[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-gkamradt--langchain-tutorials":3,"tool-gkamradt--langchain-tutorials":61},[4,18,26,36,44,53],{"id":5,"name":6,"github_repo":7,"description_zh":8,"stars":9,"difficulty_score":10,"last_commit_at":11,"category_tags":12,"status":17},4358,"openclaw","openclaw\u002Fopenclaw","OpenClaw 是一款专为个人打造的本地化 AI 助手，旨在让你在自己的设备上拥有完全可控的智能伙伴。它打破了传统 AI 助手局限于特定网页或应用的束缚，能够直接接入你日常使用的各类通讯渠道，包括微信、WhatsApp、Telegram、Discord、iMessage 等数十种平台。无论你在哪个聊天软件中发送消息，OpenClaw 都能即时响应，甚至支持在 macOS、iOS 和 Android 设备上进行语音交互，并提供实时的画布渲染功能供你操控。\n\n这款工具主要解决了用户对数据隐私、响应速度以及“始终在线”体验的需求。通过将 AI 部署在本地，用户无需依赖云端服务即可享受快速、私密的智能辅助，真正实现了“你的数据，你做主”。其独特的技术亮点在于强大的网关架构，将控制平面与核心助手分离，确保跨平台通信的流畅性与扩展性。\n\nOpenClaw 非常适合希望构建个性化工作流的技术爱好者、开发者，以及注重隐私保护且不愿被单一生态绑定的普通用户。只要具备基础的终端操作能力（支持 macOS、Linux 及 Windows WSL2），即可通过简单的命令行引导完成部署。如果你渴望拥有一个懂你",349277,3,"2026-04-06T06:32:30",[13,14,15,16],"Agent","开发框架","图像","数据工具","ready",{"id":19,"name":20,"github_repo":21,"description_zh":22,"stars":23,"difficulty_score":10,"last_commit_at":24,"category_tags":25,"status":17},3808,"stable-diffusion-webui","AUTOMATIC1111\u002Fstable-diffusion-webui","stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面，旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点，将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。\n\n无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师，还是想要深入探索模型潜力的开发者与研究人员，都能从中获益。其核心亮点在于极高的功能丰富度：不仅支持文生图、图生图、局部重绘（Inpainting）和外绘（Outpainting）等基础模式，还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外，它内置了 GFPGAN 和 CodeFormer 等人脸修复工具，支持多种神经网络放大算法，并允许用户通过插件系统无限扩展能力。即使是显存有限的设备，stable-diffusion-webui 也提供了相应的优化选项，让高质量的 AI 艺术创作变得触手可及。",162132,"2026-04-05T11:01:52",[14,15,13],{"id":27,"name":28,"github_repo":29,"description_zh":30,"stars":31,"difficulty_score":32,"last_commit_at":33,"category_tags":34,"status":17},1381,"everything-claude-code","affaan-m\u002Feverything-claude-code","everything-claude-code 是一套专为 AI 编程助手（如 Claude Code、Codex、Cursor 等）打造的高性能优化系统。它不仅仅是一组配置文件，而是一个经过长期实战打磨的完整框架，旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。\n\n通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能，everything-claude-code 能显著提升 AI 在复杂任务中的表现，帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略，使得模型响应更快、成本更低，同时有效防御潜在的攻击向量。\n\n这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库，还是需要 AI 协助进行安全审计与自动化测试，everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目，它融合了多语言支持与丰富的实战钩子（hooks），让 AI 真正成长为懂上",140436,2,"2026-04-05T23:32:43",[14,13,35],"语言模型",{"id":37,"name":38,"github_repo":39,"description_zh":40,"stars":41,"difficulty_score":32,"last_commit_at":42,"category_tags":43,"status":17},2271,"ComfyUI","Comfy-Org\u002FComfyUI","ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎，专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式，采用直观的节点式流程图界面，让用户通过连接不同的功能模块即可构建个性化的生成管线。