那些很火的基于LangChain的优秀AI原生项目

🦜🔗 优秀的 LangChain

在AI盛起的当下，各类AI应用不断地出现在人们的视野中，AI正在重塑着各行各业，LangChain是从事AI应用开发的人员或多或少都会接触到的框架。LangChain是一个令人惊叹的框架，可以在极短的时间内完成LLM项目，其生态系统正在快速发展。

本文主要内容是一个LangChain资源库，里面罗列了大大小小很多个基于LangChain框架的优秀项目，包括低代码、服务、代理、模板等工具类，还有像知识管理、聊天机器人等开源项目，还包括像视频、文章等AI学习资源，建议大家点赞收藏。

LangChain 框架

•LangChain[1]: 原版 🐍 •LangChain.js[2]: JavaScript 版本的LangChain ✨ •概念[3]: Langchain 概念文档•Twitter 账号[4]: 关注获取最新更新•YouTube 频道[5]•Discord[6]: 讨论•Langchain 博客[7]: 官方 Langchain 博客•LangChainHub[8]: 所有对使用 LangChain 基元（如提示、链和代理）有用的工件的集合•LangServe[9]: LangServe 帮助开发者将 LangChain 可运行模块和链部署为 REST API。

工具

低代码

•Flowise[10]: 使用LangchainJS，通过拖放UI构建定制化的LLM流程 •Langflow[11]: LangFlow 是 LangChain 的用户界面 •FlowTest[12]: 基于生成式AI的开源IDE，专为API优先的工作流程设计

服务

•GPTCache[13]: 一个用于为大型语言模型查询创建语义缓存的库•Gorilla[14]: 一个用于LLM的API存储•LlamaHub[15]: 一个由社区制作的数据加载器库，适用于大型语言模型•EVAL[16]: 弹性多功能代理，使用Langchain。将执行您的所有请求。•Auto-evaluator[17]: 一个使用Langchain的轻量级问答评估工具 •Langchain 可视化工具[18]: 用于LangChain工作流的可视化和调试工具•LLM策略[19]: 使用LLM实现策略模式 []•datasetGPT[20]: 一个用于生成文本和对话数据集的命令行界面工具，基于大型语言模型。 •spellbook-forge[21]: 使你的LLM提示可执行并且具有版本控制。 •自动评估器[22]: Langchain 自动评估器 •Jina[23]：使用 Jina 在生产环境中运行 Langchain 应用 •Gradio Tools[24]: Gradio 🤝 LLM Agents •steamship-langchain[25]: Steamship 的适配器，使 LangChain 开发者能够快速在 Steamship 上部署他们的应用 🐍 •LangForge[26]: 用于创建和部署LangChain应用的工具包 •BentoChain[27]: 在 BentoML 上部署 LangChain•LangCorn[28]：使用FastApi自动化部署LangChain应用程序 •Langchain 服务[29]：具有 Qdrant 向量存储和 Kong 网关的有主见的 Langchain 设置•Lanarky[30]: 🚢 使用 FastAPI 部署生产就绪的 LLM 项目 •Dify[31]: 一个用于插件和数据集的API，一个用于提示工程和可视化操作的界面，所有这些都是为了创建强大的AI应用程序。•LangchainJS Worker[32]: Cloudflare 上的 LangchainJS 工作程序•Chainlit[33]: 在几分钟内构建 Python LLM 应用程序 ⚡️ •Psychic[34]：用于非结构化数据的通用 API。从 SaaS 工具同步文档到 SQL 或矢量数据库，方便 AI 应用程序（如 ChatGPT）进行查询。•Zep[35]: Zep：一种用于LLM/聊天机器人应用的长期内存存储 •Langchain Decorators[36]: 一个在 LangChain 之上的层，提供语法糖 🍭 以编写自定义的 langchain 提示和链 •FastAPI + Chroma[37]: 一个用于ChatGPT的示例插件，使用了FastAPI、LangChain和Chroma•AilingBot[38]: 快速将基于Langchain构建的应用程序集成到Slack、企业微信、飞书、钉钉等即时通讯工具中。•Llama2 嵌入服务器[39]: 使用 LangChain 的 Llama2 嵌入 FastAPI 服务 •ChatAbstractions[40]: LangChain 聊天模型抽象，用于动态故障切换、负载平衡、混沌工程等！ •MindSQL[41] - 一个Python包，用于Txt-to-SQL，具有自托管功能和兼容专有及开源LLM的RESTful API。•Pluto[42]: 通过允许您在应用程序代码中直接定义和使用必要的云资源，简化在AWS上部署LangChain应用程序，自动创建所需的基础设施。 •Llama-github[43]: Llama-github 是一个基于 Langchain 框架构建的 Python 库，帮助你从 GitHub 中检索最相关的代码片段、问题和仓库信息•CopilotKit[44]: 一个用于构建自定义AI助手的框架 🤖 应用内AI聊天机器人，应用内AI代理，和AI驱动的文本区域

