#langchain Repositorios
Descubre 286 repositorios activos de código abierto de GitHub etiquetados con #langchain, que acumulan 1,710,635 estrellas en total (una media de 5,981 estrellas por proyecto). El líder de este tema es microsoft/markitdown, con 197,344 estrellas.
286 repositorios en total
Herramienta de Python para convertir archivos y documentos de oficina a Markdown.
Un harness open-source de SuperAgent de largo horizonte que investiga, codifica y crea. Con la ayuda de sandboxes, memorias, herramientas, habilidades, subagentes y puerta de enlace de mensajes, maneja diferentes niveles de tareas que podrían tomar desde minutos hasta horas.
Comprima las salidas de herramientas, registros, archivos y fragmentos RAG antes de que lleguen al LLM. 20% menos de tokens para agentes de codificación, 60-95% menos de tokens para JSON, mismas respuestas. Biblioteca, proxy, servidor MCP.
La puerta de enlace de IA más rápida y ligera. Núcleo en Rust con SDK de Python. Llame a más de 100 API de LLM en formato OpenAI (o nativo) con seguimiento de costos, protecciones, balanceo de carga y registro [Bedrock, Azure, OpenAI, Anthropic, OpenAI, VertexAI, vLLM, Nvidia NIM]
Langchain-Chatchat (anteriormente Langchain-ChatGLM), LLM basado en conocimiento local (como ChatGLM, Qwen y Llama) RAG y aplicación Agent con Langchain | Langchain-Chatchat (anteriormente langchain-ChatGLM), LLM basado en conocimiento local (como ChatGLM, Qwen y Llama) RAG y aplicación Agent con Langchain
🪢 Plataforma de ingeniería de IA de código abierto: AI Gateway, observabilidad de agentes, evaluaciones y gestión de prompts y habilidades, basada en OpenTelemetry. Una plataforma abierta para cada llamada de IA y cada agente. Aloja la plataforma por tu cuenta o usa Langfuse Cloud.
Marco de transacciones financieras en chino basado en LLM multiagente - Edición mejorada en chino de TradingAgents
Este repositorio muestra diversas técnicas avanzadas para sistemas de Generación Aumentada por Recuperación (RAG). Cada técnica tiene un tutorial detallado en notebook.
La plataforma de ingeniería de IA de código abierto para agentes, LLMs y modelos de ML. MLflow permite a equipos de todos los tamaños depurar, evaluar, monitorear y optimizar aplicaciones de IA de calidad de producción mientras controlan costos y gestionan el acceso a modelos y datos.
Más de 50 tutoriales e implementaciones para técnicas de agentes de IA generativa, desde bots conversacionales básicos hasta sistemas multiagente complejos.
Depure, evalúe y supervise sus aplicaciones LLM, sistemas RAG y flujos de trabajo de agentes con trazabilidad completa, evaluaciones automatizadas y paneles listos para la producción.
🔥 MaxKB es una plataforma de código abierto para construir agentes de grado empresarial. Una plataforma de agentes empresariales de código abierto potente y fácil de usar.
¡Bienvenido al Cookbook de Llama! Esta es su guía de referencia para construir con Llama: Primeros pasos con inferencia, fine-tuning, RAG. También le mostramos cómo resolver problemas de extremo a extremo utilizando la familia de modelos Llama y utilizándolos en varios servicios de proveedores.
Código de muestra y cuadernos para IA generativa en Google Cloud con la plataforma Gemini
Agente de chatbot de IA para PDF construido con LangChain y LangGraph
Convierta documentos en datos estructurados sin esfuerzo. Unstructured es una solución ETL de código abierto para transformar documentos complejos en formatos limpios y estructurados para modelos de lenguaje. Visite nuestro sitio web para obtener más información sobre nuestro producto Platform de nivel empresarial para flujos de trabajo de nivel de producción, partición, enriquecimiento, fragmentación y incrustación.
Este proyecto es un tutorial de desarrollo de aplicaciones de modelos grandes dirigido a desarrolladores principiantes. Dirección de lectura en línea: https://datawhalechina.github.io/llm-universe/
[Mejor artículo de MLsys2026]: https://arxiv.org/abs/2506.08276. RAG en todo con LEANN. Disfruta de un 97% de ahorro de almacenamiento mientras ejecutas una aplicación RAG rápida, precisa y 100% privada en tu dispositivo personal.
