本文主要是介绍LangChain学习资料,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!
本文提供了一个LangChain框架的综合资源库,包括低代码工具、服务、代理、模板等,还列举了知识管理和聊天机器人等开源项目,以及学习笔记、视频教程等学习资料,旨在帮助开发者更好地利用和学习LangChain。
摘要由CSDN通过智能技术生成
文章目录
-
- 一、LangChain框架
- 二、工具
-
- 2.1 低代码
- 2.2 服务
- 2.3 代理
- 2.4 模板
- 2.5 平台
- 三、开源项目
-
- 3.1 知识管理
- 3.2 其他 / 聊天机器人
- 四、学习
-
- 4.1 笔记本
- 4.2 视频
- 4.3 文章
- 五、替代品
- 六、补充此列表
在AI盛起的当下,各类AI应用不断地出现在人们的视野中,AI正在重塑着各行各业,LangChain是从事AI应用开发的人员或多或少都会接触到的框架。LangChain是一个令人惊叹的框架,可以在极短的时间内完成LLM项目,其生态系统正在快速发展。
本文主要内容是一个LangChain资源库,里面罗列了大大小小很多个基于LangChain框架的优秀项目,包括低代码、服务、代理、模板等工具类,还有像知识管理、聊天机器人等开源项目,还包括像视频、文章等AI学习资源,建议大家点赞收藏。
一、LangChain框架
- LangChain【21】: 原始的🐍
- LangChain.js【22】: js版本的兄弟✨
- 概念【23】: Langchain概念文档
- Twitter账户【24】: 关注以获取最新更新
- Youtube频道【25】:
- Discord【26】: 讨论
- Langchain博客【27】: 官方Langchain博客
- LangChainHub【28】: 收集所有对于使用LangChain原始概念(如提示,链和代理)有用的工件的集合
- LangChainHub【29】: 收集所有对于使用LangChain原始概念(如提示,链和代理)有用的工件的集合。LangChainHub的灵感来自于Hugging Face Hub,它是一个集合,包含所有对于使用LangChain原始概念(如提示,链和代理)有用的工件。这个仓库的目标是成为分享和发现高质量提示,链和代理的中心资源,这些元素结合在一起形成复杂的LLM应用。我们希望这个仓库能够开始收集提示,并期待LangChain社区能够增加这个集合。我们希望不久后能够扩展到链和代理。
二、工具
2.1 低代码
- Langflow【30】: LangFlow是一个为LangChain设计的用户界面,使用react-flow设计,通过拖放组件和聊天框,可以轻松地进行实验和原型流程。
- Flowise - LangchainJS UI【31】: Flowise是一个拖放用户界面,可以使用LangchainJS构建自定义的LLM流程。
- Databerry【32】: Databerry是一个无代码平台,用于构建自定义的LLM代理。它提供了一个用户友好的解决方案,可以快速在您的个人数据上设置语义搜索系统,无需任何技术知识。
- LangchainUI【33】: LangChain UI是一个开源的聊天AI工具包,基于LangChain构建,任何人都可以使用无代码类型的界面创建和托管聊天机器人。
- Yeager.ai【34】: Yeager.ai Agent是第一个为Langchain设计的代理创建器,旨在帮助您轻松构建、原型设计和部署AI驱动的代理。Yeager.ai Agent强调灵活性、交互性和无缝集成,是开发人员、研究人员和AI爱好者的理想工具。
2.2 服务
- GPTCache【35】: 一个用于创建LLM查询的语义缓存的库
- Gorilla【36】: 一个LLM的API商店
- LlamaHub【37】: 由社区制作的LLM数据加载器的库
- EVAL【38】: 具有Langchain的弹性多功能代理。将执行您的所有请求。
- Auto-evaluator【39】: 一个轻量级的用于使用Langchain进行问题回答评估的工具
- Langchain visualizer【40】: LangChain工作流的可视化和调试工具
- LLM Strategy【41】: 使用LLM实现策略模式
- datasetGPT【42】: 一个命令行界面,用于使用LLM生成文本和对话数据集。
- spellbook-forge【43】: 使您的LLM提示可执行和版本控制。
- Auto Evaluator【44】: Langchain自动评估器
- Jina【45】: 使用Jina在生产环境中的Langchain应用
- Gradio Tools【46】: Gradio 🤝 LLM代理
- steamship-langchain【47】: 为Steamship提供的LangChain适配器,使LangChain开发者能够快速地在Steamship上部署他们的应用程序,自动获得:
- 生产就绪的API端点
- 跨依赖项/后端的水平扩展
- 应用状态(包括缓存)的持久存储
- 内置的Authn/z支持
- 多租户支持
- 与其他Steamship技能(例如音频转录)的无缝集成
- 使用指标和日志
- 更多…
- LangForge【48】: 用于创建和部署LangChain应用的工具包
- BentoChain【49】: 在BentoML上部署LangChain
