AI应用开发在众多框架中，LangChain 以其强大的功能脱颖而出，成为开发基于语言模型的应用程序的有力工具。在这篇文章中，我会分享一些帮助我学习和部署 LangChain 的资源。我们将探索 LangChain 的强大功能以及它为开发者和企业带来的好处。

具有上下文感知和推理功能的应用程序

LangChain 使开发者能够创建具有上下文感知能力的应用程序，可以将语言模型与多种上下文源连接起来，如提示指令、少镜头示例和内容基础。这使得应用程序能够基于提供的上下文理解和智能响应。此外，LangChain 还允许应用程序使用语言模型进行推理和做出知情决策，增强了它们采取适当行动的能力。

模块化组件和现成的链条

LangChain 的一个关键优势在于其模块化组件。这些组件为使用语言模型提供了抽象，并为每种抽象提供了一系列实现。无论您是使用完整的 LangChain 框架还是仅使用组件，它们都被设计为模块化且易于使用。这种灵活性使开发者能够轻松定制现有链条和构建新链条。LangChain 还提供了现成的链条，这些预构建的结构化组件组合旨在完成特定的高级任务。这些现成的链条使开发者能够快速高效地开始工作。对于更复杂的应用程序，模块化组件提供了根据特定需求定制链条的灵活性。

丰富的生态系统和资源

LangChain 是一个蓬勃发展的工具和集成生态系统，LangChain 社区提供了丰富的资源，包括 YouTube 教程和由社区编制的精彩 LangChain 项目展示。

以下是一些在学习和使用 LangChain 时可以利用的优秀资源。我会在我的 GitHub上持续更新。

GitHub地址：https://github.com/QAgentAI/QAgentAI/tree/main/study_langchain_resource

- [Langchain Smith](https://smith.langchain.com/hub?organizationId=1efeb0d9-eab7-54d7-bfd6-22070d7756de)：一个集成的开发者平台，专为构建、测试和监控大型语言模型（LLM）应用而设计。

- [Chat Langchain](https://chat.langchain.com/)：有关 LangChain Python 文档的任何疑问，都可以来问我！

- [Langchain 编程指南](https://github.com/langchain-ai/langchain/tree/master/cookbook)：提供编程指南中的示例等资源。

- [LangChain](https://github.com/hwchase17/langchain)：最初的 Python 实现版本

- [LangChain.js](https://github.com/hwchase17/langchainjs)：JavaScript 实现的兄弟版本

- [Youtube 频道](https://www.youtube.com/channel/UCC-lyoTfSrcJzA1ab3APAgw)

- [Discord](https://discord.gg/6adMQxSpJS)：用于讨论和交流的平台

- [Langchain 博客](https://blog.langchain.dev/)：官方 Langchain 博客，提供最新动态和信息

- [LangChainHub](https://github.com/hwchase17/langchain-hub)：收集所有与 LangChain 基本组件相关的工具和资源，如提示、链路和代理

- [LangServe](https://github.com/langchain-ai/langserve)：LangServe 助力开发者将 LangChain 可执行文件和链路作为 REST API 部署。

- [Flowise](https://github.com/FlowiseAI/Flowise)：使用 LangchainJS 通过拖放 UI 构建定制化的 LLM 流程

- [Langflow](https://github.com/logspace-ai/langflow)：LangFlow 是 LangChain 的用户界面

- [GPTCache](https://github.com/zilliztech/GPTCache)：为 LLM 查询创建语义缓存的库

- [Gorilla](https://github.com/ShishirPatil/gorilla)：LLM 的 API 商店

- [LlamaHub](https://github.com/emptycrown/llama-hub)：社区制作的 LLM 数据加载器库

- [EVAL](https://github.com/corca-ai/EVAL)：具有 Langchain 的弹性多功能代理，将执行您的所有请求

- [Auto-evaluator](https://github.com/PineappleExpress808/auto-evaluator)：使用 Langchain 的轻量级问答评估工具

- [Langchain visualizer](https://github.com/amosjyng/langchain-visualizer)：LangChain 工作流的可视化和调试工具