代理（Agent）

•Private GPT[45]: 使用GPT的强大功能私密地与您的文档互动，100%私密，无数据泄露 •CollosalAI Chat[46]：在Colossal-AI项目的支持下，通过RLHF实现LLM •AgentGPT[47]: 基于 Langchain 和 OpenAI 的 AI 代理 (Vercel / Nextjs) •本地 GPT[48]：受 Private GPT 启发，将 GPT4ALL 模型替换为 Vicuna-7B 模型，并使用 InstructorEmbeddings 代替 LlamaEmbeddings •GPT Researcher[49]: GPT Researcher 是一个自主代理，旨在对各种任务进行全面的在线研究。•ThinkGPT[50]：增强你的LLM并突破其极限的智能体技术•Camel-AutoGPT[51]: 针对大型语言模型和自动代理（如BabyAGI和AutoGPT）的角色扮演方法•RasaGPT[52]: RasaGPT是第一个基于Rasa和Langchain构建的无头LLM聊天机器人平台。•SkyAGI[53]：LLM代理中正在出现的人类行为模拟能力 •PyCodeAGI[54]: 一个小型的人工智能实验，通过用户想要构建的应用生成Python应用•BabyAGI UI[55]: 使在网络应用中运行和开发babyagi更加容易，就像ChatGPT•SuperAgent[56]: 部署LLM代理到生产环境 •Voyager[57]：一个使用大型语言模型的开放式具身智能体•ix[58]: 自主GPT-4代理平台•DuetGPT[59]: 一款对话式半自主开发助手，AI结对编程，无需复制粘贴。•生产环境中的多模态LangChain代理[60]：部署LangChain代理并将其连接到Telegram•DemoGPT[61]: DemoGPT 使您能够通过使用提示快速创建演示。它在 Langchain 文档树上应用了 ToT 方法。•SuperAGI[62]: SuperAGI - 一个面向开发者的开源自治AI代理框架 •自主HR聊天机器人[63]: 一个自主代理，可以使用手头的工具自主回答与HR相关的查询•BlockAGI[64]: BlockAGI 进行迭代的、特定领域的研究，并输出详细的叙述报告以展示其研究成果•waggledance.ai[65]: 一个自带强烈观点的并发AI代理系统。它实现了“计划-验证-解决”的流程，提供了数据和工具用于解决一般目标。•Elasticsearch Agent[66]: 基于ElasticSearch、LangChain和GPT 4的ElasticSearch代理 •CrewAI[67]: 前沿框架，用于协调角色扮演、自主AI代理。

模板

•AI[68]：Vercel 模板，用于使用 React、Svelte 和 Vue 构建 AI 驱动的应用程序，支持 LangChain 一流的支持•create-t3-turbo-ai[69]: 基于t3、支持Langchain的脚手架，用于构建类型安全、全栈、LLM驱动的Nextjs和Prisma网络应用程序 •LangChain.js LLM 模板[70]：LangChain LLM 模板，允许你训练自己的定制 AI LLM 模型。•Streamlit 模板[71]：如何在 Streamlit 上部署 LangChain 的模板•Codespaces 模板[72]: 一个用于在几秒钟内启动并运行 LangChain 的 Codespaces 模板！•Gradio 模板[73]: 部署LangChain在Gradio上的模板•AI 入门指南[74]: 一个面向周末项目的 Javascript AI 入门栈，包括图像/文本模型、向量存储、认证和部署配置 •Embedchain[75]: 框架，可轻松在任何数据集上创建LLM驱动的机器人。

