那些很火的基于LangChain的优秀AI原生项目 - 文章 - 开发者社区

🦜🔗 优秀的 LangChain

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。

picture.image

LangChain 框架

•LangChain[1]: 原版 🐍 •LangChain.js[2]: JavaScript 版本的LangChain ✨ •概念[3]: Langchain 概念文档 •Twitter 账号[4]: 关注获取最新更新

• YouTube 频道[5]

•Discord[6]: 讨论 •Langchain 博客[7]: 官方 Langchain 博客 •LangChainHub[8]: 所有对使用 LangChain 基元（如提示、链和代理）有用的工件的集合 •LangServe[9]: LangServe 帮助开发者将 LangChain 可运行模块和链部署为 REST API。

工具

低代码

•Flowise[10]: 使用LangchainJS，通过拖放UI构建定制化的LLM流程 •Langflow[11]: LangFlow 是 LangChain 的用户界面 •FlowTest[12]: 基于生成式AI的开源IDE，专为API优先的工作流程设计

服务

•GPTCache[13]: 一个用于为大型语言模型查询创建语义缓存的库 •Gorilla[14]: 一个用于LLM的API存储 •LlamaHub[15]: 一个由社区制作的数据加载器库，适用于大型语言模型 •EVAL[16]: 弹性多功能代理，使用Langchain。将执行您的所有请求。 •Auto-evaluator[17]: 一个使用Langchain的轻量级问答评估工具 •Langchain 可视化工具[18]: 用于LangChain工作流的可视化和调试工具 •LLM策略[19]: 使用LLM实现策略模式 [] •datasetGPT[20]: 一个用于生成文本和对话数据集的命令行界面工具，基于大型语言模型。 •spellbook-forge[21]: 使你的LLM提示可执行并且具有版本控制。 •自动评估器[22]: Langchain 自动评估器 •Jina[23]：使用 Jina 在生产环境中运行 Langchain 应用 •Gradio Tools[24]: Gradio 🤝 LLM Agents •steamship-langchain[25]: Steamship 的适配器，使 LangChain 开发者能够快速在 Steamship 上部署他们的应用 🐍 •LangForge[26]: 用于创建和部署LangChain应用的工具包 •BentoChain[27]: 在 BentoML 上部署 LangChain •LangCorn[28]：使用FastApi自动化部署LangChain应用程序 •Langchain 服务[29]：具有 Qdrant 向量存储和 Kong 网关的有主见的 Langchain 设置 •Lanarky[30]: 🚢 使用 FastAPI 部署生产就绪的 LLM 项目 •Dify[31]: 一个用于插件和数据集的API，一个用于提示工程和可视化操作的界面，所有这些都是为了创建强大的AI应用程序。 •LangchainJS Worker[32]: Cloudflare 上的 LangchainJS 工作程序 •Chainlit[33]: 在几分钟内构建 Python LLM 应用程序 ⚡️ •Psychic[34]：用于非结构化数据的通用 API。从 SaaS 工具同步文档到 SQL 或矢量数据库，方便 AI 应用程序（如 ChatGPT）进行查询。 •Zep[35]: Zep：一种用于LLM/聊天机器人应用的长期内存存储 •Langchain Decorators[36]: 一个在 LangChain 之上的层，提供语法糖 🍭 以编写自定义的 langchain 提示和链 •FastAPI + Chroma[37]: 一个用于ChatGPT的示例插件，使用了FastAPI、LangChain和Chroma •AilingBot[38]: 快速将基于Langchain构建的应用程序集成到Slack、企业微信、飞书、钉钉等即时通讯工具中。 •Llama2 嵌入服务器[39]: 使用 LangChain 的 Llama2 嵌入 FastAPI 服务 •ChatAbstractions[40]: LangChain 聊天模型抽象，用于动态故障切换、负载平衡、混沌工程等！ •MindSQL[41] - 一个Python包，用于Txt-to-SQL，具有自托管功能和兼容专有及开源LLM的RESTful API。 •Pluto[42]: 通过允许您在应用程序代码中直接定义和使用必要的云资源，简化在AWS上部署LangChain应用程序，自动创建所需的基础设施。 •Llama-github[43]: Llama-github 是一个基于 Langchain 框架构建的 Python 库，帮助你从 GitHub 中检索最相关的代码片段、问题和仓库信息 •CopilotKit[44]: 一个用于构建自定义AI助手的框架 🤖 应用内AI聊天机器人，应用内AI代理，和AI驱动的文本区域