- [LLM Strategy](https://github.com/BlackHC/llm-strategy)：使用 LLM 实现策略模式

- [datasetGPT](https://github.com/radi-cho/datasetGPT)：命令行界面，用于使用 LLM 生成文本和对话数据集

- [spellbook-forge](https://github.com/rafalzawadzki/spellbook-forge)：使您的 LLM 提示可执行并进行版本控制

- [Auto Evaluator](https://github.com/langchain-ai/auto-evaluator)：Langchain 自动评估器

- [Jina](https://github.com/jina-ai/langchain-serve)：在 Jina 上生产 Langchain 应用

- [Gradio Tools](https://github.com/freddyaboulton/gradio-tools)：Gradio LLM 代理

- [steamship-langchain](https://github.com/steamship-core/steamship-langchain)：Steamship 的适配器，使 LangChain 开发者能够快速部署他们的应用

- [LangForge](https://github.com/mme/langforge)：创建和部署 LangChain 应用的工具包

- [BentoChain](https://github.com/ssheng/BentoChain)：在 BentoML 上部署 LangChain

- [LangCorn](https://github.com/msoedov/langcorn)：使用 FastApi 自动服务 LangChain 应用

- [Langchain Service](https://github.com/kyrolabs/langchain-service)：带有 Qdrant 向量存储和 Kong 网关的固定 Langchain 设置

- [Lanarky](https://github.com/ajndkr/lanarky)： 使用 FastAPI 发布生产就绪的 LLM 项目

- [Dify](https://github.com/langgenius/dify)：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，所有这些都用于创建强大的 AI 应用

- [LangchainJS Worker](https://github.com/rickyrobinett/langchainjs-workers)：在 cloudflare 上的 LangchainJS 工作人员

- [Chainlit](https://github.com/Chainlit/chainlit)：在几分钟内构建 Python LLM 应用 ⚡️

- [Psychic](https://github.com/psychic-api/psychic)：非结构化数据的通用 API。将文档从 SaaS 工具同步到 SQL 或向量数据库，在那里它们可以被像 ChatGPT 这样的 AI 应用轻松查询

- [Zep](https://github.com/getzep/zep)：Zep：LLM / 聊天机器人应用的长期记忆存储

- [Langchain Decorators](https://github.com/ju-bezdek/langchain-decorators)：在 LangChain 顶部的一层，为编写自定义 langchain 提示和链提供语法糖

- [FastAPI Chroma](https://github.com/experienced-dev/chatgpt-plugin-fastapi-langchain-chroma)：ChatGPT 的示例插件，使用 FastAPI、LangChain 和 Chroma

- [AilingBot](https://github.com/ericzhang-cn/ailingbot)：快速将基于 Langchain 构建的应用集成到 IM 中，如 Slack、微信工作、飞书、钉钉

- [Llama2 Embedding Server](https://github.com/Dicklesworthstone/llama_embeddings_fastapi_service)：使用 LangChain 的 Llama2 嵌入 FastAPI 服务

- [Private GPT](https://github.com/imartinez/privateGPT)：使用 GPT 的力量私密地与您的文档互动，100% 私密，无数据泄露

- [CollosalAI Chat](https://github.com/hpcaitech/ColossalAI/tree/main/applications/Chat)：实现 RLHF 的 LLM，由 Colossal-AI 项目提供支持

- [AgentGPT](https://github.com/reworkd/AgentGPT)：结合 Langchain 和 OpenAI 的 AI 代理（Vercel / Nextjs）

- [Local GPT](https://github.com/PromtEngineer/localGPT)：受 Private GPT 启发，使用 Vicuna-7B 模型替换 GPT4ALL 模型，并使用 InstructorEmbeddings 而非 LlamaEmbeddings

- [GPT Researcher](https://github.com/assafelovic/gpt-researcher)：GPT Researcher 是一个自主代理，专为各种任务的全面在线研究而设计

- [ThinkGPT](https://github.com/alaeddine-13/thinkgpt)：代理技术增强您的 LLM，并将其推向极限

- [Camel-AutoGPT](https://github.com/SamurAIGPT/Camel-AutoGPT)：LLM 和自动代理（如 BabyAGI 和 AutoGPT）的角色扮演方法