\n\n这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景，也能自由组合模型、调整参数并实时预览效果，轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性，不仅支持 Windows、macOS 和 Linux 全平台，还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构，并率先支持 SDXL、Flux、SD3 等前沿模型。\n\n无论是希望深入探索算法潜力的研究人员和开发者，还是追求极致创作自由度的设计师与资深 AI 绘画爱好者，ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能，使其成为当前最灵活、生态最丰富的开源扩散模型工具之一，帮助用户将创意高效转化为现实。",107662,"2026-04-03T11:11:01",[14,15,13],{"id":45,"name":46,"github_repo":47,"description_zh":48,"stars":49,"difficulty_score":10,"last_commit_at":50,"category_tags":51,"status":17},4292,"Deep-Live-Cam","hacksider\u002FDeep-Live-Cam","Deep-Live-Cam 是一款专注于实时换脸与视频生成的开源工具，用户仅需一张静态照片，即可通过“一键操作”实现摄像头画面的即时变脸或制作深度伪造视频。它有效解决了传统换脸技术流程繁琐、对硬件配置要求极高以及难以实时预览的痛点，让高质量的数字内容创作变得触手可及。\n\n这款工具不仅适合开发者和技术研究人员探索算法边界，更因其极简的操作逻辑（仅需三步：选脸、选摄像头、启动），广泛适用于普通用户、内容创作者、设计师及直播主播。无论是为了动画角色定制、服装展示模特替换，还是制作趣味短视频和直播互动，Deep-Live-Cam 都能提供流畅的支持。\n\n其核心技术亮点在于强大的实时处理能力，支持口型遮罩（Mouth Mask）以保留使用者原始的嘴部动作，确保表情自然精准；同时具备“人脸映射”功能，可同时对画面中的多个主体应用不同面孔。此外，项目内置了严格的内容安全过滤机制，自动拦截涉及裸露、暴力等不当素材，并倡导用户在获得授权及明确标注的前提下合规使用，体现了技术发展与伦理责任的平衡。",88924,"2026-04-06T03:28:53",[14,15,13,52],"视频",{"id":54,"name":55,"github_repo":56,"description_zh":57,"stars":58,"difficulty_score":32,"last_commit_at":59,"category_tags":60,"status":17},3704,"NextChat","ChatGPTNextWeb\u002FNextChat","NextChat 是一款轻量且极速的 AI 助手，旨在为用户提供流畅、跨平台的大模型交互体验。它完美解决了用户在多设备间切换时难以保持对话连续性，以及面对众多 AI 模型不知如何统一管理的痛点。无论是日常办公、学习辅助还是创意激发，NextChat 都能让用户随时随地通过网页、iOS、Android、Windows、MacOS 或 Linux 端无缝接入智能服务。\n\n这款工具非常适合普通用户、学生、职场人士以及需要私有化部署的企业团队使用。对于开发者而言，它也提供了便捷的自托管方案，支持一键部署到 Vercel 或 Zeabur 等平台。\n\nNextChat 的核心亮点在于其广泛的模型兼容性，原生支持 Claude、DeepSeek、GPT-4 及 Gemini Pro 等主流大模型，让用户在一个界面即可自由切换不同 AI 能力。此外，它还率先支持 MCP（Model Context Protocol）协议，增强了上下文处理能力。针对企业用户，NextChat 提供专业版解决方案，具备品牌定制、细粒度权限控制、内部知识库整合及安全审计等功能，满足公司对数据隐私和个性化管理的高标准要求。",87618,"2026-04-05T07:20:52",[14,35],{"id":62,"github_repo":63,"name":64,"description_en":65,"description_zh":66,"ai_summary_zh":67,"readme_en":68,"readme_zh":69,"quickstart_zh":70,"use_case_zh":71,"hero_image_url":72,"owner_login":73,"owner_name":74,"owner_avatar_url":75,"owner_bio":74,"owner_company":74,"owner_location":74,"owner_email":74,"owner_twitter":74,"owner_website":74,"owner_url":76,"languages":77,"stars":90,"forks":91,"last_commit_at":92,"license":74,"difficulty_score":93,"env_os":94,"env_gpu":95,"env_ram":95,"env_deps":96,"category_tags":102,"github_topics":74,"view_count":32,"oss_zip_url":74,"oss_zip_packed_at":74,"status":17,"created_at":103,"updated_at":104,"faqs":105,"releases":141},4339,"gkamradt\u002Flangchain-tutorials","langchain-tutorials","Overview and tutorial of the LangChain Library","langchain-tutorials 是一个专为 LangChain 库打造的学习资源库，旨在帮助开发者快速掌握利用大语言模型构建应用的核心技能。