- LangCorn【50】: 使用FastApi自动服务LangChain应用
- Langchain Service【51】: 带有Qdrant向量存储和Kong网关的Langchain设置
- Lanarky【52】: 🚢 使用FastAPI快速部署生产就绪的LLM项目
- Dify【53】: 一个API用于插件和数据集,一个界面用于提示工程和视觉操作,所有这些都用于创建强大的AI应用。
- LangchainJS Worker【54】: 在cloudflare上的LangchainJS worker
- Chainlit【55】: 在几分钟内构建Python LLM应用 ⚡️
- Zep【56】: Zep, 一个用于LLM / 聊天机器人应用的长期记忆存储
- Langchain Decorators【57】: 这是一个在LangChain顶部提供语法糖的库,用于编写自定义的langchain提示和链。主要原则和优点包括:
- 更Pythonic的编写代码方式
- 编写多行提示,不会因为缩进而打断你的代码流
- 利用IDE内置的提示、类型检查和弹出文档,快速查看函数以查看提示、消耗的参数等
- 利用LangChain生态系统的全部力量
- 添加对可选参数的支持
- 通过将参数绑定到一个类,轻松地在提示之间共享参数
- 这是一个非官方的附加到langchain库的插件,它并不试图竞争,只是试图使其使用更加容易。这里的许多想法都是完全主观的。
以上就是关于LangChain的一些开源项目和服务的信息。这些项目和服务都是由社区成员贡献的,他们都在努力提供更好的工具和服务,以帮助开发者更好地使用和理解LangChain。
2.3 代理
- CollosalAI Chat【58】: 实现了与Colossal-AI项目驱动的LLM与RLHF的整合
- AgentGPT【59】: 使用Langchain和OpenAI的AI代理(Vercel / Nextjs)
- Local GPT【60】: 受Private GPT的启发,用Vicuna-7B模型替换了GPT4ALL模型,并使用InstructorEmbeddings代替LlamaEmbeddings
- ThinkGPT【61】: 代理技术可以增强你的LLM并将其推向极限
- Camel-AutoGPT【62】: 为LLMs和自动代理(如BabyAGI和AutoGPT)提供角色扮演方法
- Private GPT【63】: 使用GPT的力量私下与你的文件互动,100%私密,无数据泄漏
- RasaGPT【64】: RasaGPT是基于Rasa和Langchain构建的第一个无头LLM聊天机器人平台
- SkyAGI【65】: 在LLM代理中出现的人类行为模拟能力
- PyCodeAGI【66】: 一个小型的AGI实验,根据用户想要构建的应用生成Python应用
- BabyAGI UI【67】: 让在web应用中运行和开发babyagi变得更容易,就像ChatGPT一样
- SuperAgent【68】: 将LLM代理部署到生产环境
- Voyager【69】: 一个开放式的、具有大型语言模型的实体代理
- ix【70】: 自主的GPT-4代理平台
- DuetGPT【71】: 一个半自主的对话式开发助手,AI配对编程,无需复制粘贴。
2.4 模板
- create-t3-turbo-ai【72】: 基于 t3 的,适合 Langchain 的模板,用于构建类型安全,全栈,LLM 动力的带有 Nextjs 和 Prisma 的网络应用程序
- LangChain.js LLM 模板【73】: LangChain LLM 模板,可以让你训练你自己的定制 AI LLM 模型。
- Streamlit 模板【74】: 如何在 Streamlit 上部署 LangChain 的模板
- Codespaces 模板【75】: 一个 Codespaces 模板,帮你在几秒内启动并运行 LangChain!
- Gradio 模板【76】: 如何在 Gradio 上部署 LangChain 的模板
2.5 平台
- Modal【77】: 为云/ML 计算提供端到端的堆栈
- Metal【78】: Metal 是一种托管服务,使你无需烦恼地管理基础设施就能构建 AI 产品
- Graphsignal【79】: 针对 AI 代理和 LLM 驱动的应用的可观察性。在生产中追踪,监控和调试 LangChain。
三、开源项目
3.1 知识管理
- Quiver【80】: 将你的大脑知识倾倒入你的 GenerativeAI Vault
- DocsGPT【81】: GPT 动力的聊天,用于文档搜索和帮助。
- Knowledge GPT【82】: 为你的文档提供准确的答案和即时引用。
- Knowledge【83】: Knowledge 是一个工具,用于保存,搜索,访问和探索你所有喜欢的网站,文档和文件。
- Anything LLM【84】: 一款全栈应用,将任何文档转化为智能聊天机器人,具有优雅的用户界面和更简单的工作区管理方式。
3.2 其他 / 聊天机器人
- AudioGPT【85】: 理解和生成语音,音乐,声音和会说话的头部
- Paper QA【86】: 用于回答带有引用文献的文档问题的 LLM Chain
- Chat Langchain【87】: 专注于在 LangChain 文档上回答问题的本地托管聊天机器人
- Langchain Chat【88】: 另一个用于 LangChain 聊天的 Next.js 前端.
