#langchain Repositories
Insgesamt 286 Repositories
Open-Source-Laufzeit-Sicherheitstool für KI-Agenten – überwacht und steuert KI-Agenten und erkennt böswillige Tool-Nutzung, Prompt-Injection und Richtlinienabweichungen in Echtzeit, bevor der Agent handelt.
YT Navigator: KI-gesteuerter YouTube-Content-Explorer, mit dem Sie Kanalvideos mit KI-Agenten durchsuchen und sich darüber unterhalten können. Gewinnen Sie sekundenschnell Einblicke aus stundenlangem Content durch semantische Suche und präzise Zeitstempel.
Typsichere Werkzeuge, On-Device-Inferenz, Multi-Agenten-Workflows, Speicher und Guardrails in einer Swift-nativen Laufzeitumgebung
AI-in-a-Box nutzt die Expertise von Microsoft weltweit, um KI- und ML-Lösungen für die technische Gemeinschaft zu entwickeln und bereitzustellen. Unsere Absicht ist es, eine kuratierte Sammlung von Lösungsbeschleunigern zu präsentieren, die Ingenieuren helfen können, ihre KI/ML-Umgebungen und -Lösungen schnell und mit minimalen Schwierigkeiten einzurichten.
🇷🇺 Russische Übersetzung des Buches von Antonio Gulli - Agentic Design Patterns: Ein praktischer Leitfaden zur Erstellung intelligenter Systeme
End-to-End-Generative‑AI‑Industrieprojekte auf LLM‑Modellen mit Deployment_Awesome LLM Projects
Repository für das Buch "Building LLMs for Production" von Towards AI.
Erstellen Sie LangGraph-Agenten mit einer großen Anzahl von Werkzeugen.
Dieses Repository enthält verschiedene LLM-Chatbot-Projekte (RAG, LLM-Agenten usw.) sowie weithin bekannte Techniken zur Schulung und Feinabstimmung von LLMs.
Verwenden Sie ArXiv ChatGuru, um mit Forschungsarbeiten zu sprechen. Diese App verwendet LangChain, OpenAI, Streamlit und Redis als Vektor-Datenbank/semantischen Cache.
LangChain-gestützter Web-Recherche-Chatbot. Sucht im Web nach Quellen und zitiert diese in generierten Antworten.
Eine Full-Stack-Demo, die eine lokale RAG (Retrieval Augmented Generation)-Pipeline zum Chatten mit Ihren PDFs zeigt.
Zusammenfassen und Abfragen aus vielen heterogenen Dokumenten. Jeder LLM-Anbieter, jeder Dateityp, erweitertes RAG, erweiterte Zusammenfassungen, skriptfähig usw.
📊 Ein KI-Agent für intelligente Abfragen in einem E-Commerce-Data-Warehouse – das ideale Praxisprojekt, um LangGraph systematisch zu erlernen. Mit LangGraph, FastAPI, Qdrant, Elasticsearch, MySQL und React umgesetzt, bietet es eine vollständige Implementierung einer Metadaten-Wissensdatenbank, hybrider Suche, NL2SQL-Generierung und -Validierung, SQL-Ausführung sowie der Streaming-Anzeige von Abfrageergebnissen. Der vollständige Full-Stack-Code für Frontend und Backend ist direkt ausführbar; die Bereitstellung in einer Docker-Umgebung gelingt mit einem Klick. Dazu gibt es das kostenlose Tutorial ai-agents-from-zero und Code-Branches zu jedem Kapitel. Ideal, um Anwendungen mit großen Sprachmodellen, Datenanalyse-Agenten und die Umsetzung von KI-Lösungen für Unternehmen systematisch kennenzulernen.
Python- und TypeScript-SDKs für verifizierbare Nachweise der Aktionen von KI-Agenten. Signierte Belege, Richtliniendurchsetzung und Prüfpfade. Funktioniert mit LangChain, CrewAI und MCP.
Interessante LLM-Projekte, die ich für meinen YouTube-Kanal mit den Open‑Source-Modellen von Ollama erstellt habe.
AWS Generative AI CDK Constructs sind Beispielimplementierungen von AWS CDK für gängige generative KI-Muster.
Python API-Client für KI-Anbieter, der LangChain und LangGraph für die häufigsten Anwendungsfälle ersetzen soll.
Paper-Agent ist ein intelligentes Tool zur Suche und Recherche wissenschaftlicher Arbeiten für Forschende und Studierende. Es basiert auf einer Multi-Agenten-Kollaborationsarchitektur (LangGraph) und nutzt die Verarbeitung natürlicher Sprache (NLP) sowie automatisierte Suchfunktionen, damit Nutzer effizient wissenschaftliche Arbeiten finden, deren Inhalte analysieren und Literaturrecherchen durchführen können. Paper-Agent unterstützt plattformübergreifende Integration, Stichwortsuche, automatische Analysen und Literaturrecherchen und steigert so die Effizienz wissenschaftlicher Arbeit. Es eignet sich für vielfältige Einsatzbereiche wie das Verfassen von Arbeiten, wissenschaftliche Recherchen und das Management von Forschungsprojekten und ist damit ein idealer Assistent für die wissenschaftliche Recherche.
Tutorial-Repository für KI-Agenten | Systematischer Full-Stack-Praxiscode für LangChain, RAG, LangGraph und MCP | Ausführlicher Blog-Leitfaden mit über 10.000 Wörtern | Ausführbare Open-Source-Beispiele | Intelligente Agenten von Grund auf entwickeln
📚 Lerntutorial „langent“, gebildet durch die Kombination von „lang“ und „agent“
CoexistAI ist ein modulares, entwicklerfreundliches Forschungsassistenten-Framework. Es ermöglicht Ihnen, Forschungsabläufe mit LLMs, Websuche, Reddit, YouTube und Kartierungswerkzeugen zu erstellen, zu durchsuchen, zusammenzufassen und zu automatisieren—alles mit einfachen MCP-Toolaufrufen, API-Aufrufen oder Python-Funktionen.
Eine Sammlung von Apps, die von der LangChain LLM-Framework angetrieben werden.
Durchsetzung von Richtlinien zur Laufzeit für KI-Agenten. Kryptografischer Prüfpfad, Genehmigungen mit menschlicher Beteiligung und Notausschalter. Keine Codeänderungen.
RESTai ist eine Open-Source-Plattform für AIaaS (KI als Dienst). Unterstützt viele öffentliche und lokale LLMs, die von Ollama/vLLM/usw. unterstützt werden. Präzise Nutzung von Embeddings, Feinabstimmung, Analysen usw. Integrierte Bild-/Audio-Generierung mit dynamischem Laden von Generatoren. Live-Chat-Bereitstellung. Integrierte blockbasierte grafische Sprache. Prompt-Versionierung und vieles mehr...
🚀Leichtgewichtiges Framework für die Automatisierung großer Sprachmodelle und die Entwicklung autonomer Sprachagenten. Erstellen Sie Ihre LLM-Agenten-Anwendung auf Python-Art!
Die Open-Source-Speicher- und Beobachtbarkeitsschicht für KI-Agenten — persistenter Speicher, Schleifenerkennung, hash-verkettete Prüfpfade und ein Live-Dashboard, automatisch bei der Installation mit pip.