平台

•Modal[76]: 云/机器学习计算的端到端堆栈•Metal[77]: Metal 是一项托管服务，允许你在无需管理基础设施的情况下构建 AI 产品•Graphsignal[78]: 为 AI 代理和基于 LLM 的应用程序提供可观测性。在生产环境中跟踪、监控和调试 LangChain。•Mona[79]: 实时监控你的 OpenAI 使用情况•Openllmetry[80]: 基于OpenTelemetry的开源可观测性工具，用于你的LLM应用程序 •MindsDB[81]: 与LangChain集成，允许用户部署、服务和微调模型。

开源项目

知识管理

•Quiver[82]: 将你的思维倒入你的生成式AI知识库 •DocsGPT[83]：基于GPT的文档搜索和辅助聊天工具。 •Chaindesk[84]：无代码平台，用于语义搜索和文档检索 •知识 GPT[85]: 为您的文档提供准确的答案和即时引用。•知识[86]: 知识是一个用于保存、搜索、访问和探索您所有喜爱的网站、文档和文件的工具。•Anything LLM[87]：一个全栈应用程序，可以将任何文档转换成一个智能聊天机器人，具有简洁的用户界面，并提供更便捷的方式来管理您的工作区。 •DocNavigator[88]: 基于AI的聊天机器人构建器，旨在提升产品文档/支持网站的用户体验•ChatFiles[89]：上传你的文档，然后与之聊天。由GPT / Embedding / TS / NextJS驱动。•DataChad[90]：一个让你可以与任何数据源聊天的streamlit应用。支持OpenAI和本地模式，使用GPT4All。•第二大脑 AI 代理[91]：一个使用 OpenAI 和 ChromaDB 本地化的 Streamlit 应用程序，对话你的第二大脑笔记。•examor[92]：一个基于您的知识笔记进行考试的网站应用程序。让您真正记住所学和所写的内容。 •Repochat[93]: 聊天机器人助手，通过使用检索增强生成（Retrieval Augmented Generation）技术，实现与GitHub仓库的互动•SolidGPT[94]: 与您的代码仓库聊天，询问仓库级别的代码问题，并讨论您的需求

