本文将介绍笔者自己的项目：智能文档问答助手项目的几个改进。

本文将会介绍Python中几个工作中常见的装饰器。

本文将介绍如何使用LangChain中的Evalution工具来实现大模型评估。

本文将介绍大模型中的函数调用（function calling），并介绍其在openai, langchain模块中的使用，以及Assistant API对function calling的支持。

本文将会通过与Flask的对比，来介绍FastAPI的基础使用。熟悉Flask的读者，阅读本文后应当不难掌握FastAPI。

本文将会介绍如何使用大模型（LLM）对MMLU数据集进行评测。

本文将会介绍如何在VSCODE中连接远程服务器进行代码开发，以及如何使用Jupyter。

本文将会介绍如何在大模型中对文本补充（Text Completion）进行动态提示（Dynamic Prompting）。

本文将介绍如何使用大模型来完成汉字填字游戏。

本文将会介绍在大模型（LLM）时代下，如何在开放领域进行三元组抽取。本文内容已开源至Github，网址为：https://github.com/percent4/llm_open_triplet_extraction .