LangChain
Framework zur Entwicklung von Anwendungen auf Basis großer Sprachmodelle, Agenten und Retrieval-Augmented Generation (RAG).
- Aktiv gepflegt
- Gut dokumentiert
- Permissive Lizenz
Überblick
LangChain ist ein Framework zum Erstellen von LLM-gestützten Anwendungen und Agenten, indem interoperable Komponenten – Chat-Modelle, Embeddings, Vektorspeicher, Retriever und Integrationen von Drittanbietern – hinter einer einheitlichen Schnittstelle miteinander verkettet werden. So kannst du den Anbieter wechseln, wenn sich die zugrunde liegende Modelllandschaft ändert, ohne die Anwendungslogik neu schreiben zu müssen.
Es ist darauf ausgelegt, von schnellen Prototypen bis zu komplexeren Systemen zu skalieren: Man beginnt mit den High-Level-Abstraktionen von LangChain und wechselt bei wachsenden Anforderungen zu Lower-Level-Komponenten oder zu begleitenden Tools wie LangGraph (für besser kontrollierbare, zustandsbehaftete Agenten-Workflows) und LangSmith (zum Evaluieren, Debuggen und Deployen von LLM-Anwendungen). Es ist sowohl für Python als auch für JavaScript/TypeScript verfügbar.
LangChain eignet sich für Entwickler, die Retrieval-Augmented-, Tool-nutzende oder mehrstufige LLM-Anwendungen bauen und dafür einen gemeinsamen Satz an Abstraktionen sowie eine große Bibliothek an Integrationen wollen, statt für jedes Modell oder jeden Vektorspeicher Klebecode von Grund auf zu schreiben.
Warum es in diesem Katalog steht
Katalog-Bewertung: ★★★★☆ (4/5)
The most widely adopted LLM application framework; essential representative project despite category saturation.
- Grundlegend etabliert
- Herstellergestützt
- Kategorien
- KI & Machine Learning
- Schlagwörter
- llmai-agentsraglarge-language-models
- Sprachen
- Python
- Lizenz
- MIT
Mit einem anderen Projekt vergleichen
Ähnliche Projekte
Ollama
MITFühre große Sprachmodelle lokal aus – mit einer einfachen Kommandozeile und API.
Aktiv gepflegt
- KI & Machine Learning
LlamaIndex
MITDaten-Framework zum Verbinden großer Sprachmodelle mit deinen eigenen Daten – Dokumenten, Datenbanken, APIs – für Retrieval-Augmented-Anwendungen.
Aktiv gepflegt
- KI & Machine Learning
Haystack
Apache-2.0Quelloffenes Framework zum Bau produktionsreifer Such- und RAG-(Retrieval-Augmented-Generation-)Anwendungen mit LLMs.
Aktiv gepflegt
- KI & Machine Learning
llama.cpp
MITHochperformante C/C++-Implementierung zum lokalen Ausführen von LLM-Inferenz auf Consumer-Hardware, einschließlich CPUs, mit minimalen Abhängigkeiten.
Aktiv gepflegt
- KI & Machine Learning
Einen Fehler entdeckt? Änderung auf GitHub vorschlagen.