其他 / 聊天机器人

•DB GPT[95]：使用本地GPT与您的数据和环境进行交互，无数据泄露，100%隐私，100%安全•AudioGPT[96]: 理解和生成语音、音乐、声音和动画头像•Paper QA[97]: 用于从文档中回答问题并提供引用的LLM链•Chat Langchain[98]：一个本地托管的聊天机器人，专注于回答有关LangChain文档的问题•Langchain Chat[99]：另一个用于LangChain Chat的Next.js前端。 •Book GPT[100]: 丢一本书，开始提问。•Chat LangchainJS[101]: Chat Langchain的NextJS版本•文档搜索[102]：与书籍对话 - 使用GPT-3构建 •事实核查工具[103]: 使用langchain进行LLM输出的事实核查•多模态ReAct[104]: 多模态ReAct设计•QABot[105]: 使用langchain和openai驱动的自然语言查询来查询本地或远程文件或数据库•GPT 自动化助手[106]: 你的语音控制Mac助手。•Teams LangchainJS[107]：展示如何在Teams / Bot Framework机器人中使用LangChainJS •ChatGPT[108]: 用于 node.js 和 Docker 的 ChatGPT & langchain 示例•FlowGPT[109]: 使用AI生成图表•langchain-text-summarizer[110]: 一个使用 LangChain 的文本摘要示例 streamlit 应用程序 •Langchain Chat Websocket[111]: 关于通过websockets进行流响应的LangChain LLM聊天 •langchain_yt_tools[112]：Langchain 工具，用于搜索/提取/转录 YouTube 视频的文本记录•SmartPilot[113]: 一个利用OpenAI语言模型生成、分析并选择最佳答案的Python程序•Howdol[114]: 一个可以回答问题的有用聊天机器人•MrsStax[115]: QA Slack 机器人•ThoughtSource⚡[116]: 机器思维科学框架 •ChatGPT Langchain[117]: 在 Huggingface 上使用 langchain 的 ChatGPT 克隆版•聊天数学技巧[118]：在Huggingface上使用数学技巧进行聊天•Notion问答[119]：Notion问答机器人•QNimGPT[120]：与IBM量子计算机模拟器或OpenAI GPT-3.5玩Nim游戏•ChatPDF[121]: 使用Azure OpenAI将ChatGPT与企业数据结合•与扫描文档聊天[122]: 一个使用Dynamic Web TWAIN扫描的文档聊天的演示。•snowChat ❄️[123]: 与您的Snowflake数据库聊天•Airtable-QnA[124]: 🌟 一个用于回答您Airtable内容问题的工具•WingmanAI[125]: 用于实时转录系统和麦克风音频的交互工具•TutorGPT[126]: 用于辅导任务的动态少样本元提示。•柴郡猫[127]: 定制的AGI机器人，具有即用型聊天集成和插件开发平台。•权力的游戏聊天机器人[128]: 用于创建《权力的游戏》聊天机器人的仓库（例如：与提利昂·兰尼斯特对话）•Dialoqbase[129]: 一个网络应用程序，允许你使用自己的知识库创建自定义聊天机器人•CSV-AI 🧠[130]: CSV-AI 是一个由 LangChain 提供支持的终极应用程序，能够让你在 CSV 文件中发现隐藏的见解。•MindGeniusAI[131]: 使用ChatGPT自动生成思维导图•Robby-Chatbot[132]: AI聊天机器人 🤖，可以与CSV、PDF、TXT文件 📄 和YTB视频 🎥 进行对话 | 使用Langchain🦜 | OpenAI | Streamlit ⚡。•AI 聊天机器人[133]: 一个功能齐全、可修改的 Next.js AI 聊天机器人，由 Vercel Labs 构建 •Instrukt[134]：一个在终端中功能齐全的AI环境。构建、测试和指导代理。 •OpenChat[135]: 自定义聊天机器人的控制台 ⚡。•Twitter Agent[136]: 抓取推文，摘要推文，并在交互式终端中与它们聊天。•GPT Migrate[137]: 轻松将你的代码库从一个框架或语言迁移到另一个。•Code Interpreter API[138]：关于ChatGPT Code Interpreter的开源实现•推荐系统[139]: 创建符合您业务需求的引人注目的电子邮件营销活动 •自主HR聊天机器人[140] 一个可以使用工具回答用户查询的自主HR代理•Lobe Chat[141] 一个开源的、可扩展的（支持函数调用）、高性能的聊天机器人框架•Funcchain[142]: 编写提示，pythonic•PersonalityChatbot[143]: 使用Langchain🦜 | LangSmith | MongoDB开发的具有人格特质的聊天机器人。 •XAgent[144]: 一种用于复杂任务解决的自主LLM代理•InkChatGPT[145]: 一个简单的文档检索增强生成（RAG）聊天应用•MemFree[146] - 开源混合AI搜索引擎，瞬间从互联网、书签、笔记和文档中获取准确答案。支持一键部署。

其他语言版本

非官方的 LangChain 其他语言版本列表。

•Langchain Go[147]: Golang Langchain•LangchainRb[148]：Ruby Langchain •BoxCars[149]：Ruby gem，使用 Boxcars 和 LLM 构建具有组合性的应用程序。灵感来自 LangChain。•LangTorch[150]：使用 Java / JVM 构建可组合的 LLM 应用程序。灵感来自 LangChain。 •LangChain4j[151]: Java版的LangChain •LangChainJSDotNet[152]: 在 .NET 中使用官方的 LangChain.js 库•LangChainDart[153]: 构建强大的基于LLM的Dart/Flutter应用程序。

学习

Notebook

•Langchain 教程[154]: LangChain 库的概述和教程•LangChain 中文入门指南[155]: 初学者的中文LangChain教程•Flan5 LLM[156]: 使用LangChain进行PDF问答，支持思维链和多任务指令，在HuggingFace上的Flan5•LangChain 手册[157]: Pinecone / James Briggs的LangChain手册•查询YouTube视频转录[158]: 查询YouTube视频转录，返回时间戳作为来源以验证答案•llm-lobbyist[159]: 大型语言模型作为公司游说者•Langchain Semantic Search[160]: 使用GPT3、LangChain和Python来搜索和索引你自己的Google Drive文件•GPT Political Compass[161]•llm-grovers-search-party[162]: 利用Qiskit、OpenAI和LangChain来演示Grover算法•TextWorld ReAct Agent[163]•LangChain <> Wolfram Alpha[164]•自建知识图谱[165]•大型语言模型课程[166]

