大模型时代已经到来，作为前端同学如何在业务中切入模型的调用，我认为组件库是一个非常好的着手点。接下来就跟着我一起来完成一个基于Langchain的AI助手吧。
1.效果展示
最终效果就是通过自然语言询问AI助手某个组件属性和用法，这比通过查文档快得多，当然也可以直接接入到MCP中，在代码中直接使用AI助手来完成代码补全。
2.流程设计 先大体展示一下助手的整个流程设计
上面有两条工作流，第一条是向量存储的过程，首先需要组件库的文档说明示例，再将文档读取转化为字符串，接着使用Langchain框架自带的RecursiveCharacterTextSplitter进行片段分割，最后使用embedding进行向量化存储。
第二条工作流为Nodejs服务+Langchain框架+LLM模型共同工作给出回答，首先服务端接受用户输入的问题，然后根据用户提问在向量存储库中进行RAG检索，最终结合LLM大模型给出答案。
3.准备工作 首先实现第一条工作流中的第一步，创建一个服务端项目，这里我使用的是Express框架。项目目录如下：
别担心我们会一步一步实现所有代码。
作者：香草泡芙 链接：https://juejin.cn/post/7616583079419379747 来源：稀土掘金 著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。
评论
发表评论