代理（Agent）

•Private GPT[45]: 使用GPT的强大功能私密地与您的文档互动，100%私密，无数据泄露 •CollosalAI Chat[46]：在Colossal-AI项目的支持下，通过RLHF实现LLM •AgentGPT[47]: 基于 Langchain 和 OpenAI 的 AI 代理 (Vercel / Nextjs) •本地 GPT[48]：受 Private GPT 启发，将 GPT4ALL 模型替换为 Vicuna-7B 模型，并使用 InstructorEmbeddings 代替 LlamaEmbeddings •GPT Researcher[49]: GPT Researcher 是一个自主代理，旨在对各种任务进行全面的在线研究。 •ThinkGPT[50]：增强你的LLM并突破其极限的智能体技术 •Camel-AutoGPT[51]: 针对大型语言模型和自动代理（如BabyAGI和AutoGPT）的角色扮演方法 •RasaGPT[52]: RasaGPT是第一个基于Rasa和Langchain构建的无头LLM聊天机器人平台。 •SkyAGI[53]：LLM代理中正在出现的人类行为模拟能力 •PyCodeAGI[54]: 一个小型的人工智能实验，通过用户想要构建的应用生成Python应用 •BabyAGI UI[55]: 使在网络应用中运行和开发babyagi更加容易，就像ChatGPT •SuperAgent[56]: 部署LLM代理到生产环境 •Voyager[57]：一个使用大型语言模型的开放式具身智能体 •ix[58]: 自主GPT-4代理平台 •DuetGPT[59]: 一款对话式半自主开发助手，AI结对编程，无需复制粘贴。 •生产环境中的多模态LangChain代理[60]：部署LangChain代理并将其连接到Telegram •DemoGPT[61]: DemoGPT 使您能够通过使用提示快速创建演示。它在 Langchain 文档树上应用了 ToT 方法。 •SuperAGI[62]: SuperAGI - 一个面向开发者的开源自治AI代理框架 •自主HR聊天机器人[63]: 一个自主代理，可以使用手头的工具自主回答与HR相关的查询 •BlockAGI[64]: BlockAGI 进行迭代的、特定领域的研究，并输出详细的叙述报告以展示其研究成果 •waggledance.ai[65]: 一个自带强烈观点的并发AI代理系统。它实现了“计划-验证-解决”的流程，提供了数据和工具用于解决一般目标。 •Elasticsearch Agent[66]: 基于ElasticSearch、LangChain和GPT 4的ElasticSearch代理 •CrewAI[67]: 前沿框架，用于协调角色扮演、自主AI代理。

模板

•AI[68]：Vercel 模板，用于使用 React、Svelte 和 Vue 构建 AI 驱动的应用程序，支持 LangChain 一流的支持 •create-t3-turbo-ai[69]: 基于t3、支持Langchain的脚手架，用于构建类型安全、全栈、LLM驱动的Nextjs和Prisma网络应用程序 •LangChain.js LLM 模板[70]：LangChain LLM 模板，允许你训练自己的定制 AI LLM 模型。 •Streamlit 模板[71]：如何在 Streamlit 上部署 LangChain 的模板 •Codespaces 模板[72]: 一个用于在几秒钟内启动并运行 LangChain 的 Codespaces 模板！ •Gradio 模板[73]: 部署LangChain在Gradio上的模板 •AI 入门指南[74]: 一个面向周末项目的 Javascript AI 入门栈，包括图像/文本模型、向量存储、认证和部署配置 •Embedchain[75]: 框架，可轻松在任何数据集上创建LLM驱动的机器人。