视频播放列表

•Sam Witteveen的LangChain系列[167]•LangChain教程播放列表[168]•LangChain James Briggs的播放列表[169]•Greg Kamradt的播放列表[170]

其他LLM框架

•Transformers Agents[171]: 提供了一个基于transformers的自然语言API•LlamaIndex[172]: 提供一个接口来连接你的LLM与外部数据。•Botpress[173]: 构建聊天机器人的构建模块•Haystack[174]: NLP框架，用于使用Transformer模型和LLMs与您的数据进行交互•语义内核[175]: 微软C# SDK，用于将尖端的LLM技术快速且轻松地集成到您的应用程序中•Promptify[176]: 提示工程 | 使用GPT或其他基于提示的模型获取结构化输出。•PromptSource[177]: 关于创建、共享和使用自然语言提示的工具包。•Agent-LLM[178]: 一个人工智能自动化平台。•LLM Agents[179]：构建由LLM控制的代理 •MiniChain[180]: 一个用于大语言模型编程的小型库。•Griptape[181]: 一种用于AI工作流和管道的Python框架，具有链式思维推理、外部工具和内存功能。 •llm-chain[182]: 是一个强大的Rust包，用于在LLMs中构建链，允许你总结文本并完成复杂任务。•PromptFlow[183]: 创建可执行的流程图，将大型语言模型（LLM）、提示、Python函数和条件逻辑连接在一起。•OpenLM[184]: 一个可直接替代OpenAI的库，可以通过任何其他托管推理API调用LLM。也支持 Typescript[185]•Dust[186]: 设计和部署大型语言模型应用•e2b[187]: 构建和部署虚拟开发者代理的开源平台•SuperAGI[188]: 面向开发者的开源自主AI代理框架。•SmartGPT[189]: 一个使用插件来完成复杂任务的程序，赋予LLMs（大语言模型）这一能力。 •TermGPT[190]：赋予像GPT-4这样的LLM计划和执行终端命令的能力•ReLLM[191]: 用于语言模型补全的正则表达式。•OpenDAN[192]: 开源的个人AI操作系统，将各种AI模块整合到一个地方供个人使用。•OpenLLM[193]: 一个用于在生产环境中操作大型语言模型（LLM）的开放平台。使用OpenLLM轻松微调、服务、部署和监控任何LLM。•FlagAI[194]: FlagAI（快速大规模通用AI模型）是一个快速、易于使用且可扩展的大规模模型工具包。•AI.JSX[195]: Javascript的AI应用框架•Outlines[196]：生成模型编程（Python） •AI Utils[197]: 以TypeScript为主的库，用于构建AI应用程序、聊天机器人和代理。•MetaGPT[198]: 多代理元编程框架：给出一行需求，返回PRD、设计、任务、代码库和CI •Hyv[199]: 可能是使用任何AI模型在Node.js中进行复杂交互的最简单方法。•Autochain[200]: 使用AutoChain构建轻量级、可扩展且可测试的LLM代理。•TypeChat[201]: TypeChat 是一个使用类型构建自然语言界面的库。•Marvin[202]: ✨ 构建激发乐趣的AI界面 •LMQL[203]: 一种用于大型语言模型的编程语言。•LLMFlow[204]：简单、明确且透明的LLM应用程序 •Ax[205]: 一个全面的TypeScript人工智能框架 •TextAI[206]：💡 一体化开源嵌入数据库，用于语义搜索、LLM编排和语言模型工作流程。 •AgentFlow[207]: 关于从简单的JSON构建复杂的LLM工作流。•Outlines[208]: 快速且可靠的神经文本生成。•SimpleAIChat[209]：Python 包，用于轻松与聊天应用程序接口交互，具有强大的功能和最小的代码复杂度。•LLFn[210]: 一个用于使用LLM创建应用程序的轻量级框架•LLMStack[211]: 无代码平台，用于构建具有自定义数据的LLM驱动应用程序。•Lagent[212]: 一个用于构建基于LLM的代理的轻量级框架•Embedbase[213]: 构建AI驱动应用程序的原生Software 3.0技术栈。•Rivet[214]: 一个用于创建复杂AI代理和提示链的IDE，并将其嵌入到您的应用程序中。 •Promptfoo[215]：测试你的提示。评估和比较LLM输出，捕捉回归，并提高提示质量。 •RestGPT[216]: 一个基于LLM的自主代理，通过RESTful API控制真实世界的应用程序•LangStream[217]：框架，用于使用无代码和Python（包括基于LangChain的）代理构建和运行事件驱动的LLM应用程序。