#langchain Dépôts
Découvrez 286 dépôts GitHub open source actifs associés à #langchain, cumulant 1,710,635 étoiles au total (soit une moyenne de 5,981 étoiles par projet). Le projet en tête de ce thème est microsoft/markitdown, avec 197,344 étoiles.
286 dépôts au total
Outil Python pour convertir des fichiers et des documents de bureau en Markdown.
Un harness open-source SuperAgent à long horizon qui recherche, code et crée. Avec l'aide de sandboxes, mémoires, outils, compétences, sous-agents et passerelle de messages, il gère différents niveaux de tâches qui peuvent prendre de minutes à des heures.
Compressez les sorties d'outils, les journaux, les fichiers et les fragments RAG avant qu'ils n'atteignent le LLM. 20 % de jetons en moins pour les agents de codage, 60 à 95 % de jetons en moins pour le JSON, avec les mêmes réponses. Bibliothèque, proxy, serveur MCP.
La passerelle IA la plus rapide et la plus légère. Noyau Rust avec SDK Python. Appelez plus de 100 API LLM au format OpenAI (ou natif) avec suivi des coûts, garde-fous, équilibrage de charge et journalisation [Bedrock, Azure, OpenAI, Anthropic, OpenAI, VertexAI, vLLM, Nvidia NIM]
Langchain-Chatchat (anciennement Langchain-ChatGLM), LLM basé sur les connaissances locales (comme ChatGLM, Qwen et Llama) RAG et application Agent avec Langchain | Langchain-Chatchat (anciennement langchain-ChatGLM), LLM basé sur les connaissances locales (comme ChatGLM, Qwen et Llama) RAG et application Agent avec Langchain
🪢 Plateforme d’ingénierie IA open source : passerelle IA, observabilité des agents, évaluations et gestion des prompts et des compétences, basée sur OpenTelemetry. Une plateforme ouverte pour chaque appel IA et chaque agent. Hébergez-la vous-même ou utilisez Langfuse Cloud.
Assemblez, configurez et déployez des agents IA autonomes dans votre navigateur.
Framework de transaction financière chinois basé sur des LLM multi-agents - TradingAgents Chinese Enhanced Edition
Ce dépôt présente diverses techniques avancées pour les systèmes de Génération Augmentée par Récupération (RAG). Chaque technique dispose d'un tutoriel détaillé sous forme de notebook.
La plateforme d'ingénierie IA open source pour les agents, les LLM et les modèles ML. MLflow permet aux équipes de toutes tailles de déboguer, évaluer, surveiller et optimiser des applications IA de qualité production tout en contrôlant les coûts et en gérant l'accès aux modèles et aux données.
Plus de 50 tutoriels et implémentations pour les techniques d'agents IA génératifs, des bots conversationnels de base aux systèmes multi-agents complexes.
Déboguez, évaluez et surveillez vos applications LLM, vos systèmes RAG et vos flux de travail d'agents avec un traçage complet, des évaluations automatisées et des tableaux de bord prêts pour la production.
🔥 MaxKB est une plateforme open source pour la construction d'agents d'entreprise. Une plateforme d'agents d'entreprise open source puissante et facile à utiliser.
Bienvenue dans le Cookbook Llama ! Ceci est votre guide de référence pour la création avec Llama : Démarrage avec l'inférence, le fine-tuning et le RAG. Nous vous montrons également comment résoudre des problèmes de bout en bout en utilisant la famille de modèles Llama et en les utilisant sur divers services fournisseurs.
Exemples de code et notebooks pour l’IA générative sur Google Cloud avec la plateforme Gemini
Agent chatbot IA pour PDF construit avec LangChain et LangGraph
Convertissez des documents en données structurées sans effort. Unstructured est une solution ETL open-source pour transformer des documents complexes en formats propres et structurés pour les modèles linguistiques. Visitez notre site Web pour en savoir plus sur notre produit Platform de qualité professionnelle pour les flux de travail de production, le partitionnement, les enrichissements, le découpage et l'intégration.