平台

•Modal[76]: 云/机器学习计算的端到端堆栈 •Metal[77]: Metal 是一项托管服务，允许你在无需管理基础设施的情况下构建 AI 产品 •Graphsignal[78]: 为 AI 代理和基于 LLM 的应用程序提供可观测性。在生产环境中跟踪、监控和调试 LangChain。 •Mona[79]: 实时监控你的 OpenAI 使用情况 •Openllmetry[80]: 基于OpenTelemetry的开源可观测性工具，用于你的LLM应用程序 •MindsDB[81]: 与LangChain集成，允许用户部署、服务和微调模型。

开源项目

知识管理

•Quiver[82]: 将你的思维倒入你的生成式AI知识库 •DocsGPT[83]：基于GPT的文档搜索和辅助聊天工具。 •Chaindesk[84]：无代码平台，用于语义搜索和文档检索 •知识 GPT[85]: 为您的文档提供准确的答案和即时引用。 •知识[86]: 知识是一个用于保存、搜索、访问和探索您所有喜爱的网站、文档和文件的工具。 •Anything LLM[87]：一个全栈应用程序，可以将任何文档转换成一个智能聊天机器人，具有简洁的用户界面，并提供更便捷的方式来管理您的工作区。 •DocNavigator[88]: 基于AI的聊天机器人构建器，旨在提升产品文档/支持网站的用户体验 •ChatFiles[89]：上传你的文档，然后与之聊天。由GPT / Embedding / TS / NextJS驱动。 •DataChad[90]：一个让你可以与任何数据源聊天的streamlit应用。支持OpenAI和本地模式，使用GPT4All。 •第二大脑 AI 代理[91]：一个使用 OpenAI 和 ChromaDB 本地化的 Streamlit 应用程序，对话你的第二大脑笔记。 •examor[92]：一个基于您的知识笔记进行考试的网站应用程序。让您真正记住所学和所写的内容。 •Repochat[93]: 聊天机器人助手，通过使用检索增强生成（Retrieval Augmented Generation）技术，实现与GitHub仓库的互动 •SolidGPT[94]: 与您的代码仓库聊天，询问仓库级别的代码问题，并讨论您的需求

