Think you know how GenAI works?
It's not just prompts. It’s orchestration with 25 next-gen Python libraries powering the world’s smartest LLMs: agents, memory, RAG, grammar control & more
Dive into the tools under the hood of AI in 2025
https://medium.com/@rogt.x1997/25-groundbreaking-python-libraries-powering-genai-workflows-in-2025-982add3d9301
#GenAI #PythonLibraries #LLM #AIstack #LangChain #AutoGen #AItools #ArtificialIntelligence
https://medium.com/@rogt.x1997/25-groundbreaking-python-libraries-powering-genai-workflows-in-2025-982add3d9301

Started building LLM apps with Rust + rig.rs, now diving into LangGraph and Python too. Been a super fun ride so far

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

"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

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&timespan=day

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&timespan=day

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!

https://habr.com/ru/companies/amvera/articles/902868/

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/

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?

https://habr.com/ru/articles/901162/

`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

Quick Primer on MCP Using Ollama and LangChain

https://www.polarsparc.com/xhtml/MCP.html

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

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.

https://habr.com/ru/articles/898182/

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!

https://habr.com/ru/companies/amvera/articles/897830/

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

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

https://habr.com/ru/articles/889420/