LangChain for Java：利用 LLM 的强大功能增强你的 Java 应用程序 LangChain4j 的目标是简化 LLM 与 Java 应用程序的集成。 方法如下： 统一的 API： LLM 提供商（例如 OpenAI 或 Google Vertex AI）和嵌入（向量）存储（例如 Pinecone 或 Milvus）使用专有 API。LangChain4j 提供统一

RAGFlow 是一款基于深度文档理解构建的开源 RAG（Retrieval-Augmented Generation）引擎。RAGFlow 可以为各种规模的企业及个人提供一套精简的 RAG 工作流程，结合大语言模型（LLM）针对用户各类不同的复杂格式数据提供可靠的问答以及有理有据的引用。

GraphRAG使用知识图谱，在推理复杂信息时显著提高问答性能。RAG 技术在帮助 LLM 推理私有数据集方面表现出色——这些数据是 LLM 未经训练且从未见过的数据，例如企业的专有研究、商业文档或通信内容。

可解释和可调试的知识：图表提供了可查询、可视化和更新的人类可导航的知识视图。 快速、低成本、高效：设计用于大规模运行，无需大量资源或成本要求。 动态数据：自动生成和优化图表以最适合您的领域和本体需求。 增量更新：支持数据演变时的实时更新。 智能探索：利用基于 PageRank 的图形探索来提高准确性和可靠性。 异步和类型化：完全异步，具有完整类型支持，以实现强大且可预测的工作流程。 F

LightRAG 允许您以各种格式导出知识图谱数据，以便进行分析、共享和备份。该系统支持导出实体、关系和关系数据。

Langchain-Chachat（原Langchain-ChatGLM）基于Langchain与ChatGLM、Qwen与Llama等语言模型的RAG与Agent应用| Langchain-Chatatch（以前称为 langchain-ChatGLM），基于本地知识的 LLM（如 ChatGLM、Qwen 和 Llama）RAG 和带有 langchain 的代理应用程序 ✅ 本项目支持主流

字节开源了：DeerFlow，基于LangChain和LangGraph框架的一款智能研究助手 支持动态任务迭代、MCP无缝集成、自动生成研究计划、人机协作，甚至是播客、PPT生成 它把语言模型与网络搜索、爬虫和Python代码执行等工具结合在一起，以快速提供深入且全面的报告

LangChain 框架虽然可以独立使用，但它也可以与任何 LangChain 产品无缝集成，为开发人员在构建 LLM 应用程序时提供全套工具。 LangChain 通过模型、嵌入、向量存储等的标准接口帮助开发人员构建由 LLM 驱动的应用程序。 LangChain 的用途： 实时数据增强。轻松将 LLM 连接到各种数据源和外部/内部系统，利用 LangChain 庞大的集成库，其中

😭 GraphRAG很好而且功能强大，但是官方实现很难阅读或破解。 😊 该项目提供了更小、更快、更清洁的 GraphRAG，同时保留了核心功能

🤯 Lobe Chat - an open-source, modern-design AI chat framework. Supports Multi AI Providers( OpenAI / Claude 3 / Gemini / Ollama / DeepSeek / Qwen), Knowledge Base (file upload / knowledge management /

BetterYeah AI是一个企业级AI智能体平台，通过简化AI Agent的开发流程，使企业能快速构建和部署AI应用。平台的核心产品能力包括零代码搭建Agent、一站式模型集成、知识库管理、数据库连接、可视化工作流（Flow）、丰富的官方插件（Plugin）、多模态ChatBot支持以及简单的开发运维工具。 BetterYeah AI的主要功能 零代码搭建Agent：允许用户无需编写代

Graphiti 是一个用于构建和查询时序感知知识图谱的框架，专为在动态环境中运行的 AI 代理量身定制。与传统的检索增强生成 (RAG) 方法不同，Graphiti 持续将用户交互、结构化和非结构化企业数据以及外部信息集成到一个连贯且可查询的图中。该框架支持增量数据更新、高效检索和精确的历史查询，无需完全重新计算图谱，因此非常适合开发交互式、情境感知的 AI 应用程序。 使用 Graphiti