其他 / 聊天机器人

•DB GPT[95]：使用本地GPT与您的数据和环境进行交互，无数据泄露，100%隐私，100%安全 •AudioGPT[96]: 理解和生成语音、音乐、声音和动画头像 •Paper QA[97]: 用于从文档中回答问题并提供引用的LLM链 •Chat Langchain[98]：一个本地托管的聊天机器人，专注于回答有关LangChain文档的问题 •Langchain Chat[99]：另一个用于LangChain Chat的Next.js前端。 •Book GPT[100]: 丢一本书，开始提问。 •Chat LangchainJS[101]: Chat Langchain的NextJS版本 •文档搜索[102]：与书籍对话 - 使用GPT-3构建 •事实核查工具[103]: 使用langchain进行LLM输出的事实核查 •多模态ReAct[104]: 多模态ReAct设计 •QABot[105]: 使用langchain和openai驱动的自然语言查询来查询本地或远程文件或数据库 •GPT 自动化助手[106]: 你的语音控制Mac助手。 •Teams LangchainJS[107]：展示如何在Teams / Bot Framework机器人中使用LangChainJS •ChatGPT[108]: 用于 node.js 和 Docker 的 ChatGPT & langchain 示例 •FlowGPT[109]: 使用AI生成图表 •langchain-text-summarizer[110]: 一个使用 LangChain 的文本摘要示例 streamlit 应用程序 •Langchain Chat Websocket[111]: 关于通过websockets进行流响应的LangChain LLM聊天 •langchain_yt_tools[112]：Langchain 工具，用于搜索/提取/转录 YouTube 视频的文本记录 •SmartPilot[113]: 一个利用OpenAI语言模型生成、分析并选择最佳答案的Python程序 •Howdol[114]: 一个可以回答问题的有用聊天机器人 •MrsStax[115]: QA Slack 机器人 •ThoughtSource⚡[116]: 机器思维科学框架 •ChatGPT Langchain[117]: 在 Huggingface 上使用 langchain 的 ChatGPT 克隆版 •聊天数学技巧[118]：在Huggingface上使用数学技巧进行聊天 •Notion问答[119]：Notion问答机器人 •QNimGPT[120]：与IBM量子计算机模拟器或OpenAI GPT-3.5玩Nim游戏 •ChatPDF[121]: 使用Azure OpenAI将ChatGPT与企业数据结合 •与扫描文档聊天[122]: 一个使用Dynamic Web TWAIN扫描的文档聊天的演示。 •snowChat ❄️[123]: 与您的Snowflake数据库聊天 •Airtable-QnA[124]: 🌟 一个用于回答您Airtable内容问题的工具 •WingmanAI[125]: 用于实时转录系统和麦克风音频的交互工具 •TutorGPT[126]: 用于辅导任务的动态少样本元提示。 •柴郡猫[127]: 定制的AGI机器人，具有即用型聊天集成和插件开发平台。 •权力的游戏聊天机器人[128]: 用于创建《权力的游戏》聊天机器人的仓库（例如：与提利昂·兰尼斯特对话） •Dialoqbase[129]: 一个网络应用程序，允许你使用自己的知识库创建自定义聊天机器人 •CSV-AI 🧠[130]: CSV-AI 是一个由 LangChain 提供支持的终极应用程序，能够让你在 CSV 文件中发现隐藏的见解。 •MindGeniusAI[131]: 使用ChatGPT自动生成思维导图 •Robby-Chatbot[132]: AI聊天机器人 🤖，可以与CSV、PDF、TXT文件 📄 和YTB视频 🎥 进行对话 | 使用Langchain🦜 | OpenAI | Streamlit ⚡。 •AI 聊天机器人[133]: 一个功能齐全、可修改的 Next.js AI 聊天机器人，由 Vercel Labs 构建 •Instrukt[134]：一个在终端中功能齐全的AI环境。构建、测试和指导代理。 •OpenChat[135]: 自定义聊天机器人的控制台 ⚡。 •Twitter Agent[136]: 抓取推文，摘要推文，并在交互式终端中与它们聊天。 •GPT Migrate[137]: 轻松将你的代码库从一个框架或语言迁移到另一个。 •Code Interpreter API[138]：关于ChatGPT Code Interpreter的开源实现 •推荐系统[139]: 创建符合您业务需求的引人注目的电子邮件营销活动 •自主HR聊天机器人[140] 一个可以使用工具回答用户查询的自主HR代理 •Lobe Chat[141] 一个开源的、可扩展的（支持函数调用）、高性能的聊天机器人框架 •Funcchain[142]: 编写提示，pythonic •PersonalityChatbot[143]: 使用Langchain🦜 | LangSmith | MongoDB开发的具有人格特质的聊天机器人。 •XAgent[144]: 一种用于复杂任务解决的自主LLM代理 •InkChatGPT[145]: 一个简单的文档检索增强生成（RAG）聊天应用 •MemFree[146] - 开源混合AI搜索引擎，瞬间从互联网、书签、笔记和文档中获取准确答案。支持一键部署。

