• LangChain【21】: 原始的🐍
• LangChain.js【22】: js版本的兄弟✨
• 概念【23】: Langchain概念文档
• Twitter账户【24】: 关注以获取最新更新
• Youtube频道【25】:
• Discord【26】: 讨论
• Langchain博客【27】: 官方Langchain博客
• LangChainHub【28】: 收集所有对于使用LangChain原始概念（如提示，链和代理）有用的工件的集合
• LangChainHub【29】: 收集所有对于使用LangChain原始概念（如提示，链和代理）有用的工件的集合。LangChainHub的灵感来自于Hugging Face Hub，它是一个集合，包含所有对于使用LangChain原始概念（如提示，链和代理）有用的工件。这个仓库的目标是成为分享和发现高质量提示，链和代理的中心资源，这些元素结合在一起形成复杂的LLM应用。我们希望这个仓库能够开始收集提示，并期待LangChain社区能够增加这个集合。我们希望不久后能够扩展到链和代理。

• Langflow【30】: LangFlow是一个为LangChain设计的用户界面，使用react-flow设计，通过拖放组件和聊天框，可以轻松地进行实验和原型流程。
• Flowise - LangchainJS UI【31】: Flowise是一个拖放用户界面，可以使用LangchainJS构建自定义的LLM流程。
• Databerry【32】: Databerry是一个无代码平台，用于构建自定义的LLM代理。它提供了一个用户友好的解决方案，可以快速在您的个人数据上设置语义搜索系统，无需任何技术知识。
• LangchainUI【33】: LangChain UI是一个开源的聊天AI工具包，基于LangChain构建，任何人都可以使用无代码类型的界面创建和托管聊天机器人。
• Yeager.ai【34】: Yeager.ai Agent是第一个为Langchain设计的代理创建器，旨在帮助您轻松构建、原型设计和部署AI驱动的代理。Yeager.ai Agent强调灵活性、交互性和无缝集成，是开发人员、研究人员和AI爱好者的理想工具。

• GPTCache【35】: 一个用于创建LLM查询的语义缓存的库
• Gorilla【36】: 一个LLM的API商店
• LlamaHub【37】: 由社区制作的LLM数据加载器的库
• EVAL【38】: 具有Langchain的弹性多功能代理。将执行您的所有请求。
• Auto-evaluator【39】: 一个轻量级的用于使用Langchain进行问题回答评估的工具
• Langchain visualizer【40】: LangChain工作流的可视化和调试工具
• LLM Strategy【41】: 使用LLM实现策略模式
• datasetGPT【42】: 一个命令行界面，用于使用LLM生成文本和对话数据集。
• spellbook-forge【43】: 使您的LLM提示可执行和版本控制。
• Auto Evaluator【44】: Langchain自动评估器
• Jina【45】: 使用Jina在生产环境中的Langchain应用
• Gradio Tools【46】: Gradio 🤝 LLM代理
• steamship-langchain【47】: 为Steamship提供的LangChain适配器，使LangChain开发者能够快速地在Steamship上部署他们的应用程序，自动获得：
  • 生产就绪的API端点
  • 跨依赖项/后端的水平扩展
  • 应用状态（包括缓存）的持久存储
  • 内置的Authn/z支持
  • 多租户支持
  • 与其他Steamship技能（例如音频转录）的无缝集成
  • 使用指标和日志
  • 更多…
• LangForge【48】: 用于创建和部署LangChain应用的工具包
• BentoChain【49】: 在BentoML上部署LangChain
• LangCorn【50】: 使用FastApi自动服务LangChain应用
• Langchain Service【51】: 带有Qdrant向量存储和Kong网关的Langchain设置
• Lanarky【52】: 🚢 使用FastAPI快速部署生产就绪的LLM项目
• Dify【53】: 一个API用于插件和数据集，一个界面用于提示工程和视觉操作，所有这些都用于创建强大的AI应用。
• LangchainJS Worker【54】: 在cloudflare上的LangchainJS worker
• Chainlit【55】: 在几分钟内构建Python LLM应用 ⚡️
• Zep【56】: Zep, 一个用于LLM / 聊天机器人应用的长期记忆存储
• Langchain Decorators【57】: 这是一个在LangChain顶部提供语法糖的库，用于编写自定义的langchain提示和链。主要原则和优点包括：
  • 更Pythonic的编写代码方式
  • 编写多行提示，不会因为缩进而打断你的代码流
  • 利用IDE内置的提示、类型检查和弹出文档，快速查看函数以查看提示、消耗的参数等
  • 利用LangChain生态系统的全部力量
  • 添加对可选参数的支持
  • 通过将参数绑定到一个类，轻松地在提示之间共享参数
  • 这是一个非官方的附加到langchain库的插件，它并不试图竞争，只是试图使其使用更加容易。这里的许多想法都是完全主观的。