- [RasaGPT](https://github.com/paulpierre/RasaGPT)：RasaGPT 是基于 Rasa 和 Langchain 构建的首个无头 LLM 聊天机器人平台

- [SkyAGI](https://github.com/litanlitudan/skyagi)：LLM 代理中新兴的人类行为模拟能力

- [PyCodeAGI](https://github.com/chakkaradeep/pyCodeAGI)：一个小型 AGI 实验，用于根据用户想要构建的应用生成 Python 应用

- [BabyAGI UI](https://github.com/miurla/babyagi-ui)：使在 Web 应用中运行和开发 babyagi 更容易，类似于 ChatGPT

- [SuperAgent](https://github.com/homanp/superagent)：将 LLM 代理部署到生产环境

- [Voyager](https://github.com/MineDojo/Voyager)：具有大型语言模型的开放式实体代理

- [ix](https://github.com/kreneskyp/ix)：自主 GPT-4 代理平台

- [DuetGPT](https://github.com/kristoferlund/duet-gpt)：一个半自主的对话式开发助手，AI 对编程无需复制粘贴

- [多模态 LangChain 代理在生产中](https://github.com/steamship-packages/langchain-agent-production-starter)：部署 LangChain 代理并将其连接到 Telegram

- [DemoGPT](https://github.com/melih-unsal/DemoGPT)：DemoGPT 使您能够仅通过提示快速创建演示。它在 Langchain 文档树上应用 ToT 方法

- [SuperAGI](https://github.com/TransformerOptimus/SuperAGI)：SuperAGI - 一个面向开发者的开源自主 AI 代理框架

- [自主 HR 聊天机器人](https://github.com/stepanogil/autonomous-hr-chatbot)：一个自主代理，可以使用手头的工具自主回答 HR 相关查询

- [BlockAGI](https://github.com/blockpipe/blockagi)：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发现

- [waggledance.ai](https://github.com/agi-merge/waggle-dance)：一个固执己见的、并发的 AI 代理系统。它实现了带有数据和工具的计划-验证-解决方法，用于通用目标解决

- [AI](https://github.com/vercel-labs/ai)：Vercel 模板，用于使用 React、Svelte 和 Vue 构建 AI 驱动的应用程序，对 LangChain 提供一流支持

- [create-t3-turbo-ai](https://github.com/zckly/create-t3-turbo-ai)：基于 t3 的、对 Langchain 友好的模板，用于构建类型安全的、全栈的、LLM 驱动的 Web 应用，使用 Nextjs 和 Prisma

- [LangChain.js LLM 模板](https://github.com/Conner1115/LangChain.js-LLM-Template)：LangChain LLM 模板，允许您训练自己的自定义 AI LLM 模型

- [Streamlit 模板](https://github.com/hwchase17/langchain-streamlit-template)：如何在 Streamlit 上部署 LangChain 的模板

- [Codespaces 模板](https://github.com/lostintangent/codespaces-langchain)：Codespaces 模板，用于在几秒钟内开始使用 LangChain

- [Gradio 模板](https://github.com/hwchase17/langchain-gradio-template)：如何在 Gradio 上部署 LangChain 的模板

- [AI 入门](https://github.com/a16z-infra/ai-getting-started)：适用于周末项目的 Javascript AI 入门堆栈，包括图像/文本模型、向量存储、授权和部署配置

- [Embedchain](https://github.com/embedchain/embedchain)：轻松创建基于任何数据集的 LLM 驱动机器人的框架

- [Modal](https://modal.com/docs/guide/ex/potus_speech_qanda)：用于云/ML 计算的端到端堆栈

- [Metal](https://getmetal.io/)：Metal 是一种托管服务，允许您在无需管理基础设施的情况下构建 AI 产品

- [Graphsignal](https://graphsignal.com/)：AI 代理和 LLM 驱动应用的可观测性。在生产中追踪、监控和调试 LangChain

