探索代码世界的智能伙伴：RepoChat-200k，无需RAG！

探索代码世界的智能伙伴：RepoChat-200k，无需RAG！

RepoChat-200k⚡Chat with GitHub Repo Using 200k context window of Claude instead of RAG!⚡项目地址:https://gitcode.com/gh_mirrors/re/RepoChat-200k

🚀 使用Claude 200k与GitHub仓库进行聊天，无需复杂RAG模型！🚀

为什么选择RepoChat-200k？

当你需要的不仅仅是聊天，而是需要一个能够理解和编写代码的智能助手时，RepoChat-200k应运而生。借助Claude 200k的强大模型和长达200k的上下文窗口，你可以将示例和代码放入上下文中，让智能助手为你编写代码，而不是简单的复制粘贴。

1. 不只是聊天，更是在编写代码

面对llama-index或langchain中繁多的API感到困惑？别担心，只需将相关组件的例子和文档加入上下文，让Claude Opus帮你完成代码编写！

2. 无需手动复制粘贴，只需选择文件

通过简单的下载或克隆你的GitHub仓库，然后选择所需文件，RepoChat-200k会处理余下的工作。

3. 告别RAG，自主决定所需信息

传统的代码库搜索引擎可能并不总是那么精准。在RepoChat-200k中，你可以根据任务需求自行决定要使用的文件：

• 开发前端应用？选择组件和示例。
• 编写代理？选择Jupyter Notebook中的langgraph。
• 需要RAG？直接选取Jupyter Notebook中的llamaindex。

4. 更多应用案例！

无论是利用llamaindex文档编写RAG图，还是用Shadcn文档构建前端界面，RepoChat-200k都能轻松应对。

功能亮点

1. 仓库下载：提供GitHub仓库URL，自动下载并分析。
2. 文件与目录选择：按需选择仓库内的文件或目录。
3. 语言过滤：依据编程语言筛选文件以提升LLM理解。
4. 令牌计数：控制发送到LLM的信息量，兼顾性能和成本。
5. 交互式聊天：通过类似聊天的应用界面与LLM互动提问或请求代码生成。
6. 实时响应：LLM的回复以流形式展示，带来更真实的使用体验。

目前仅支持Openrouter，未来计划添加更多功能和优化。

快速上手

1. 环境配置：运行pip install -r requirements.txt安装依赖。

2. 创建.env文件：在项目根目录创建.env文件，输入OpenRouter API密钥（推荐）：

   OPENROUTER_API_KEY=your_openrouter_api_key_here
   

   如果你想使用OpenAI GPT模型，也请添加OPENAI_API_KEY。

3. 启动应用：使用Streamlit运行app.py：

   streamlit run app.py
   

4. 开始使用：遵循应用提示下载GitHub仓库，选择文件，开始与LLM对话。

如有问题，只需删除./repos目录下的仓库，重新下载即可。

自定义设置

可调整以下配置选项来定制应用行为：

• 模型：选择特定的LLM模型（如："anthropic/claude-3-haiku", "anthropic/claude-3-opus"）。
• 温度：控制LLM响应的创新程度。
• 系统提示：初始提示，用于设定LLM的行为模式。

这些设置可在Streamlit应用程序的侧边栏进行调整。

贡献指南

欢迎在GitHub仓库上提交问题或拉取请求贡献代码。

许可证

本项目遵循MIT许可证。

使用RepoChat-200k，释放你的创造力，让代码编写变得更简单，更有趣！现在就试试吧！

RepoChat-200k⚡Chat with GitHub Repo Using 200k context window of Claude instead of RAG!⚡项目地址:https://gitcode.com/gh_mirrors/re/RepoChat-200k