  以上就是关于LangChain的一些开源项目和服务的信息。这些项目和服务都是由社区成员贡献的，他们都在努力提供更好的工具和服务，以帮助开发者更好地使用和理解LangChain。

• CollosalAI Chat【58】: 实现了与Colossal-AI项目驱动的LLM与RLHF的整合
• AgentGPT【59】: 使用Langchain和OpenAI的AI代理（Vercel / Nextjs）
• Local GPT【60】: 受Private GPT的启发，用Vicuna-7B模型替换了GPT4ALL模型，并使用InstructorEmbeddings代替LlamaEmbeddings
• ThinkGPT【61】: 代理技术可以增强你的LLM并将其推向极限
• Camel-AutoGPT【62】: 为LLMs和自动代理（如BabyAGI和AutoGPT）提供角色扮演方法
• Private GPT【63】: 使用GPT的力量私下与你的文件互动，100%私密，无数据泄漏
• RasaGPT【64】: RasaGPT是基于Rasa和Langchain构建的第一个无头LLM聊天机器人平台
• SkyAGI【65】: 在LLM代理中出现的人类行为模拟能力
• PyCodeAGI【66】: 一个小型的AGI实验，根据用户想要构建的应用生成Python应用
• BabyAGI UI【67】: 让在web应用中运行和开发babyagi变得更容易，就像ChatGPT一样
• SuperAgent【68】: 将LLM代理部署到生产环境
• Voyager【69】: 一个开放式的、具有大型语言模型的实体代理
• ix【70】: 自主的GPT-4代理平台
• DuetGPT【71】: 一个半自主的对话式开发助手，AI配对编程，无需复制粘贴。

• create-t3-turbo-ai【72】: 基于 t3 的，适合 Langchain 的模板，用于构建类型安全，全栈，LLM 动力的带有 Nextjs 和 Prisma 的网络应用程序
• LangChain.js LLM 模板【73】: LangChain LLM 模板，可以让你训练你自己的定制 AI LLM 模型。
• Streamlit 模板【74】: 如何在 Streamlit 上部署 LangChain 的模板
• Codespaces 模板【75】: 一个 Codespaces 模板，帮你在几秒内启动并运行 LangChain！
• Gradio 模板【76】: 如何在 Gradio 上部署 LangChain 的模板

• Modal【77】: 为云/ML 计算提供端到端的堆栈
• Metal【78】: Metal 是一种托管服务，使你无需烦恼地管理基础设施就能构建 AI 产品
• Graphsignal【79】: 针对 AI 代理和 LLM 驱动的应用的可观察性。在生产中追踪，监控和调试 LangChain。

• Quiver【80】: 将你的大脑知识倾倒入你的 GenerativeAI Vault
• DocsGPT【81】: GPT 动力的聊天，用于文档搜索和帮助。
• Knowledge GPT【82】: 为你的文档提供准确的答案和即时引用。
• Knowledge【83】: Knowledge 是一个工具，用于保存，搜索，访问和探索你所有喜欢的网站，文档和文件。
• Anything LLM【84】: 一款全栈应用，将任何文档转化为智能聊天机器人，具有优雅的用户界面和更简单的工作区管理方式。

