#langchain Dépôts
286 dépôts au total
Une base de données de SDK, frameworks, bibliothèques et outils pour créer, surveiller, déboguer et déployer des agents IA autonomes
Langtrace 🔍 est un outil d'observabilité de bout en bout open-source basé sur Open Telemetry pour les applications LLM, fournissant un traçage en temps réel, des évaluations et des métriques pour les LLM populaires, les frameworks LLM, les bases de données vectorielles et plus encore. Intégration via Typescript, Python. 🚀💻📊
Plateforme SOC agentique : Une plateforme d'opérations de sécurité automatisée (AI SOC) puissante, flexible, open-source et centrée sur les agents
Tutoriels LangChain et Prompt Engineering sur les grands modèles de langage (LLM) tels que ChatGPT avec des données personnalisées. Cahiers Jupyter sur le chargement et l'indexation des données, la création de modèles de invites, les agents CSV et l'utilisation de chaînes de récupération QA pour interroger les données personnalisées. Projets d'utilisation d'un LLM privé (Llama 2) pour discuter avec des fichiers PDF, analyse des sentiments des tweets.
Implémentation Elixir d'un framework de style LangChain qui permet aux projets Elixir de s'intégrer et d'exploiter les LLM.
Mémoire d'agent pour les LLM : 30 notebooks Jupyter exécutables couvrant les tampons de conversation, les magasins de vecteurs, les graphes de connaissances, la mémoire épisodique et sémantique, MemGPT, Mem0, Letta, Zep, Graphiti, les benchmarks LoCoMo et les modèles de production.
Notebooks et applications d’exemple pour la recherche, l’observabilité et la sécurité avec Elasticsearch
Interagissez avec ChatGPT d'OpenAI via Telegram et la voix.
Un environnement multi-agents de bureau construit avec Rust, Tauri et React, propulsé par langgraph-rust.
Il s'agit d'un dépôt public pour passer en revue tous les concepts d'ingénierie des données pilotés par les LLM.
Implémentation C# de LangChain. Nous essayons d'être aussi proches que possible de l'original en termes d'abstractions, mais nous sommes ouverts à de nouvelles entités.
La pile d'amélioration continue pour les agents. Nos données d'environnement et nos évaluations alimentent l'amélioration et la surveillance des agents.
Les 7 couches principales d'un système agentique de niveau de production
Python A2A est une bibliothèque puissante et facile à utiliser pour implémenter le [protocole Agent-to-Agent (A2A)](https://google.github.io/A2A/) de Google. Elle permet une communication transparente entre les agents d'IA, créant des écosystèmes d'agents interopérables capables de collaborer pour résoudre des problèmes complexes.
Ressources, exemples et tutoriels pour l'IA multimodale, RAG et agents utilisant la recherche vectorielle et les LLM
Bibliothèque de ressources pour les entretiens d’ingénieurs en agents d’IA : retours d’expérience, exigences des postes et questions fréquemment posées par les grandes entreprises technologiques chinoises
SDK de communication d'agents. La couche de communication open source pour les agents IA — e-mail, WhatsApp, Slack, Discord, Telegram, SMS. Python et TypeScript.
Bootcamp à rythme autonome sur l'IA générative. Tutoriels sur les fondamentaux du ML, Ollama, LLM, RAG, LangChain, LangGraph, Fine-tuning, DSPy et Agents IA (CrewAI), (Utilisant ChatGPT, gpt-oss, Claude, Qwen, Gemma, Llama, Gemini)
Répertoire pour tout le code écrit pour le cours FreeCodeCamp et les réponses à tous les exercices.
⛓️ Déploiement automatique d'applications et d'agents LLM LangChain avec FastApi. LLMops
AgentChat est une plateforme d'échange d'agents intelligents basée sur LLM, avec des agents par défaut intégrés et un support pour les agents personnalisés par l'utilisateur. Grâce à des dialogues multi-tours et une collaboration sur les tâches, les agents peuvent comprendre et assister à l'accomplissement de tâches complexes. Le projet intègre des technologies telles que LangChain, Function Call, protocole MCP, RAG, Memory, HITL, Skill, Milvus et ElasticSearch, pour une recherche de connaissances efficace et des appels d'outils, en utilisant FastAPI pour construire un service backend haute performance.
Tutoriels et scripts d'exemple de grands modèles linguistiques (LLM), avec Langchain, OpenAI, LlamaIndex, GPT, ChromaDB et Pinecone
Agent de recherche approfondi pour vous aider à trouver les meilleurs référentiels GitHub 🕵️ !
RAG FastAPI basée sur l'ID : Intégration avec Langchain et PostgreSQL/pgvector
⚕️Chatbot médical multi-agents alimenté par GenAI pour le diagnostic médical et l'assistance à la recherche en soins de santé. 🏥 Conçu pour les professionnels de la santé, les chercheurs et les patients.
Moteur d’accélérateur de start‑ups alimenté par l’IA, construit avec Next.js, LangChain, PostgreSQL + pgvector. Téléchargez, organisez et discutez avec vos documents. Comprend la détection prédictive de documents manquants, des flux de travail basés sur les rôles et l’extraction d’insights au niveau de la page.
Parcours d'apprentissage du développement d'applications LLM de Xiao Li, couvrant le RAG, les agents, les essentiels d'entretien et la lecture rapide d'articles.
Un agent de dépôt alimenté par LLM conçu pour aider les développeurs et les équipes à générer de la documentation et à comprendre rapidement les dépôts.
Discutez et posez des questions sur vos propres données. Accélérateur pour télécharger rapidement vos propres données d'entreprise et utiliser les services OpenAI pour discuter avec ces données téléchargées et poser des questions.