面对 LangChain 丰富的功能模块和复杂的概念，初学者往往难以找到系统的入门路径，而 langchain-tutorials 通过结构化的教程、可运行的代码示例（Jupyter Notebook）以及配套的讲解视频，有效解决了这一学习痛点。\n\n该资源库特别适合人工智能开发者、数据科学家以及希望深入理解大模型应用构建的技术人员。无论你是刚接触 LangChain 的新手，还是寻求进阶方案的资深工程师，都能在这里找到匹配的内容。其独特的亮点在于提供了清晰的“分阶学习路径”：从涵盖 7 个核心概念的基础烹饪书，到包含 9 种实际应用场景的进阶指南，循序渐进地引导用户上手。此外，它还按难度等级（入门、中级、高级）分类展示了多个真实项目案例，如文档问答、数据提取、自动评估及论文摘要等，让用户能直观看到技术如何落地。配合精选的提示工程（Prompt Engineering）资源，langchain-tutorials 不仅是代码仓库，更是一座连接","langchain-tutorials 是一个专为 LangChain 库打造的学习资源库，旨在帮助开发者快速掌握利用大语言模型构建应用的核心技能。面对 LangChain 丰富的功能模块和复杂的概念，初学者往往难以找到系统的入门路径，而 langchain-tutorials 通过结构化的教程、可运行的代码示例（Jupyter Notebook）以及配套的讲解视频，有效解决了这一学习痛点。\n\n该资源库特别适合人工智能开发者、数据科学家以及希望深入理解大模型应用构建的技术人员。无论你是刚接触 LangChain 的新手，还是寻求进阶方案的资深工程师，都能在这里找到匹配的内容。其独特的亮点在于提供了清晰的“分阶学习路径”：从涵盖 7 个核心概念的基础烹饪书，到包含 9 种实际应用场景的进阶指南，循序渐进地引导用户上手。此外，它还按难度等级（入门、中级、高级）分类展示了多个真实项目案例，如文档问答、数据提取、自动评估及论文摘要等，让用户能直观看到技术如何落地。配合精选的提示工程（Prompt Engineering）资源，langchain-tutorials 不仅是代码仓库，更是一座连接理论与实践的桥梁，帮助用户高效开启大模型开发之旅。","# Learn LangChain\n\nOverview, Tutorial, and Examples of [LangChain](https:\u002F\u002Flangchain.readthedocs.io\u002Fen\u002Flatest\u002F)\n\nSee the accompanying tutorials on [YouTube](https:\u002F\u002Fwww.youtube.com\u002Fchannel\u002FUCyR2Ct3pDOeZSRyZH5hPO-Q)\n\nIf you want to get updated when new tutorials are out, get them [delivered to your inbox](https:\u002F\u002Fprodigious-knitter-7293.ck.page\u002F3bd9b7cea6)\n\nIf you're new to Jupyter Notebooks or Colab, check out [this video](https:\u002F\u002Fwww.youtube.com\u002Fwatch?v=HW29067qVWk)\n\n### **New To LangChain?**\nRecommended Learning Path:\n1. LangChain CookBook Part 1: 7 Core Concepts - [Code](https:\u002F\u002Fgithub.com\u002Fgkamradt\u002Flangchain-tutorials\u002Fblob\u002Fmain\u002FLangChain%20Cookbook%20Part%201%20-%20Fundamentals.ipynb), [Video](https:\u002F\u002Fyoutu.be\u002F2xxziIWmaSA)\n2. LangChain CookBook Part 2: 9 Use Cases - [Code](https:\u002F\u002Fgithub.com\u002Fgkamradt\u002Flangchain-tutorials\u002Fblob\u002Fmain\u002FLangChain%20Cookbook%20Part%202%20-%20Use%20Cases.ipynb), [Video](https:\u002F\u002Fyoutu.be\u002FvGP4pQdCocw)\n3. Explore the projects below and jump into the deep dives\n\nPrompt Engineering (my favorite resources):\n1. [Prompt Engineering Overview](https:\u002F\u002Fwww.youtube.com\u002Fwatch?v=dOxUroR57xs) by [Elvis Saravia](https:\u002F\u002Ftwitter.com\u002Fomarsar0)\n2. [ChatGPT Prompt Engineering for Developers](https:\u002F\u002Fwww.deeplearning.ai\u002Fshort-courses\u002Fchatgpt-prompt-engineering-for-developers\u002F) - Prompt engineering basics straight from OpenAI\n3. [Brex's Prompt Engineering