• AudioGPT【85】: 理解和生成语音，音乐，声音和会说话的头部
• Paper QA【86】: 用于回答带有引用文献的文档问题的 LLM Chain
• Chat Langchain【87】: 专注于在 LangChain 文档上回答问题的本地托管聊天机器人
• Langchain Chat【88】: 另一个用于 LangChain 聊天的 Next.js 前端.
• Book GPT【89】: 丢一本书，开始提问.
• Chat LangchainJS【90】: Chat Langchain 的 NextJS 版本
• Doc Search【91】: 与书籍对话 - 使用 GPT-3 构建
• Fact Checker【92】: 使用 langchain 核实 LLM 输出的事实
• MM ReAct【93】: 多模态 ReAct 设计
• QABot【94】: 使用 langchain 和 openai 通过自然语言查询查询本地或远程文件或数据库
• GPT Automator【95】: 你的语音控制 Mac 助手.
• Teams LangchainJS【96】: 展示 LangChainJS 与 Teams / Bot Framework bots 的演示
• ChatGPT【97】: 适用于 node.js & Docker的 ChatGPT & langchain 示例
• FlowGPT【98】: 使用 AI 生成图表
• langchain-text-summarizer【99】: 使用 LangChain 汇总文本的样本 streamlit 应用程序
• Langchain Chat Websocket【100】: 关于 LangChain LLM 聊天，通过 websockets 进行流响应
• langchain_yt_tools【101】: Langchain 工具，用于搜索/提取/转录 Youtube 视频的文本副本
• SmartPilot【102】: 利用 OpenAI 的语言模型生成，分析，并选择给定问题的最佳答案的 Python 程序
• Howdol【103】: 一个能回答问题的帮助聊天机器人
• MrsStax【104】: QA Slack 机器人
• ThoughtSource⚡【105】: 机器思维科学的框架
• ChatGPT Langchain【106】: 在 Huggingface 上使用 langchain 的 ChatGPT 克隆
• Chat Math Techniques【107】: 在 Huggingface 上使用数学技术的 langchain 聊天
• Notion QA【108】: Notion 问题回答机器人
• QNimGPT【109】: 与 IBM 量子计算机模拟器或 OpenAI GPT-3.5 玩 Nim 游戏
• ChatPDF【110】: 结合 Azure OpenAI 的 ChatGPT + 企业数据
• Chat with Scanned Documents【111】: 与使用 Dynamic Web TWAIN 扫描的文档进行对话的演示。
• snowChat ❄️【112】: 与你的 Snowflake 数据库聊天
• DB GPT【113】: 使用本地 GPT 与您的数据和环境互动，无数据泄漏，100% 私有，100% 安全
• Psychic【114】: 面向非结构化数据的通用 API。将 SaaS 工具的文档同步到 SQL 或向量数据库，这样就可以很容易地由像 ChatGPT 这样的 AI 应用程序查询。
• Airtable-QnA【115】: 🌟 一个用于你的 Airtable 内容的问答工具
• WingmanAI【116】: 用于与系统和麦克风音频的实时转录进行交互的工具
• TutorGPT【117】: 用于辅导任务的动态少数元提示。
• Cheshire Cat【118】: 具有即用型聊天集成和插件开发平台的自定义 AGI 机器人。
• Got Chaat Bot【119】: 用于创建权力的游戏聊天机器人的仓库（例如：和 Tyrion Lannister 对话）
• Dialoqbase【120】: 允许你用自己的知识库创建自定义聊天机器人的网页应用
• CSV-AI 🧠【121】: CSV-AI 是由 LangChain 驱动的终极应用，它可以帮助你在 CSV 文件中发现隐藏的洞察。
• MindGeniusAI【122】: 用 ChatGPT 自动生成 MindMap

• Langchain 教程【123】: 对 LangChain 库的概述和教程
• LangChain 中文入门指南【124】: 面向初学者的中文 LangChain 教程
• Flan5 LLM【125】: 使用 LangChain 进行 PDF 问答，进行思维链条和多任务指导，Flan5 在 HuggingFace 上
• LangChain 手册【126】: Pinecone / James Briggs 的 LangChain 手册
• 查询 YouTube 视频字幕【127】: 查询 YouTube 视频字幕，返回时间戳作为来源以证实答案
• llm-lobbyist【128】: 大型语言模型作为公司游说者
• Langchain 语义搜索【129】: 使用 GPT3，LangChain 和 Python 搜索和索引你自己的 Google Drive 文件
• GPT 政治指南针【130】
• llm-grovers-search-party【131】: 利用 Qiskit，OpenAI 和 LangChain 展示 Grover 算法
• TextWorld ReAct Agent【132】
• LangChain <> Wolfram Alpha【133】
• 自建知识图谱【134】