其他语言版本

非官方的 LangChain 其他语言版本列表。

•Langchain Go[147]: Golang Langchain •LangchainRb[148]：Ruby Langchain •BoxCars[149]：Ruby gem，使用 Boxcars 和 LLM 构建具有组合性的应用程序。灵感来自 LangChain。 •LangTorch[150]：使用 Java / JVM 构建可组合的 LLM 应用程序。灵感来自 LangChain。 •LangChain4j[151]: Java版的LangChain •LangChainJSDotNet[152]: 在 .NET 中使用官方的 LangChain.js 库 •LangChainDart[153]: 构建强大的基于LLM的Dart/Flutter应用程序。

学习

Notebook

•Langchain 教程[154]: LangChain 库的概述和教程 •LangChain 中文入门指南[155]: 初学者的中文LangChain教程 •Flan5 LLM[156]: 使用LangChain进行PDF问答，支持思维链和多任务指令，在HuggingFace上的Flan5 •LangChain 手册[157]: Pinecone / James Briggs的LangChain手册 •查询YouTube视频转录[158]: 查询YouTube视频转录，返回时间戳作为来源以验证答案 •llm-lobbyist[159]: 大型语言模型作为公司游说者 •Langchain Semantic Search[160]: 使用GPT3、LangChain和Python来搜索和索引你自己的Google Drive文件

• GPT Political Compass[161]

•llm-grovers-search-party[162]: 利用Qiskit、OpenAI和LangChain来演示Grover算法

• TextWorld ReAct Agent[163]

• LangChain <> Wolfram Alpha[164]

• 自建知识图谱[165]

• 大型语言模型课程[166]

视频播放列表

• Sam Witteveen的LangChain系列[167]

• LangChain教程播放列表[168]

• LangChain James Briggs的播放列表[169]

• Greg Kamradt的播放列表[170]