•Magentic[218]: 无缝集成大型语言模型作为Python函数•Autogen[219]: 启用下一代大型语言模型应用。•AgentVerse[220] 提供了一个灵活的框架，简化了为大型语言模型（LLM）构建自定义多代理环境的过程•Flappy[221]: 为每位开发者准备的生产级大语言模型代理SDK •MemGPT[222]: 教授大型语言模型（LLM）进行无限上下文的内存管理•Agentlabs[223]: 通用AI代理前端。构建你的后端，我们处理其余部分。•axflow[224]: 用于AI开发的TypeScript框架 •bondai[225]: 由AI驱动的助手，具有轻量且多功能的API，便于无缝集成到您自己的应用中 •Chidori[226]：一个用于构建持久AI代理的反应式运行时 •Langroid[227]: 一个直观、轻量级、可扩展且有原则的Python框架，能够轻松构建基于LLM的应用程序。•Langstream[228]: 构建具有真正组合性的强大LLM应用程序 🔗•Agency[229]: 🕵️‍♂️ 该库为开发者提供了一种干净、高效且符合 Go 语言习惯的方法，旨在探索大型语言模型（LLMs）和其他生成式 AI 的潜力 []•TaskWeaver[230]：一个以代码为先的代理框架，用于无缝规划和执行数据分析任务。•MicroAgent[231]：能够自我编辑提示/ Python代码的代理人•Casibase[232]: 开源的类似LangChain的AI RAG（检索增强生成）知识数据库，带有web UI和企业级SSO⚡️，支持OpenAI、Azure、LLaMA、Google Gemini、HuggingFace、Claude、Grok等•果糖[233]: 果糖是一个Python包，用于围绕LLM调用创建一个可靠的、强类型的接口。•R2R[234]: 一个用于快速开发和部署生产就绪的RAG系统的框架•uAgents[235]：一个快速且轻量的框架，轻松创建去中心化代理。 •Codel[236]: ✨ 完全自主的AI代理，可以使用终端、浏览器和编辑器执行复杂的任务和项目。 •LLocalSearch[237]: LLocalSearch 是一个完全本地运行的搜索聚合器，使用大语言模型代理。用户可以提出问题，系统将使用一系列大语言模型来寻找答案。用户可以看到代理的进度和最终答案。不需要 OpenAI 或 Google API 密钥。•Plandex[238]: 一个用于复杂任务的AI编程引擎•Maestro[239]: 一个用于智能协调子代理的Claude Opus框架。•GPT Pilot[240]: GPT Pilot 是 Pythagora VS Code 扩展的核心技术，旨在提供第一个真正的 AI 开发助手。 •SWE Agent[241]: SWE-agent 通过使用 GPT-4 或你选择的语言模型，接收一个 GitHub 问题并尝试自动修复它。•Gateway[242]：一个极其快速的AI网关。通过一个快速且友好的API，路由至100多个大型语言模型。•AgentRun[243]: 最简单、最快速的方式安全运行AI生成的Python代码 •LLama Cpp Agent[244]: llama-cpp-agent 框架是一个旨在与大型语言模型轻松交互的工具•FinRobot[245]: 一个使用大型语言模型（LLMs）针对金融应用的开源AI代理平台 •Groq Ruby[246]: Groq Cloud 运行 LLM 模型既快又便宜。这是一个方便的 Ruby 客户端库。•AgentScope[247]: 以更简单的方式开始构建由大语言模型（LLM）驱动的多智能体应用程序。•Memary[248]: 自主代理人的长期记忆。•Llmware[249]：提供企业级基于LLM的开发框架、工具和微调模型。•Pipecat[250]: 开源的语音和多模态对话AI框架。•Phidata[251]: 使用记忆、知识和工具构建AI助手。•Rigging[252]: 轻量级LLM交互框架（rust）•Nerve[253]: 使用 Rust 让任何大型语言模型（LLM）实际执行任务•Vision agent[254]: Vision Agent 是一个库，可以帮助你利用代理框架生成代码以解决视觉任务。•llama-agents[255]: llama-agents 是一个异步优先的框架，用于构建、迭代和生产化多代理系统，包括多代理通信、分布式工具执行、人机交互等•Claude Engineer[256]: Claude Engineer 是一个互动式命令行界面 (CLI)，利用了Anthropic的Claude-3.5-Sonnet模型的强大功能，来帮助完成软件开发任务。•AI Scientist[257]: AI科学家：迈向全自动的开放式科学•DSPy[258]: 编程框架——而不是提示——基础模型