• 用于 LLM 应用开发的 LangChain【135】
• Sam Witteveen 的 LangChain 系列【136】
• LangChain 教程播放列表【137】
• James Briggs 的 LangChain 播放列表【138】
• 什么是 LangChain? - LangChain + ChatGPT 概述【139】
• LangChain 演示 + Harrison Chase 的问答【140】
• 用于 LLM 的 LangChain…基本上就是一个 Ansible 剧本【141】 (David Shapiro)
• 独立数据播放列表【142】
• Langchain Agent 网络研讨会【143】
• 带有 LangChain 的 BabyAGI【144】
• Python 中的 LangChain 教程 - 快速教程【145】
• LangChain 快速课程：构建 AutoGPT 【146】 (Nicholas Renotte)
• LangChain 和 LLM Agent 的未来【147】

• 使用 GPT3、LangChain 和 Python 构建 GitHub 支持机器人【148】
• 大型语言模型（LLM）API 构建框架的崛起【149】
• 如何使用 LangChain 🦜🔗 和 GPT-3 自动化我的老板 🤖【150】
• 使用 Cohere 和 Langchain 的多语言语义搜索【151】
• Haystack 和 LangChain 如何赋能大型语言模型【152】
• DataIndependent 教程【153】:
• 使用 Redis、LangChain 和 OpenAI 构建电商聊天机器人【154】
• LangChain 入门：构建 LLM 驱动的应用的初学者指南【155】
• 如何使用 LangChain 和 LLM Agent 监控微调您的 LLM 应用【156】
• 使用记忆构建一个简单的 ChatGPT CLI【157】:
• 使用 BentoML、LangChain 和 Gradio 部署语音聊天机器人【158】
• PromptChap 上的 LangChain 教程【159】
• 使用 Pyodide、LangChain 和 OpenAI 创建代码解释器聊天机器人【160】
• LangChain 已添加 Cypher 搜索【161】
• Langchain 解码【162】
• 使用 Python 和 Langchain 在本地实现 GPT4All【163】
• 用 LangChain 让你的 GDrive 拥有 GPT 功能【164】

• Transformers Agents【165】：在 transformers 的基础上提供自然语言 API:
• LlamaIndex【166】：为你的 LLM 提供一个集中接口来连接外部数据。:
• Botpress【167】：构建聊天机器人的构建块:
• Haystack【168】：使用 Transformer 模型和 LLM 与你的数据进行交互的 NLP 框架:
• Semantic Kernel【169】：Microsoft 的 C# SDK，可快速轻松地将最先进的 LLM 技术集成到你的应用中:
• Promptify【170】：Prompt Engineering | 使用 GPT 或其他基于提示的模型获取结构化输出。:
• PromptSource【171】：关于创建、共享和使用自然语言提示的工具包。:
• Agent-LLM【172】：一个人工智能自动化平台。:
• LLM Agents【173】：构建由 LLM 控制的代理:
• MiniChain【174】：用于与大型语言模型编码的微小库。:
• Griptape【175】：Python 框架，用于具有链式思维推理、外部工具和记忆的 AI 工作流和管道。:
• llm-chain【176】：一个强大的 rust 库，用于在 LLM 中构建链，让你能够总结文本和完成复杂任务。:
• BoxCars【177】：Ruby 宝石，使用 Boxcars 和 LLM 构建可组合的应用程序。受 LangChain 启发。:
• LangTorch【178】：使用 Java / JVM 构建可组合的 LLM 应用程序。受 LangChain 启发。:
• Langchain Go【179】：Golang Langchain:
• LangchainRb【180】：Ruby Langchain:
• PromptFlow【181】：创建可执行的流程图，将 LLM (大型语言模型)，提示符，Python 函数和条件逻辑链接在一起。:
• OpenLM【182】：一个可以从任何其他托管推断 API 调用 LLM 的开源兼容 OpenAI 的库。同样支持 Typescript【183】:
• Dust【184】：设计和部署大型语言模型应用程序:
• e2b【185】：开源平台，用于构建和部署虚拟开发者代理:
• SuperAGI【186】：一个以开发者为先的开源自主人工智能代理框架。:
• SmartGPT【187】：一个程序，提供 LLM 通过插件完成复杂任务的能力。:
• TermGPT【188】：赋予 GPT-4 等大型语言模型计划和执行终端命令的能力:
• ReLLM【189】：用于语言模型完成的正则表达式。:
• OpenDAN【190】：开源的个人 AI 操作系统，将各种 AI 模块整合在一个地方供您个人使用。:

• Open LLMs【191】: 一份可供商业使用的公开LLM列表
• Awesome LLM【192】: Awesome-LLM：精选的大型语言模型资源列表。
• LLaMA Cult and More【193】: 跟踪适价LLM、羊驼Cult等更多内容。