- Book GPT【89】: 丢一本书,开始提问.
- Chat LangchainJS【90】: Chat Langchain 的 NextJS 版本
- Doc Search【91】: 与书籍对话 - 使用 GPT-3 构建
- Fact Checker【92】: 使用 langchain 核实 LLM 输出的事实
- MM ReAct【93】: 多模态 ReAct 设计
- QABot【94】: 使用 langchain 和 openai 通过自然语言查询查询本地或远程文件或数据库
- GPT Automator【95】: 你的语音控制 Mac 助手.
- Teams LangchainJS【96】: 展示 LangChainJS 与 Teams / Bot Framework bots 的演示
- ChatGPT【97】: 适用于 node.js & Docker的 ChatGPT & langchain 示例
- FlowGPT【98】: 使用 AI 生成图表
- langchain-text-summarizer【99】: 使用 LangChain 汇总文本的样本 streamlit 应用程序
- Langchain Chat Websocket【100】: 关于 LangChain LLM 聊天,通过 websockets 进行流响应
- langchain_yt_tools【101】: Langchain 工具,用于搜索/提取/转录 Youtube 视频的文本副本
- SmartPilot【102】: 利用 OpenAI 的语言模型生成,分析,并选择给定问题的最佳答案的 Python 程序
- Howdol【103】: 一个能回答问题的帮助聊天机器人
- MrsStax【104】: QA Slack 机器人
- ThoughtSource⚡【105】: 机器思维科学的框架
- ChatGPT Langchain【106】: 在 Huggingface 上使用 langchain 的 ChatGPT 克隆
- Chat Math Techniques【107】: 在 Huggingface 上使用数学技术的 langchain 聊天
- Notion QA【108】: Notion 问题回答机器人
- QNimGPT【109】: 与 IBM 量子计算机模拟器或 OpenAI GPT-3.5 玩 Nim 游戏
- ChatPDF【110】: 结合 Azure OpenAI 的 ChatGPT + 企业数据
- Chat with Scanned Documents【111】: 与使用 Dynamic Web TWAIN 扫描的文档进行对话的演示。
- snowChat ❄️【112】: 与你的 Snowflake 数据库聊天
- DB GPT【113】: 使用本地 GPT 与您的数据和环境互动,无数据泄漏,100% 私有,100% 安全
- Psychic【114】: 面向非结构化数据的通用 API。将 SaaS 工具的文档同步到 SQL 或向量数据库,这样就可以很容易地由像 ChatGPT 这样的 AI 应用程序查询。
- Airtable-QnA【115】: 🌟 一个用于你的 Airtable 内容的问答工具
- WingmanAI【116】: 用于与系统和麦克风音频的实时转录进行交互的工具
- TutorGPT【117】: 用于辅导任务的动态少数元提示。
- Cheshire Cat【118】: 具有即用型聊天集成和插件开发平台的自定义 AGI 机器人。
- Got Chaat Bot【119】: 用于创建权力的游戏聊天机器人的仓库(例如:和 Tyrion Lannister 对话)
- Dialoqbase【120】: 允许你用自己的知识库创建自定义聊天机器人的网页应用
- CSV-AI 🧠【121】: CSV-AI 是由 LangChain 驱动的终极应用,它可以帮助你在 CSV 文件中发现隐藏的洞察。
- MindGeniusAI【122】: 用 ChatGPT 自动生成 MindMap
四、学习
4.1 笔记本
- Langchain 教程【123】: 对 LangChain 库的概述和教程
- LangChain 中文入门指南【124】: 面向初学者的中文 LangChain 教程
- Flan5 LLM【125】: 使用 LangChain 进行 PDF 问答,进行思维链条和多任务指导,Flan5 在 HuggingFace 上
- LangChain 手册【126】: Pinecone / James Briggs 的 LangChain 手册
- 查询 YouTube 视频字幕【127】: 查询 YouTube 视频字幕,返回时间戳作为来源以证实答案
- llm-lobbyist【128】: 大型语言模型作为公司游说者
- Langchain 语义搜索【129】: 使用 GPT3,LangChain 和 Python 搜索和索引你自己的 Google Drive 文件
- GPT 政治指南针【130】
- llm-grovers-search-party【131】: 利用 Qiskit,OpenAI 和 LangChain 展示 Grover 算法
- TextWorld ReAct Agent【132】
- LangChain <> Wolfram Alpha【133】
- 自建知识图谱【134】
4.2 视频
- 用于 LLM 应用开发的 LangChain【135】
- Sam Witteveen 的 LangChain 系列【136】
- LangChain 教程播放列表【137】
- James Briggs 的 LangChain 播放列表【138】