- [Mona](https://github.com/monalabs/mona-openai)：实时监控您的 OpenAI 使用情况

- [Openllmetry](https://github.com/traceloop/openllmetry)：基于 OpenTelemetry 的 LLM 应用的开源可观测性

Knowledge Management

- [Quiver](https://github.com/StanGirard/quiver)：将您的大脑内容倾倒到您的生成型 AI 保险库中

- [DocsGPT](https://github.com/arc53/docsgpt)：基于 GPT 的聊天，用于文档搜索和协助

- [Chaindesk](https://github.com/gmpetrov/databerry)：用于语义搜索和文档检索的无代码平台

- [Knowledge GPT](https://github.com/mmz-001/knowledge_gpt)：为您的文档提供准确的答案和即时引用

- [Knowledge](https://github.com/KnowledgeCanvas/knowledge)：Knowledge 是一个工具，用于保存、搜索、访问和探索您所有喜爱的网站、文档和文件

- [Anything LLM](https://github.com/Mintplex-Labs/anything-llm)：一个全栈应用程序，将任何文档转化为具有精美 UI 和更简单的工作区管理方式的智能聊天机器人

- [DocNavigator](https://github.com/vgulerianb/DocNavigator)：AI 驱动的聊天机器人构建器，旨在改善产品文档/支持网站的用户体验

- [ChatFiles](https://github.com/guangzhengli/ChatFiles)：上传您的文档，然后与之聊天。由 GPT / 嵌入 / TS / NextJS 驱动

- [DataChad](https://github.com/gustavz/DataChad)：一个 streamlit 应用程序，让您可以与任何数据源聊天。支持 OpenAI 和本地模式，使用 GPT4All

- [Second Brain AI Agent](https://github.com/flepied/second-brain-agent)：一个 streamlit 应用程序，使用 OpenAI 和 ChromaDB 本地自动与您的第二大脑笔记对话

- [examor](https://github.com/codeacme17/examor)：一个网站应用程序，允许您根据您的知识笔记进行考试。让您真正记住您所学习和书写的内容

Other / Chatbots

- [DB GPT](https://github.com/csunny/DB-GPT)：使用本地 GPT 与您的数据和环境互动，无数据泄露，100% 私密，100% 安全

- [AudioGPT](https://github.com/AIGC-Audio/AudioGPT)：理解和生成语音、音乐、声音和会说话的头像

- [Paper QA](https://github.com/whitead/paper-qa)：用于从带引用的文档中回答问题的 LLM 链

- [Chat Langchain](https://github.com/hwchase17/chat-langchain)：专注于 LangChain 文档的问题回答的本地托管聊天机器人

- [Langchain Chat](https://github.com/zahidkhawaja/langchain-chat-nextjs)：LangChain 聊天的另一个 Next.js 前端

- [Book GPT](https://github.com/fraserxu/book-gpt)：上传一本书，开始提问

- [Chat LangchainJS](https://github.com/sullivan-sean/chat-langchainjs)：Chat Langchain 的 NextJS 版本

- [Doc Search](https://github.com/namuan/dr-doc-search)：与书籍对话 - 使用 GPT-3 构建

- [Fact Checker](https://github.com/jagilley/fact-checker)：使用 langchain 对 LLM 输出进行事实核查

- [MM ReAct](https://github.com/microsoft/MM-REACT)：多模态 ReAct 设计

- [QABot](https://github.com/hardbyte/qabot)：使用 langchain 和 openai 的自然语言查询查询本地或远程文件或数据库

- [GPT Automator](https://github.com/chidiwilliams/GPT-Automator)：您的语音控制 Mac 助手

- [Teams LangchainJS](https://github.com/SidU/teams-langchain-js)：使用 Teams / Bot Framework 机器人演示 LangChainJS

- [ChatGPT](https://github.com/biff-ai/chatgpt-langchainjs-example)：ChatGPT 和 langchain 示例，适用于 node.js 和 Docker

- [FlowGPT](https://github.com/nilooy/flowgpt)：使用 AI 生成图表

- [langchain-text-summarizer](https://github.com/alphasecio/langchain-text-summarizer)：使用 LangChain 汇总文本的示例 streamlit 应用程序