补充此列表

•开源大语言模型[259]: 可供商业使用的开源大语言模型列表•Awesome LLM[260]: Awesome-LLM：一个精心策划的大型语言模型资源列表。•LLaMA 教派及更多[261]：追踪可负担的大语言模型，🦙 及更多•Awesome Language Agents[262]: 基于论文《Cognitive Architectures for Language Agents》的语言代理列表 ⚡️开源的类似LangChain的AI知识数据库，具有网页UI和企业SSO⚡️，支持OpenAI、Azure、Google Gemini、HuggingFace、OpenRouter、ChatGLM和本地模型

停止维护

•LangchainUI[263]: 开源的聊天AI工具包•Yeager.ai[264]: Yeager.ai Agent 是第一个 Langchain Agent 创建工具，旨在帮助您轻松构建、原型设计和部署由 AI 驱动的代理

如何学习大模型 AI ？

由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。

但是具体到个人，只能说是：

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

第一阶段（10天）：初阶应用

该阶段让大家对大模型 AI有一个最前沿的认识，对大模型 AI 的理解超过 95% 的人，可以在相关讨论时发表高级、不跟风、又接地气的见解，别人只会和 AI 聊天，而你能调教 AI，并能用代码将大模型和业务衔接。

• 大模型 AI 能干什么？
• 大模型是怎样获得「智能」的？
• 用好 AI 的核心心法
• 大模型应用业务架构
• 大模型应用技术架构
• 代码示例：向 GPT-3.5 灌入新知识
• 提示工程的意义和核心思想
• Prompt 典型构成
• 指令调优方法论
• 思维链和思维树
• Prompt 攻击和防范
• …

第二阶段（30天）：高阶应用

该阶段我们正式进入大模型 AI 进阶实战学习，学会构造私有知识库，扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架，抓住最新的技术进展，适合 Python 和 JavaScript 程序员。

• 为什么要做 RAG
• 搭建一个简单的 ChatPDF
• 检索的基础概念
• 什么是向量表示（Embeddings）
• 向量数据库与向量检索
• 基于向量检索的 RAG
• 搭建 RAG 系统的扩展知识
• 混合检索与 RAG-Fusion 简介
• 向量模型本地部署
• …

第三阶段（30天）：模型训练

恭喜你，如果学到这里，你基本可以找到一份大模型 AI相关的工作，自己也能训练 GPT 了！通过微调，训练自己的垂直大模型，能独立训练开源多模态大模型，掌握更多技术方案。

到此为止，大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗？

• 为什么要做 RAG
• 什么是模型
• 什么是模型训练
• 求解器 & 损失函数简介
• 小实验2：手写一个简单的神经网络并训练它
• 什么是训练/预训练/微调/轻量化微调
• Transformer结构简介
• 轻量化微调
• 实验数据集的构建
• …

第四阶段（20天）：商业闭环

对全球大模型从性能、吞吐量、成本等方面有一定的认知，可以在云端和本地等多种环境下部署大模型，找到适合自己的项目/创业方向，做一名被 AI 武装的产品经理。

• 硬件选型
• 带你了解全球大模型
• 使用国产大模型服务
• 搭建 OpenAI 代理
• 热身：基于阿里云 PAI 部署 Stable Diffusion
• 在本地计算机运行大模型
• 大模型的私有化部署
• 基于 vLLM 部署大模型
• 案例：如何优雅地在阿里云私有部署开源大模型
• 部署一套开源 LLM 项目
• 内容安全
• 互联网信息服务算法备案
• …

学习是一个过程，只要学习就会有挑战。天道酬勤，你越努力，就会成为越优秀的自己。

如果你能在15天内完成所有的任务，那你堪称天才。然而，如果你能完成 60-70% 的内容，你就已经开始具备成为一名大模型 AI 的正确特征了。

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】