- 什么是 LangChain? - LangChain + ChatGPT 概述【139】
- LangChain 演示 + Harrison Chase 的问答【140】
- 用于 LLM 的 LangChain…基本上就是一个 Ansible 剧本【141】 (David Shapiro)
- 独立数据播放列表【142】
- Langchain Agent 网络研讨会【143】
- 带有 LangChain 的 BabyAGI【144】
- Python 中的 LangChain 教程 - 快速教程【145】
- LangChain 快速课程:构建 AutoGPT 【146】 (Nicholas Renotte)
- LangChain 和 LLM Agent 的未来【147】
4.3 文章
- 使用 GPT3、LangChain 和 Python 构建 GitHub 支持机器人【148】
- 大型语言模型(LLM)API 构建框架的崛起【149】
- 如何使用 LangChain 🦜🔗 和 GPT-3 自动化我的老板 🤖【150】
- 使用 Cohere 和 Langchain 的多语言语义搜索【151】
- Haystack 和 LangChain 如何赋能大型语言模型【152】
- DataIndependent 教程【153】:
- 使用 Redis、LangChain 和 OpenAI 构建电商聊天机器人【154】
- LangChain 入门:构建 LLM 驱动的应用的初学者指南【155】
- 如何使用 LangChain 和 LLM Agent 监控微调您的 LLM 应用【156】
- 使用记忆构建一个简单的 ChatGPT CLI【157】:
- 使用 BentoML、LangChain 和 Gradio 部署语音聊天机器人【158】
- PromptChap 上的 LangChain 教程【159】
- 使用 Pyodide、LangChain 和 OpenAI 创建代码解释器聊天机器人【160】
- LangChain 已添加 Cypher 搜索【161】
- Langchain 解码【162】
- 使用 Python 和 Langchain 在本地实现 GPT4All【163】
- 用 LangChain 让你的 GDrive 拥有 GPT 功能【164】
五、替代品
- Transformers Agents【165】:在 transformers 的基础上提供自然语言 API:
- LlamaIndex【166】:为你的 LLM 提供一个集中接口来连接外部数据。:
- Botpress【167】:构建聊天机器人的构建块:
- Haystack【168】:使用 Transformer 模型和 LLM 与你的数据进行交互的 NLP 框架:
- Semantic Kernel【169】:Microsoft 的 C# SDK,可快速轻松地将最先进的 LLM 技术集成到你的应用中:
- Promptify【170】:Prompt Engineering | 使用 GPT 或其他基于提示的模型获取结构化输出。:
- PromptSource【171】:关于创建、共享和使用自然语言提示的工具包。:
- Agent-LLM【172】:一个人工智能自动化平台。:
- LLM Agents【173】:构建由 LLM 控制的代理:
- MiniChain【174】:用于与大型语言模型编码的微小库。:
- Griptape【175】:Python 框架,用于具有链式思维推理、外部工具和记忆的 AI 工作流和管道。:
- llm-chain【176】:一个强大的 rust 库,用于在 LLM 中构建链,让你能够总结文本和完成复杂任务。:
- BoxCars【177】:Ruby 宝石,使用 Boxcars 和 LLM 构建可组合的应用程序。受 LangChain 启发。:
- LangTorch【178】:使用 Java / JVM 构建可组合的 LLM 应用程序。受 LangChain 启发。:
- Langchain Go【179】:Golang Langchain:
- LangchainRb【180】:Ruby Langchain:
- PromptFlow【181】:创建可执行的流程图,将 LLM (大型语言模型),提示符,Python 函数和条件逻辑链接在一起。:
- OpenLM【182】:一个可以从任何其他托管推断 API 调用 LLM 的开源兼容 OpenAI 的库。同样支持 Typescript【183】:
- Dust【184】:设计和部署大型语言模型应用程序:
- e2b【185】:开源平台,用于构建和部署虚拟开发者代理:
- SuperAGI【186】:一个以开发者为先的开源自主人工智能代理框架。:
- SmartGPT【187】:一个程序,提供 LLM 通过插件完成复杂任务的能力。:
- TermGPT【188】:赋予 GPT-4 等大型语言模型计划和执行终端命令的能力:
- ReLLM【189】:用于语言模型完成的正则表达式。:
- OpenDAN【190】:开源的个人 AI 操作系统,将各种 AI 模块整合在一个地方供您个人使用。:
六、补充此列表
- Open LLMs【191】: 一份可供商业使用的公开LLM列表
- Awesome LLM【192】: Awesome-LLM:精选的大型语言模型资源列表。
- LLaMA Cult and More【193】: 跟踪适价LLM、羊驼Cult等更多内容。
这篇关于LangChain学习资料的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!