- [Langchain Chat Websocket](https://github.com/pors/langchain-chat-websockets)：关于通过 websockets 流式传输响应的 LangChain LLM 聊天

- [langchain_yt_tools](https://github.com/venuv/langchain_yt_tools)：Langchain 工具，用于搜索/提取/转录 Youtube 视频的文本记录

- [SmartPilot](https://github.com/jaredkirby/SmartPilot)：一个 Python 程序，利用 OpenAI 的语言模型生成、分析并选择对给定问题的最佳答案

- [Howdol](https://github.com/bborn/howdoi.ai)：一个能回答问题的有用聊天机器人

- [MrsStax](https://github.com/normandmickey/MrsStax)：QA Slack 机器人

- [ThoughtSource⚡](https://github.com/OpenBioLink/ThoughtSource)：机器思维科学的框架

- [ChatGPT Langchain](https://huggingface.co/spaces/JavaFXpert/Chat-GPT-LangChain)：在 Huggingface 上使用 langchain 的 ChatGPT 克隆

- [Chat Math Techniques](https://huggingface.co/spaces/JavaFXpert/gpt-math-techniques)：在 Huggingface 上使用 langchain 聊天的数学技巧

- [Notion QA](https://github.com/hwchase17/notion-qa)：Notion 问答机器人

- [QNimGPT](https://huggingface.co/spaces/rituthombre/QNim)：与 IBM 量子计算机模拟器或 OpenAI GPT-3.5 对战 Nim 游戏

- [ChatPDF](https://github.com/akshata29/chatpdf)：ChatGPT 使用 Azure OpenAI 的企业数据

- [与扫描文档聊天](https://github.com/tony-xlh/Chat-with-Scanned-Documents)：与使用 Dynamic Web TWAIN 扫描的文档聊天的演示

- [snowChat ❄️](https://github.com/kaarthik108/snowChat)：与您的 snowflake 数据库聊天

- [Airtable-QnA](https://github.com/ikram-shah/airtable-qna)： 用于您的 Airtable 内容的问答工具

- [WingmanAI](https://github.com/e-johnstonn/wingmanAI)：用于与系统和麦克风音频的实时转录互动的工具

- [TutorGPT](https://github.com/plastic-labs/tutor-gpt)：用于辅导任务的动态少镜头元提示

- [Cheshire Cat](https://github.com/cheshire-cat-ai/core)：自定义 AGI 机器人，具有现成的聊天集成和插件开发平台

- [Got Chaat Bot](https://github.com/parker84/GoT-chat-bot)：创建 GoT 聊天机器人的仓库（例如：与 Tyrion Lannister 聊天）

- [Dialoqbase](https://github.com/n4ze3m/dialoqbase)：允许您使用自己的知识库创建自定义聊天机器人的 Web 应用程序

- [CSV-AI ](https://python.langchain.com/en/latest/modules/indexes/document_loaders/examples/snowflake.html)：CSV-AI 是由 LangChain 驱动的终极应用程序，可让您在 CSV 文件中发现隐藏的洞察

- [MindGeniusAI](https://github.com/xianjianlf2/MindGeniusAI)：使用 ChatGPT 自动生成思维导图

- [Robby-Chatbot](https://github.com/yvann-hub/Robby-chatbot)：AI 聊天机器人 ，用于与 CSV、PDF、TXT 文件 和 YTB 视频 聊天 | 使用 Langchain | OpenAI | Streamlit ⚡

- [AI Chatbot](https://github.com/vercel-labs/ai-chatbot)：Vercel Labs 构建的功能齐全、可定制的 Next.js AI 聊天机器人

- [Instrukt](https://github.com/blob42/Instrukt)：终端中的完整 AI 环境。构建、测试和指导代理

- [OpenChat](https://github.com/openchatai/OpenChat/)：LLM 自定义聊天机器人控制台 ⚡

- [Twitter Agent](https://github.com/ahmedbesbes/twitter-agent/)：抓取推文，汇总它们，并在交互式终端中与它们聊天