Guide](https:\u002F\u002Fgithub.com\u002Fbrexhq\u002Fprompt-engineering)\n\n## 🤖 **Project Gallery**\n\n🐇 Beginner = Entry level projects to practice LangChain\n\n🐒 Intermediate = In depth use of LangChain\n\n🦈 Advanced = Advanced or custom implementations of LangChain\n\n### **📝 Summarization** - *Deep Dive: [Code](https:\u002F\u002Fgithub.com\u002Fgkamradt\u002Flangchain-tutorials\u002Fblob\u002Fmain\u002Fdata_generation\u002F5%20Levels%20Of%20Summarization%20-%20Novice%20To%20Expert.ipynb), [Video](https:\u002F\u002Fyoutu.be\u002FqaPMdcCqtWk)*\n| Project    | Contact | Difficulty | Open Sourced? |  Notes | \n| - | ----------- | ---------- | :-: | ---------- |\n| [SummarizePaper.com](https:\u002F\u002Fwww.summarizepaper.com\u002F)      | Quentin Kral       | 🐒 Intermediate | ✅ [Code](https:\u002F\u002Fgithub.com\u002Fsummarizepaper\u002Fsummarizepaper) | Summarize arXiv papers | \n\n\u003Cbr>\n\n### ❓ Question and Answering Over Documents\n| Project      | Contact | Difficulty | Open Sourced? |  Notes | \n| ----------- | ----------- | ---------- | :-: | ---------- |\n| [ChatPDF](https:\u002F\u002Fgithub.com\u002Fakshata29\u002Fchatpdf)      | [Ashish Talati](https:\u002F\u002Fgithub.com\u002Fakshata29)       | 🐒 Intermediate | ✅ [Code](https:\u002F\u002Fgithub.com\u002Fakshata29\u002Fchatpdf) | Chat and Ask on your own data | \n\n\u003Cbr>\n\n### **📦 Extraction**\n| Project      | Contact | Difficulty | Open Sourced? |  Notes | \n| ----------- | ----------- | ---------- | :-: | ---------- |\n| [Kor](https:\u002F\u002Feyurtsev.github.io\u002Fkor\u002F)      | [Eugene Yurtsev](https:\u002F\u002Ftwitter.com\u002Fveryboldbagel)       | 🐒 Intermediate | ✅ [Code](https:\u002F\u002Fgithub.com\u002Feyurtsev\u002Fkor) | This is a half-baked prototype that “helps” you extract structured data from text using large language models (LLMs) 🧩. | \n| [OpeningAttributes](https:\u002F\u002Ftwitter.com\u002FGregKamradt\u002Fstatus\u002F1643027796850253824)      | [@gregkamradt](https:\u002F\u002Ftwitter.com\u002FGregKamradt)       | 🐇 Beginner | ✅ [Code](https:\u002F\u002Fgithub.com\u002Fgkamradt\u002Flangchain-tutorials\u002Fblob\u002Fmain\u002Fdata_generation\u002FExpert%20Structured%20Output%20(Using%20Kor).ipynb) | Extract technologies & tools from job descriptions | \n\n\u003Cbr>\n\n### **🔍 Evaluation** \n| Project      | Contact | Difficulty | Open Sourced? |  Notes | \n| ----------- | ----------- | ---------- | :-: | ---------- |\n| [Auto-Evaluator](https:\u002F\u002Fautoevaluator.langchain.com\u002F)      | [@RLanceMartin](https:\u002F\u002Ftwitter.com\u002FRLanceMartin)       | 🦈 Advanced | ✅ [Code](https:\u002F\u002Fgithub.com\u002Flangchain-ai\u002Fauto-evaluator) | Evaluate