lobe-chat

Lobe Chat AI chat Knowledge Base knowledge management RAG Multi-Modals 知识库

🤯 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 / RAG ), Multi-Modals (Plugins/Artifacts) and Thinking. One-click FREE deployment of your private ChatGPT/ Claude / DeepSeek application.

相关推荐

Langchain4j

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 提供统一的 API，避免了为每种 API 学习和实现特定 API 的麻烦。为了尝试不同的 LLM 或嵌入存储，您可以轻松地在它们之间切换，而无需重写代码。LangChain4j 目前支持15 多个流行的 LLM 提供商和15 多个嵌入存储。全面的工具箱：自 2023 年初以来，社区一直在构建大量基于 LLM 的应用程序，识别常见的抽象、模式和技术。LangChain4j 已将这些工具提炼为实用代码。我们的工具箱涵盖各种工具，从低级提示模板、聊天内存管理和函数调用，到高级模式（例如 Agents 和 RAG）。对于每种抽象，我们都提供了一个接口以及基于常见技术的多种即用型实现。无论您是构建聊天机器人，还是开发具有从数据提取到检索的完整流程的 RAG，LangChain4j 都能提供丰富的选择。大量示例：这些示例展示了如何开始创建各种 LLM 驱动的应用程序，提供灵感并使您能够快速开始构建。 LangChain4j 于 2023 年初在 ChatGPT 热潮中启动开发。我们注意到，众多 Python 和 JavaScript LLM 库和框架缺乏 Java 版本，因此我们必须解决这个问题！虽然我们的名字里有“LangChain”，但该项目融合了 LangChain、Haystack、LlamaIndex 以及更广泛社区的理念和概念，并融入了我们自己的创新元素。

Langchain-Chatchat

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 ✅ 本项目支持主流的 LLM、 Embedding 模型与托管数据库，可实现全部使用开源模型离线接入。同时，本项目也支持 OpenAI GPT API 的调用，另外在后续持续补充对主流模型及模型 API 的接入。

Langchain

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，其中包含模型提供商、工具、向量存储、检索器等。模型互操作性。您的工程团队可以随时切换模型，并进行实验以找到最符合您应用需求的最佳方案。随着行业前沿的发展，快速适应——LangChain 的抽象概念让您保持发展势头。

Nano-GraphRAG

😭 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

Fast-GraphRAG

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。 Fast GraphRAG 旨在无缝融入您的检索管道，为您提供高级 RAG 的强大功能，而无需构建和设计代理工作流程的开销。