其他LLM框架

•Transformers Agents[171]: 提供了一个基于transformers的自然语言API •LlamaIndex[172]: 提供一个接口来连接你的LLM与外部数据。 •Botpress[173]: 构建聊天机器人的构建模块 •Haystack[174]: NLP框架，用于使用Transformer模型和LLMs与您的数据进行交互 •语义内核[175]: 微软C# SDK，用于将尖端的LLM技术快速且轻松地集成到您的应用程序中 •Promptify[176]: 提示工程 | 使用GPT或其他基于提示的模型获取结构化输出。 •PromptSource[177]: 关于创建、共享和使用自然语言提示的工具包。 •Agent-LLM[178]: 一个人工智能自动化平台。 •LLM Agents[179]：构建由LLM控制的代理 •MiniChain[180]: 一个用于大语言模型编程的小型库。 •Griptape[181]: 一种用于AI工作流和管道的Python框架，具有链式思维推理、外部工具和内存功能。 •llm-chain[182]: 是一个强大的Rust包，用于在LLMs中构建链，允许你总结文本并完成复杂任务。 •PromptFlow[183]: 创建可执行的流程图，将大型语言模型（LLM）、提示、Python函数和条件逻辑连接在一起。 •OpenLM[184]: 一个可直接替代OpenAI的库，可以通过任何其他托管推理API调用LLM。也支持 Typescript[185] •Dust[186]: 设计和部署大型语言模型应用 •e2b[187]: 构建和部署虚拟开发者代理的开源平台 •SuperAGI[188]: 面向开发者的开源自主AI代理框架。 •SmartGPT[189]: 一个使用插件来完成复杂任务的程序，赋予LLMs（大语言模型）这一能力。 •TermGPT[190]：赋予像GPT-4这样的LLM计划和执行终端命令的能力 •ReLLM[191]: 用于语言模型补全的正则表达式。 •OpenDAN[192]: 开源的个人AI操作系统，将各种AI模块整合到一个地方供个人使用。 •OpenLLM[193]: 一个用于在生产环境中操作大型语言模型（LLM）的开放平台。使用OpenLLM轻松微调、服务、部署和监控任何LLM。 •FlagAI[194]: FlagAI（快速大规模通用AI模型）是一个快速、易于使用且可扩展的大规模模型工具包。 •AI.JSX[195]: Javascript的AI应用框架 •Outlines[196]：生成模型编程（Python） •AI Utils[197]: 以TypeScript为主的库，用于构建AI应用程序、聊天机器人和代理。 •MetaGPT[198]: 多代理元编程框架：给出一行需求，返回PRD、设计、任务、代码库和CI •Hyv[199]: 可能是使用任何AI模型在Node.js中进行复杂交互的最简单方法。 •Autochain[200]: 使用AutoChain构建轻量级、可扩展且可测试的LLM代理。 •TypeChat[201]: TypeChat 是一个使用类型构建自然语言界面的库。 •Marvin[202]: ✨ 构建激发乐趣的AI界面 •LMQL[203]: 一种用于大型语言模型的编程语言。 •LLMFlow[204]：简单、明确且透明的LLM应用程序 •Ax[205]: 一个全面的TypeScript人工智能框架 •TextAI[206]：💡 一体化开源嵌入数据库，用于语义搜索、LLM编排和语言模型工作流程。 •AgentFlow[207]: 关于从简单的JSON构建复杂的LLM工作流。 •Outlines[208]: 快速且可靠的神经文本生成。 •SimpleAIChat[209]：Python 包，用于轻松与聊天应用程序接口交互，具有强大的功能和最小的代码复杂度。 •LLFn[210]: 一个用于使用LLM创建应用程序的轻量级框架 •LLMStack[211]: 无代码平台，用于构建具有自定义数据的LLM驱动应用程序。 •Lagent[212]: 一个用于构建基于LLM的代理的轻量级框架 •Embedbase[213]: 构建AI驱动应用程序的原生Software 3.0技术栈。 •Rivet[214]: 一个用于创建复杂AI代理和提示链的IDE，并将其嵌入到您的应用程序中。 •Promptfoo[215]：测试你的提示。评估和比较LLM输出，捕捉回归，并提高提示质量。 •RestGPT[216]: 一个基于LLM的自主代理，通过RESTful API控制真实世界的应用程序 •LangStream[217]：框架，用于使用无代码和Python（包括基于LangChain的）代理构建和运行事件驱动的LLM应用程序。 •Magentic[218]: 无缝集成大型语言模型作为Python函数 •Autogen[219]: 启用下一代大型语言模型应用。 •AgentVerse[220] 提供了一个灵活的框架，简化了为大型语言模型（LLM）构建自定义多代理环境的过程 •Flappy[221]: 为每位开发者准备的生产级大语言模型代理SDK •MemGPT[222]: 教授大型语言模型（LLM）进行无限上下文的内存管理 •Agentlabs[223]: 通用AI代理前端。构建你的后端，我们处理其余部分。 •axflow[224]: 用于AI开发的TypeScript框架 •bondai[225]: 由AI驱动的助手，具有轻量且多功能的API，便于无缝集成到您自己的应用中 •Chidori[226]：一个用于构建持久AI代理的反应式运行时 •Langroid[227]: 一个直观、轻量级、可扩展且有原则的Python框架，能够轻松构建基于LLM的应用程序。 •Langstream[228]: 构建具有真正组合性的强大LLM应用程序 🔗 •Agency[229]: 🕵️‍♂️ 该库为开发者提供了一种干净、高效且符合 Go 语言习惯的方法，旨在探索大型语言模型（LLMs）和其他生成式 AI 的潜力 [] •TaskWeaver[230]：一个以代码为先的代理框架，用于无缝规划和执行数据分析任务。 •MicroAgent[231]：能够自我编辑提示/ Python代码的代理人 •Casibase[232]: 开源的类似LangChain的AI RAG（检索增强生成）知识数据库，带有web UI和企业级SSO⚡️，支持OpenAI、Azure、LLaMA、Google Gemini、HuggingFace、Claude、Grok等 •果糖[233]: 果糖是一个Python包，用于围绕LLM调用创建一个可靠的、强类型的接口。 •R2R[234]: 一个用于快速开发和部署生产就绪的RAG系统的框架 •uAgents[235]：一个快速且轻量的框架，轻松创建去中心化代理。 •Codel[236]: ✨ 完全自主的AI代理，可以使用终端、浏览器和编辑器执行复杂的任务和项目。 •LLocalSearch[237]: LLocalSearch 是一个完全本地运行的搜索聚合器，使用大语言模型代理。用户可以提出问题，系统将使用一系列大语言模型来寻找答案。用户可以看到代理的进度和最终答案。不需要 OpenAI 或 Google API 密钥。 •Plandex[238]: 一个用于复杂任务的AI编程引擎 •Maestro[239]: 一个用于智能协调子代理的Claude Opus框架。 •GPT Pilot[240]: GPT Pilot 是 Pythagora VS Code 扩展的核心技术，旨在提供第一个真正的 AI 开发助手。 •SWE Agent[241]: SWE-agent 通过使用 GPT-4 或你选择的语言模型，接收一个 GitHub 问题并尝试自动修复它。 •Gateway[242]：一个极其快速的AI网关。通过一个快速且友好的API，路由至100多个大型语言模型。 •AgentRun[243]: 最简单、最快速的方式安全运行AI生成的Python代码 •LLama Cpp Agent[244]: llama-cpp-agent 框架是一个旨在与大型语言模型轻松交互的工具 •FinRobot[245]: 一个使用大型语言模型（LLMs）针对金融应用的开源AI代理平台 •Groq Ruby[246]: Groq Cloud 运行 LLM 模型既快又便宜。这是一个方便的 Ruby 客户端库。 •AgentScope[247]: 以更简单的方式开始构建由大语言模型（LLM）驱动的多智能体应用程序。 •Memary[248]: 自主代理人的长期记忆。 •Llmware[249]：提供企业级基于LLM的开发框架、工具和微调模型。 •Pipecat[250]: 开源的语音和多模态对话AI框架。 •Phidata[251]: 使用记忆、知识和工具构建AI助手。 •Rigging[252]: 轻量级LLM交互框架（rust） •Nerve[253]: 使用 Rust 让任何大型语言模型（LLM）实际执行任务 •Vision agent[254]: Vision Agent 是一个库，可以帮助你利用代理框架生成代码以解决视觉任务。 •llama-agents[255]: llama-agents 是一个异步优先的框架，用于构建、迭代和生产化多代理系统，包括多代理通信、分布式工具执行、人机交互等 •Claude Engineer[256]: Claude Engineer 是一个互动式命令行界面 (CLI)，利用了Anthropic的Claude-3.5-Sonnet模型的强大功能，来帮助完成软件开发任务。 •AI Scientist[257]: AI科学家：迈向全自动的开放式科学 •DSPy[258]: 编程框架——而不是提示——基础模型

补充此列表

•开源大语言模型[259]: 可供商业使用的开源大语言模型列表 •Awesome LLM[260]: Awesome-LLM：一个精心策划的大型语言模型资源列表。 •LLaMA 教派及更多[261]：追踪可负担的大语言模型，🦙 及更多 •Awesome Language Agents[262]: 基于论文《Cognitive Architectures for Language Agents》的语言代理列表 ⚡️开源的类似LangChain的AI知识数据库，具有网页UI和企业SSO⚡️，支持OpenAI、Azure、Google Gemini、HuggingFace、OpenRouter、ChatGLM和本地模型

停止维护

•LangchainUI[263]: 开源的聊天AI工具包 •Yeager.ai[264]: Yeager.ai Agent 是第一个 Langchain Agent 创建工具，旨在帮助您轻松构建、原型设计和部署由 AI 驱动的代理

声明

本文由山行整理自：https://github.com/kyrolabs/awesome-langchain项目和网络，如果对您有帮助，请帮忙点赞、关注、收藏，谢谢～

References