Q&A Chains | \n\n\u003Cbr>\n\n### **📊 Querying Tabular Data** \n| Project      | Contact | Difficulty | Open Sourced? |  Notes | \n| ----------- | ----------- | ---------- | :-: | ---------- |\n| TBD | | | | | \n\n\u003Cbr>\n\n### **💻 Code Understanding**\n| Project      | Contact | Difficulty | Open Sourced? |  Notes | \n| ----------- | ----------- | ---------- | :-: | ---------- |\n| TBD | | | | | \n\n\u003Cbr>\n\n### **🌐 Interacting with APIs**\n| Project      | Contact | Difficulty | Open Sourced? |  Notes | \n| ----------- | ----------- | ---------- | :-: | ---------- |\n| TBD | | | | | \n\n\u003Cbr>\n\n### **💬 Chatbots**\n| Project      | Contact | Difficulty | Open Sourced? |  Notes | \n| ----------- | ----------- | ---------- | :-: | ---------- |\n| [LangChain ChatBot](https:\u002F\u002Fgithub.com\u002FHaste171\u002Flangchain-chatbot)      | [David Peterson](https:\u002F\u002Fgithub.com\u002FHaste171)       | 🐒 Intermediate | ✅ [Code](https:\u002F\u002Fgithub.com\u002FHaste171\u002Flangchain-chatbot) | Input your PDF documents and analyze, ask questions, or do calculations on the data. |\n\n\u003Cbr>\n\n### **🤖 Agents**\n| Project      | Contact | Difficulty | Open Sourced? |  Notes | \n| ----------- | ----------- | ---------- | :-: | ---------- |\n| [Agents Via Vocode](https:\u002F\u002Ftwitter.com\u002Fvocodehq\u002Fstatus\u002F1653104377010483201)      | [@vocode](https:\u002F\u002Ftwitter.com\u002Fvocodehq)       | 🐒 Intermediate | ✅ [Code](https:\u002F\u002Fgithub.com\u002Fvocodedev\u002Fvocode-python) | Agents making phone calls to order pizza |\n| [NexusGPT](https:\u002F\u002Ftwitter.com\u002Fachammah1\u002Fstatus\u002F1649482899253501958?s=20)      | [@achammah1](https:\u002F\u002Ftwitter.com\u002Fachammah1)       | 🐒 Intermediate | | AI Freelancer Platform. [Discord](https:\u002F\u002Fdiscord.gg\u002FTttk8z9U5x) | \n\n### **👽 Other 👽**\n| Project      | Contact | Difficulty | Open Sourced? |  Notes | \n| ----------- | ----------- | ---------- | :-: | ---------- |\n| [Slack-GPT](https:\u002F\u002Fgithub.com\u002Fmartinseanhunt\u002Fslack-gpt)      | [@martinseanhunt](https:\u002F\u002Ftwitter.com\u002Fmartinseanhunt)       | 🐒 Intermediate | ✅ [Code](https:\u002F\u002Fgithub.com\u002Fmartinseanhunt\u002Fslack-gpt) | A simple starter for a Slack app \u002F chatbot that uses the Bolt.js Slack app framework, Langchain, openAI and a Pinecone vectorstore to provide LLM generated answers to user questions based on a custom data set. | \n\n## 💁 Contributing\n\nAs an open-source project in a rapidly developing field, we are extremely open to contributions, whether it be in the form of updating code, better documentation, or project to feature.