Ce projet est un tutoriel de développement d'applications à grande échelle destiné aux développeurs débutants. Adresse de lecture en ligne : https://datawhalechina.github.io/llm-universe/
[Meilleur article MLsys2026] : https://arxiv.org/abs/2506.08276. Le RAG sur tout avec LEANN. Profitez de 97 % d'économie de stockage tout en exécutant une application RAG rapide, précise et 100 % privée sur votre appareil personnel.
LangChain4j est une bibliothèque Java idiomatique et open-source pour construire des applications alimentées par des LLM sur la JVM. Elle offre une API unifiée sur les fournisseurs LLM populaires et les magasins de vecteurs, et facilite l'implémentation des appels d'outils (y compris le support MCP), des agents et du RAG. Elle s'intègre parfaitement avec les frameworks Java d'entreprise comme Quarkus et Spring Boot.
Un gateway IA ultra-rapide avec garde-corps intégrés. Routage vers plus de 1 600 LLMs, plus de 50 garde-corps IA avec 1 API rapide et conviviale.
🔍Développement pratique d'applications de grands modèles Partie 1 : Guide complet de la technologie RAG, adresse de lecture en ligne : https://datawhalechina.github.io/all-in-rag/
Guide chinois de ChatGPT🔥, Guide de réglage fin de ChatGPT en chinois, Guide des invites, Guide de développement d'applications, Liste de ressources sélectionnées, utilisez mieux chatGPT pour améliorer votre productivité ! 🚀
LangChain for Go, la manière la plus simple d'écrire des programmes basés sur LLM en Go
😎 Liste géniale d'outils et de projets avec le framework génial LangChain
Un tutoriel d'initiation à LangChain en chinois
Cache sémantique pour LLMs. Entièrement intégré avec LangChain et llama_index.
22 techniques d'ingénierie de prompts avec des tutoriels pratiques sur Jupyter Notebook, des concepts fondamentaux aux stratégies avancées pour exploiter les LLMs.
Le cadre d'orchestration multi-agents de niveau entreprise. Site web : https://swarms.ai
Transformez n'importe quelle page Web en données structurées à l'aide des LLM
[EMNLP'23, ACL'24] Pour accélérer l'inférence des LLM et améliorer la perception des informations clés par les LLM, compresse le prompt et le KV-Cache, ce qui permet une compression jusqu'à 20 fois avec une perte de performance minimale.
🧊 Plateforme d'observabilité LLM open source. Une ligne de code pour surveiller, évaluer et expérimenter. YC W23 🍓
🚀 2026 Le guide la plus systématique pour maîtriser les AI Agents rapidement | Tutoriel pratique sur les agents intelligents · Parcours d'apprentissage complet + Projets pratiques + Banque de questions d'entretien · Aligné sur le poste d'ingénieur développement applications grands modèles · Couvre LangChain / LangGraph / Coze / Dify / MCP / skills / LLM / RAG / Prompt · Déploiement enterprise et fine-tuning · De 0 à déploiement enterprise + De l'apprentissage à la mise en production de projets + Préparation aux entretiens intégrée
SDK Python pour la surveillance des agents IA, le suivi des coûts LLM, l'étalonnage et plus encore. S'intègre avec la plupart des LLM et des frameworks d'agents, y compris CrewAI, Agno, OpenAI Agents SDK, Langchain, Autogen, AG2 et CamelAI
Plateforme d'optimisation d'agents IA de nouvelle génération : Cozeloop aborde les défis du développement d'agents IA en fournissant des capacités de gestion tout au long du cycle de vie, du développement, du débogage et de l'évaluation à la surveillance.
Foire aux questions
Quel est le dépôt #langchain le plus populaire sur GitHub ?
Le projet #langchain open source le mieux classé sur GitHub est microsoft/markitdown, avec 197,344 étoiles. Outil Python pour convertir des fichiers et des documents de bureau en Markdown.
Quels langages de programmation sont les plus utilisés dans les dépôts #langchain ?
Parmi les projets #langchain les mieux classés sur GitHub, les langages de programmation les plus courants sont Python, TypeScript, Jupyter Notebook, Go.
Comment le classement des dépôts #langchain est-il calculé ?
Nous suivons 286 dépôts open source actifs associés à #langchain (500+ étoiles), totalisant 1,710,635 étoiles, avec une moyenne de 5,981 étoiles par dépôt. Les classements sont mis à jour quotidiennement à partir de l’API GitHub.