跳到主要内容
返回顶部
Ctrl
+
K
NVIDIA NeMo Guardrails
NVIDIA NeMo Guardrails
目录
NVIDIA NeMo Guardrails
介绍
文档
安装指南
入门指南
Hello World
核心 Colang 概念
演示用例
输入 Rail
输出 Rail
主题 Rail
检索增强生成
Colang 2.0
概述
有哪些变化
入门指南
Hello World
对话 Rail
多模态 Rail
输入 Rail
交互循环
LLM Flows
推荐的后续步骤
语言参考
介绍
事件生成 & 匹配
使用 Actions
定义 Flows
使用变量 & 表达式
流程控制
Colang 标准库 (CSL)
基础核心 Flows (core.co)
定时 Flows (timing.co)
LLM Flows (llm.co)
交互式头像模态 Flows (avatars.co)
Guardrail Flows (guardrails.co)
用户注意力 Flows (attention.co)
使用大型语言模型 (LLM)
更多关于 Flows 的内容
Python Actions
开发和调试
用户指南
配置指南
Guardrails 库
Guardrails 流程
Colang 指南
LLM 支持
Python API
CLI
服务器指南
LangChain
LangChain 集成
RunnableRails
Chain-With-Guardrails
带 Guardrails 的 Chain
Runnable-As-Action
Runnable as Action
详细日志记录
输出变量
越狱检测启发式方法
使用越狱检测启发式方法
NVIDIA AI 端点
使用 NVIDIA API Catalog 上托管的 LLM
Vertex AI
使用 Vertex AI 上托管的 LLM
多配置 API
多配置 API
从 Colang 1 迁移到 Colang 2
安全性
安全指南
红队演练
评估
LLM 漏洞扫描
高级用户指南
生成选项
Prompt 定制
嵌入搜索提供商
NeMo Guardrails 与 Docker
流式传输
AlignScore 部署
提取用户提供的值
机器人消息指令
基于事件的 API
使用 vLLM 自托管 Llama Guard
嵌套 AsyncIO 循环
Vertex AI 设置
Llama 3.1 NemoGuard 8B 内容安全部署
Llama 3.1 NemoGuard 8B 主题控制部署
越狱检测启发式方法部署
带有 NemoGuard NIMs 的蓝图
其他
架构
术语表
常见问题 (FAQ)
LangChain
Runnable-As-Action
Runnable-As-Action
#
Runnable as Action
前提条件
示例 Runnable
Guardrails 配置
测试
结论