- [GPT Migrate](https://github.com/0xpayne/gpt-migrate)：轻松将您的代码库从一个框架或语言迁移到另一个

- [Code Interpreter API](https://github.com/shroominic/codeinterpreter-api)：关于 ChatGPT 代码解释器的开源实现

- [Recommender](https://github.com/vishwasg217/recommender)：创建符合您业务需求的引人入胜的电子邮件营销活动

- [Autonomous HR Chatbot](https://github.com/stepanogil/autonomous-hr-chatbot)：一个可以使用工具回答用户查询的自主 HR 代理

- [Lobe Chat](https://github.com/lobehub/lobe-chat)：一个开源、可扩展（函数调用）、高性能的聊天机器人框架

- [Funcchain](https://github.com/shroominic/funcchain)：编写提示，Python 风格

- [PersonalityChatbot](https://github.com/btrcm00/chatbot-with-langchain)：使用 Langchain | LangSmith | MongoDB 的 Langchain 聊天机器人，具有个性化聊天功能

笔记

- [Langchain 教程](https://github.com/gkamradt/langchain-tutorials)：LangChain 库的概述和教程

- [LangChain 中文入门指南](https://github.com/liaokongVFX/LangChain-Chinese-Getting-Started-Guide)：面向初学者的中文 LangChain 教程

- [Flan5 LLM](https://colab.research.google.com/drive/1AVh9dOsG9DKzfK7gOFrJuitPIcLPqlbO?usp=sharing)：使用 LangChain 进行思维链和多任务指令的 PDF 问答，Flan5 在 HuggingFace 上

- [LangChain 手册](https://github.com/pinecone-io/examples/tree/master/generation/langchain/handbook)：Pinecone / James Briggs 的 LangChain 手册

- [查询 YouTube 视频字幕](https://colab.research.google.com/drive/1sKSTjt9cPstl_WMZ86JsgEqFG-aSAwkn?usp=sharing)：查询 YouTube 视频字幕，返回时间戳作为来源以合法化答案

- [llm-lobbyist](https://github.com/JohnNay/llm-lobbyist)：大型语言模型作为企业游说者

- [Langchain 语义搜索](https://github.com/venuv/langchain_semantic_search)：使用 GPT3、LangChain 和 Python 搜索和索引您自己的 Google Drive 文件

- [GPT 政治指南针](https://colab.research.google.com/drive/1xt2IsFPGYMEQdoJFNgWNAjWGxa60VXdV)

- [llm-grovers-search-party](https://github.com/JavaFXpert/llm-grovers-search-party)：利用 Qiskit、OpenAI 和 LangChain 展示 Grover 算法

- [TextWorld ReAct 代理](https://colab.research.google.com/drive/19WTIWC3prw5LDMHmRMvqNV2loD9FHls6?usp=sharing)

- [LangChain Wolfram Alpha](https://colab.research.google.com/drive/1AAyEdTz-Z6ShKvewbt1ZHUICqak0MiwR?usp=sharing)

- [自带知识图谱](https://github.com/prof-frink-lab/slangchain/blob/main/docs/modules/knowledge_graph/examples/byo_knowledge_graph.ipynb)

- [大型语言模型课程](https://github.com/peremartra/Large-Language-Model-Notebooks-Course)

视频

- [Sam Witteveen 的 LangChain 系列](https://www.youtube.com/watch?v=J_0qvRt4LNk&list=PL8motc6AQftk1Bs42EW45kwYbyJ4jOdiZ)

- [LangChain 教程播放列表](https://www.youtube.com/playlist?list=PL611FKPtL866MnlDPHvI3KwVGqCB-QJAx)

- [James Briggs 的 LangChain 播放列表](https://www.youtube.com/watch?v=nE2skSRWTTs&list=PLIUOU7oqGTLieV9uTIFMm6_4PXg-hlN6F)

- [Greg Kamradt 播放列表](https://www.youtube.com/watch?v=_v_fgW2SkkQ&list=PLqZXAkvF1bPNQER9mLmDbntNfSpzdDIU5)