目录前言一、LangChain介绍1-1、介绍1-2、快速入门1-2-1、通过OpenAI使用1-2-2、通过本地开源模型使用1-3、与SQL数据库进行交互1-3-1、概述&功能介绍1-3-2、安装&小栗子二、向量数据库介绍2-0、引言-大语言模型的不足2-1、向量数据库定义2-2、工作原理2-3、优点2-4、与传统数据库的区别三、RAGvs微调3-0、RAG与微调之间的对比&NaiveRAG技术介绍3-1、NaiveRAG（初始RAG技术）四、基于InternLM和LangChain搭建你的知识库实践4-0、环境搭建4-1、创建虚拟环境4-2、导入所需要的包4-3、模型下载4-4、LangC

一、准备工作：1、环境配置：pip、conda换源：pip临时换源：pipinstall-ihttps://mirrors.cernet.edu.cn/pypi/web/simplesome-package#这里的“https://mirrors.cernet.edu.cn/pypi/web/simple”是所换的源，“some-package”是你需要安装的包设置pip默认源，避免每次下载依赖包都要加上一长串的国内源pipconfigsetglobal.index-urlhttps://mirrors.cernet.edu.cn/pypi/web/simpleconda换源：镜像站提供了An

LLMs之InternLM：InternLM/InternLM-7B模型的简介、安装、使用方法之详细攻略导读：InternLM有 1040亿参数，是在包含1.6万亿token的多语种高质量数据集上训练而成。同时，InternLM-7B完全可商用，支持8k语境窗口长度，中文超ChatGPT，训练和评估动态反馈调整，基于MLdeploy部署(基于Fast Transform研发)快速加载大模型，比Transform快到2~3倍，Hybrid Zero提速 ，开放OpenCompass 评测标准。目录InternLM模型的简介1、InternLM的techreport(1)、主要结果2、Intern