI-Integration, Cloud-Skalierung und Terabyte-Graphen
Understand RAG at Easter? 
Why not use the time to learn something new — and build your own local PDF chatbot?
Learn how chunking, embeddings and vector search work in practice - with LangChain, FAISS, Ollama and Mistral running entirely on your machine (no API key required).
Perfect for beginners - here's the full guide & GitHub repo 
step-by-step guide: https://bit.ly/3EfOHB9 GitHub Repo: https://bit.ly/3EtqYgK
Как тестировать промпты и чейны (Ручная разметка/BERTScore/LLM as judge)
Представьте, что у нас есть бенчмарк из 4 тысяч вопросов и эталонных ответов. Как определить, действительно ли очередное изменение в системе (обновления в промпте, дополнительный агент в цепочке или, например, переход с базового RAG на гибридный) даёт реальный прирост качества?
ХабрКак тестировать промпты и чейны (Ручная разметка/BERTScore/LLM as judge)Год назад я написал статью “ Почему важно тестировать промпты и как это делать ”. В ней я рассказывал про библиотеку promptfoo, которая предлагает различные способы проверки ответов, генерируемых...
Qiita - 人気の記事 `langchain-mcp-adapters` を使用した LangChain と MCP サーバーの連携
https://qiita.com/nanami_bitwise/items/d04dedb0c276bb624d8a?utm_campaign=popular_items&utm_medium=feed&utm_source=popular_items
Qiita`langchain-mcp-adapters` を使用した LangChain と MCP サーバーの連携 - QiitaはじめにModel Context Protocol (MCP) は、AIモデルが外部ツールやサービスとどのように対話するかを標準化することを目的としています。これは共通のインターフェースを定義し…
Unlock the power of RAG (Retrieval-Augmented Generation) and learn how to build smarter AI apps with LangChain — practical insights, real-world use cases, and hands-on tips with Kim Wee Teh at #FOSSASIASummit2025
Click here https://youtu.be/9X3ljJjAjqo?si=6ofwoOQWOuanoQgq to watch on the FOSSASIA YouTube channel
#RAG #LangChain #LLM #AI #FOSSASIA
youtu.be- YouTubeEnjoy the videos and music you love, upload original content, and share it all with friends, family, and the world on YouTube.
Getting started with LangChain
Rerun your failed tests in PyTest Usefulness of Context Managers in Python Testing your Flask App
Latest Edition of My Voyage of Discovery: http://eepurl.com/jbSOOQ
Subscribe for more at: http://eepurl.com/iu6PFU
«Клюква» — автоматизация документации проектов на Python
Привет! Меня зовут Алексей Фоменко. Я разработчик из Нижнего Новгорода. Сегодня хочу рассказать вам о своем сервисе «Клюква» . «Развесистая клюква» или просто «Клюква» в общем виде означает ложные или искаженные представления о чем‑либо. Как раз здесь мы приходим к написанию документации. К сожалению, составить и поддерживать документацию в актуальном состоянии — это проблема. Скорее всего проблема в том числе и в вашей компании.
Хабр«Клюква» — автоматизация документации проектов на PythonПривет! Меня зовут Алексей Фоменко. Я разработчик из Нижнего Новгорода. Сегодня хочу рассказать вам о своем сервисе "Клюква" . Почему "Клюква" и "автоматизация документации"? Ответ на самом деле...
Личный ИИ-ассистент на ваших данных. Часть 1: Векторная база ChromaDB + DeepSeek | GPT
Сегодня поговорим о теме, которая вызывает живой интерес у многих разработчиков и энтузиастов ИИ — интеграции больших языковых моделей вроде DeepSeek или ChatGPT с собственной базой знаний. В этой статье я подробно расскажу, как работают векторные базы данных, зачем они нужны и какую роль играют в построении эффективной связки между вашей внутренней информацией и мощью современных LLM. Если вы хотите научиться «обучать» ИИ на своих данных — добро пожаловать!
ХабрЛичный ИИ-ассистент на ваших данных. Часть 1: Векторная база ChromaDB + DeepSeek | GPTДрузья, приветствую! Сегодня я хотел бы рассмотреть интересующую многих тему, а именно связку большой языковой модели по типу DeepSeek или ChatGPT со своей базой знаний. В рамках этой статьи я дам вам...
In questo test, in una SERP di #Google in cui compare #AI Overviews, ho preso i contenuti nelle prime 12 posizioni e ho creato un piccolo #RAG usando #LangChain, #Chroma DB e #GPT4o. Inviandolo la query al RAG, ottengo una risposta simile a quella proposta da AI Overviews. Chiaramente Google usa anche query correlate ("fan-out") e il Knowledge Graph per espandere i risultati.
What is an agent?
That’s what Day 3 of Kaggle’s Gen AI Challenge is all about.
An agent is a system that observes its environment, plans actions, uses tools like APIs, functions, or data stores, and acts autonomously to achieve a goal – often over multiple steps (see whitepaper from Google below).
The cognitive architecture of an agent consists of three essential components: a model (like a language model),
tools (like APIs or functions), and
an orchestration layer that coordinates reasoning and action.
You can build such agents using tools like LangChain and LangGraph.
The full whitepaper from course day 3: https://www.kaggle.com/whitepaper-agents
www.kaggle.comAgentsAuthors: Julia Wiesinger, Patrick Marlow and Vladimir Vuskovic
Агент для агентства: разработка телеграм-бота с агентными возможностями на базе LangGraph и OpenAI. Часть 1
Салют! Меня зовут Григорий, и я главный по спецпроектам в команде
ХабрАгент для агентства: разработка телеграм-бота с агентными возможностями на базе LangGraph и OpenAI. Часть 1ИИ-агенты по версии ИИ Салют! Меня зовут Григорий, и я главный по спецпроектам в команде AllSee . ИИ, LLM, агенты — всё это сегодня у нас на слуху. Каждый день выходят новые...
La Grosse Conf 2025 - #LangChain : #OpenSource, compléxité et adaptation permanente
https://blog.octo.com/la-grosse-conf-2025-langchain--opensource-complexite-et-adaptation-permanente
OCTO Talks ! · La Grosse Conf 2025 - LangChain : OpenSource, compléxité et adaptation permanente - OCTO Talks !Dans cet article nous partageons le talk donné par Philippe Prados à la Grosse Conf 2025, ayant pour sujet LangChain, son histoire et évolution, des bonnes pratiques pour travailler avec le framework, ainsi qu'un exemple de pourquoi il faut en explorer le code source.