LangChain4j es una biblioteca de Java idiomática y de código abierto para construir aplicaciones impulsadas por LLM en la JVM. Ofrece una API unificada sobre proveedores populares de LLM y almacenes de vectores, y facilita la implementación de llamadas a herramientas (incluyendo soporte para MCP), agentes y RAG. Se integra perfectamente con frameworks de Java empresariales como Quarkus y Spring Boot.
Un gateway de IA ultrarrápido con guardarraíles integrados. Ruta a más de 1.600 LLMs, más de 50 guardarraíles de IA con 1 API rápida y amigable.
🔍Desarrollo práctico de aplicaciones de modelos grandes Parte 1: Guía Full Stack de la tecnología RAG, dirección de lectura en línea: https://datawhalechina.github.io/all-in-rag/
Guía china de ChatGPT🔥, Guía de ajuste fino de ChatGPT en chino, Guía de indicaciones, Guía de desarrollo de aplicaciones, Lista de recursos seleccionados, ¡usa mejor chatGPT para aumentar tu productividad! 🚀
LangChain for Go, la forma más sencilla de escribir programas basados en LLM en Go
😎 Impresionante lista de herramientas y proyectos con el impresionante framework LangChain
Un tutorial introductorio de LangChain en chino
Caché semántico para LLMs. Completamente integrado con LangChain y llama_index.
22 técnicas de ingeniería de prompts con tutoriales prácticos en Jupyter Notebook, desde conceptos fundamentales hasta estrategias avanzadas para aprovechar LLMs.
El marco de orquestación multiagente de nivel empresarial. Sitio web: https://swarms.ai
[EMNLP'23, ACL'24] Para acelerar la inferencia de los LLM y mejorar la percepción de información clave de los LLM, comprime el prompt y la KV-Cache, lo que logra hasta 20 veces de compresión con una mínima pérdida de rendimiento.
🧊 Plataforma de observabilidad LLM de código abierto. Una línea de código para monitorear, evaluar y experimentar. YC W23 🍓
🚀 2026 La guía más sistemática para dominar AI Agent rápidamente | Tutorial práctico de agentes inteligentes · Ruta de aprendizaje completa + Proyectos prácticos + Banco de preguntas de entrevistas · Alineado con la posición de ingeniero de desarrollo de aplicaciones de grandes modelos · Cubre LangChain / LangGraph / Coze / Dify / MCP / skills / LLM / RAG / Prompts · Despliegue enterprise y fine-tuning · De 0 a implementación enterprise + Del aprendizaje a proyectos en producción + Preparación de entrevistas integrada
SDK de Python para monitoreo de agentes de IA, seguimiento de costos de LLM, benchmarking y más. Se integra con la mayoría de los LLM y marcos de agentes, incluidos CrewAI, Agno, OpenAI Agents SDK, Langchain, Autogen, AG2 y CamelAI
Plataforma de optimización de agentes de IA de próxima generación: Cozeloop aborda los desafíos en el desarrollo de agentes de IA al proporcionar capacidades de gestión de ciclo de vida completo, desde el desarrollo, la depuración y la evaluación hasta la monitorización.
Preguntas frecuentes
¿Cuál es el repositorio de #langchain más popular en GitHub?
El proyecto de código abierto de #langchain mejor posicionado en GitHub es microsoft/markitdown, con 197,344 estrellas. Herramienta de Python para convertir archivos y documentos de oficina a Markdown.
¿Qué lenguajes de programación se utilizan más en los repositorios de #langchain?
Entre los proyectos de #langchain mejor posicionados en GitHub, los lenguajes de programación más comunes son Python, TypeScript, Jupyter Notebook, Go.
¿Cómo se calcula la clasificación de los repositorios de #langchain?
Seguimos 286 repositorios activos de código abierto etiquetados con #langchain (500+ estrellas), que suman un total de 1,710,635 estrellas, con una media de 5,981 estrellas por repositorio. Las clasificaciones se actualizan diariamente a partir de la API de GitHub.