\n\nSubmit a PR with notes.\n\nThis repo and series is provided by [DataIndependent](https:\u002F\u002Fdataindependent.com\u002F) and run by [Greg Kamradt](https:\u002F\u002Ftwitter.com\u002FGregKamradt)","# 学习 LangChain\n\n[LangChain](https:\u002F\u002Flangchain.readthedocs.io\u002Fen\u002Flatest\u002F) 概述、教程及示例\n\n请参阅 [YouTube](https:\u002F\u002Fwww.youtube.com\u002Fchannel\u002FUCyR2Ct3pDOeZSRyZH5hPO-Q) 上的配套教程。\n\n如需在新教程发布时及时获取通知，可将其 [发送至您的邮箱](https:\u002F\u002Fprodigious-knitter-7293.ck.page\u002F3bd9b7cea6)。\n\n如果您是 Jupyter Notebook 或 Colab 的新手，请观看 [此视频](https:\u002F\u002Fwww.youtube.com\u002Fwatch?v=HW29067qVWk)。\n\n### **刚接触 LangChain？**\n推荐学习路径：\n1. LangChain 烹饪书 第一部分：7 个核心概念 - [代码](https:\u002F\u002Fgithub.com\u002Fgkamradt\u002Flangchain-tutorials\u002Fblob\u002Fmain\u002FLangChain%20Cookbook%20Part%201%20-%20Fundamentals.ipynb)，[视频](https:\u002F\u002Fyoutu.be\u002F2xxziIWmaSA)\n2. LangChain 烹饪书 第二部分：9 种用例 - [代码](https:\u002F\u002Fgithub.com\u002Fgkamradt\u002Flangchain-tutorials\u002Fblob\u002Fmain\u002FLangChain%20Cookbook%20Part%202%20-%20Use%20Cases.ipynb)，[视频](https:\u002F\u002Fyoutu.be\u002FvGP4pQdCocw)\n3. 浏览下方项目，并深入探索。\n\n提示工程（我最喜欢的资源）：\n1. [提示工程概述](https:\u002F\u002Fwww.youtube.com\u002Fwatch?v=dOxUroR57xs) 由 [Elvis Saravia](https:\u002F\u002Ftwitter.com\u002Fomarsar0) 演讲\n2. [ChatGPT 提示工程开发者指南](https:\u002F\u002Fwww.deeplearning.ai\u002Fshort-courses\u002Fchatgpt-prompt-engineering-for-developers\u002F) - 直接来自 OpenAI 的提示工程基础\n3. [Brex 的提示工程指南](https:\u002F\u002Fgithub.com\u002Fbrexhq\u002Fprompt-engineering)\n\n## 🤖 **项目图库**\n\n🐇 初学者 = 入门级项目，用于练习 LangChain\n\n🐒 中级 = LangChain 的深入使用\n\n🦈 高级 = LangChain 的高级或自定义实现\n\n### **📝 总结** - *深度解析：[代码](https:\u002F\u002Fgithub.com\u002Fgkamradt\u002Flangchain-tutorials\u002Fblob\u002Fmain\u002Fdata_generation\u002F5%20Levels%20Of%20Summarization%20-%20Novice%20To%20Expert.ipynb)，[视频](https:\u002F\u002Fyoutu.be\u002FqaPMdcCqtWk)*\n| 项目    | 联系人 | 难度 | 开源吗？ | 备注 |\n| - | ----------- | ---------- | :-: | ---------- |\n| [SummarizePaper.com](https:\u002F\u002Fwww.summarizepaper.com\u002F)      | Quentin Kral       | 🐒 中级 | ✅ [代码](https:\u002F\u002Fgithub.com\u002Fsummarizepaper\u002Fsummarizepaper) | 总结 arXiv 论文 |\n\n\u003Cbr>\n\n### ❓ 文档问答\n| 项目      | 联系人 | 难度 | 开源吗？ | 备注 |\n| ----------- | ----------- | ---------- | :-: | ---------- |\n| [ChatPDF](https:\u002F\u002Fgithub.com\u002Fakshata29\u002Fchatpdf)      | [Ashish Talati](https:\u002F\u002Fgithub.com\u002Fakshata29)       | 🐒 中级 | ✅ [代码](https:\u002F\u002Fgithub.com\u002Fakshata29\u002Fchatpdf) | 使用您自己的数据进行聊天和提问 |\n\n\u003Cbr>\n\n### **📦 数据提取**\n| 项目      | 联系人 | 难度 | 开源吗？ | 备注 |\n| ----------- | ----------- | ---------- | :-: | ---------- |\n| [Kor](https:\u002F\u002Feyurtsev.github.io\u002Fkor\u002F)      | [Eugene Yurtsev](https:\u002F\u002Ftwitter.com\u002Fveryboldbagel)       | 🐒 中级 | ✅ [代码](https:\u002F\u002Fgithub.com\u002Feyurtsev\u002Fkor) | 这是一个半成品原型，利用大型语言模型 (LLMs) 助力从文本中提取结构化数据 🧩。 |\n| [OpeningAttributes](https:\u002F\u002Ftwitter.com\u002FGregKamradt\u002Fstatus\u002F1643027796850253824)      | [@gregkamradt](https:\u002F\u002Ftwitter.com\u002FGregKamradt)       | 🐇 初学者 | ✅ [代码](https:\u002F\u002Fgithub.com\u002Fgkamradt\u002Flangchain-tutorials\u002Fblob\u002Fmain\u002Fdata_generation\u002FExpert%20Structured%20Output%20(Using%20Kor).ipynb) | 从职位描述中提取技术与工具 |\n\n\u003Cbr>\n\n### **🔍 评估**\n| 项目      | 联系人 | 难度 | 开源吗？ | 备注 |\n| ----------- | ----------- | ---------- | :-: | ---------- |\n| [Auto-Evaluator](https:\u002F\u002Fautoevaluator.langchain.com\u002F)      | [@RLanceMartin](https:\u002F\u002Ftwitter.com\u002FRLanceMartin)       | 🦈 高级 | ✅ [代码](https:\u002F\u002Fgithub.com\u002Flangchain-ai\u002Fauto-evaluator) | 评估问答链 |\n\n\u003Cbr>\n\n### **📊 查询表格数据**\n| 项目      | 联系人 | 难度 | 开源吗？ | 备注 |\n| ----------- | ----------- | ---------- | :-: | ---------- |\n| 待定 | | | | | \n\n\u003Cbr>\n\n### **💻 代码理解**\n| 项目      | 联系人 | 难度 | 开源吗？ | 备注 |\n| ----------- | ----------- | ---------- | :-: | ---------- |\n| 待定 | | | | | \n\n\u003Cbr>\n\n### **🌐 与 API 交互**\n| 项目      | 联系人 | 难度 | 开源吗？ | 备注 |\n| ----------- | ----------- | ---------- | :-: | ---------- |\n| 待定 | | | | | \n\n\u003Cbr>\n\n### **💬 聊天机器人**\n| 项目      | 联系人 | 难度 | 开源吗？ | 备注 |\n| ----------- | ----------- | ---------- | :-: | ---------- |\n| [LangChain ChatBot](https:\u002F\u002Fgithub.com\u002FHaste171\u002Flangchain-chatbot)      | [David Peterson](https:\u002F\u002Fgithub.com\u002FHaste171)       | 🐒 中级 | ✅ [代码](https:\u002F\u002Fgithub.com\u002FHaste171\u002Flangchain-chatbot) | 输入您的 PDF 文档，即可对数据进行分析、提问或计算。\n\n\u003Cbr>\n\n### **🤖 代理**\n| 项目      | 联系人 | 难度 | 开源吗？ | 备注 |\n| ----------- | ----------- | ---------- | :-: | ---------- |\n| [Agents Via Vocode](https:\u002F\u002Ftwitter.com\u002Fvocodehq\u002Fstatus\u002F1653104377010483201)      | [@vocode](https:\u002F\u002Ftwitter.com\u002Fvocodehq)       | 🐒 中级 | ✅ [代码](https:\u002F\u002Fgithub.com\u002Fvocodedev\u002Fvocode-python) | 代理打电话订披萨 |\n| [NexusGPT](https:\u002F\u002Ftwitter.com\u002Fachammah1\u002Fstatus\u002F1649482899253501958?s=20)      | [@achammah1](https:\u002F\u002Ftwitter.com\u002Fachammah1)       | 🐒 中级 | | AI 自由职业者平台。[Discord](https:\u002F\u002Fdiscord.gg\u002FTttk8z9U5x) | \n\n### **👽 其他 👽**\n| 项目      | 联系人 | 难度 | 开源吗？ | 备注 |\n| ----------- | ----------- | ---------- | :-: | ---------- |\n| [Slack-GPT](https:\u002F\u002Fgithub.com\u002Fmartinseanhunt\u002Fslack-gpt)      | [@martinseanhunt](https:\u002F\u002Ftwitter.com\u002Fmartinseanhunt)       | 🐒 中级 | ✅ [代码](https:\u002F\u002Fgithub.com\u002Fmartinseanhunt\u002Fslack-gpt) | 一个简单的 Slack 应用\u002F聊天机器人入门，使用 Bolt.js Slack 应用框架、Langchain、OpenAI 和 Pinecone 向量存储，基于自定义数据集为用户问题提供 LLM 生成的答案。 |\n\n## 💁 贡献\n\n作为一个快速发展的开源项目，我们非常欢迎各种形式的贡献，无论是更新代码、改进文档，还是推荐值得展示的项目。\n\n请提交带有说明的 PR。\n\n本仓库及系列内容由 [DataIndependent](https:\u002F\u002Fdataindependent.com\u002F) 提供，并由 [Greg Kamradt](https:\u002F\u002Ftwitter.com\u002FGregKamradt) 维护。","# LangChain Tutorials 快速上手指南\n\n本指南基于 `langchain-tutorials` 仓库，旨在帮助开发者快速掌握 LangChain 的核心概念与实战项目。\n\n## 环境准备\n\n在开始之前，请确保您的开发环境满足以下要求：\n\n*   **操作系统**：Windows, macOS 或 Linux\n*   **Python 版本**：推荐 Python 3.9 或更高版本\n*   **包管理器**：pip 或 conda\n*   **运行环境**：推荐使用 Jupyter Notebook 或 Google Colab（新手友好）\n    *   若不熟悉 Jupyter\u002FColab，可参考官方推荐的基础视频教程。\n*   **API Key**：准备一个 OpenAI API Key（或其他大模型服务商的 Key），用于驱动示例代码。\n\n## 安装步骤\n\n1.  **克隆仓库**\n    获取教程代码库到本地：\n    ```bash\n    git clone https:\u002F\u002Fgithub.com\u002Fgkamradt\u002Flangchain-tutorials.git\n    cd langchain-tutorials\n    ```\n\n2.  **创建虚拟环境（推荐）**\n    ```bash\n    python -m venv langchain-env\n    # Windows\n    langchain-env\\Scripts\\activate\n    # macOS\u002FLinux\n    source langchain-env\u002Fbin\u002Factivate\n    ```\n\n3.  **安装依赖**\n    虽然仓库主要提供 Notebook 示例，但运行代码需要安装 LangChain 及相关库。建议先安装核心库：\n    ```bash\n    pip install langchain langchain-openai langchain-community python-dotenv notebook\n    ```\n    *(注：部分高级项目如 ChatPDF 或 Agents 可能需要额外安装 `pypdf`, `tiktoken`, `pinecone-client` 等特定依赖，请根据具体 Notebook 顶部的导入语句按需安装。)*\n\n4.  **配置 API Key**\n    在项目根目录创建 `.env` 文件并填入您的密钥：\n    ```bash\n    echo \"OPENAI_API_KEY=sk-your-api-key-here\" > .env\n    ```\n\n## 基本使用\n\n本仓库的学习路径设计为从核心概念到具体用例。以下是两种最简单的启动方式：\n\n### 方式一：运行核心教程 Notebook（推荐）\n\n这是最系统的学习方式，包含代码单元格和详细注释。\n\n1.  启动 Jupyter Notebook：\n    ```bash\n    jupyter notebook\n    ```\n2.  在浏览器中打开以下两个核心文件进行学习：\n    *   **基础概念**：打开 `LangChain Cookbook Part 1 - Fundamentals.ipynb`\n        *   涵盖 7 个核心概念，适合初学者建立认知。\n    *   **实战用例**：打开 `LangChain Cookbook Part 2 - Use Cases.ipynb`\n        *   涵盖 9 种常见应用场景（如总结、问答、提取等）。\n\n### 方式二：快速代码示例（Python 脚本）\n\n如果您想直接在 Python 脚本中体验最简单的 LangChain 调用（基于教程中的核心逻辑），可创建一个 `test.py` 文件：\n\n```python\nfrom langchain_openai import ChatOpenAI\nfrom langchain_core.messages import HumanMessage\nfrom dotenv import load_dotenv\nimport os\n\n# 加载环境变量\nload_dotenv()\n\n# 初始化模型\nllm = ChatOpenAI(model=\"gpt-3.5-turbo\")\n\n# 构建消息并调用\nmessages = [HumanMessage(content=\"用一句话解释什么是 LangChain？\")]\nresponse = llm.invoke(messages)\n\nprint(response.content)\n```\n\n运行脚本：\n```bash\npython test.py\n```\n\n### 探索更多项目\n完成基础学习后，您可以进入 `Project Gallery` 目录，尝试不同难度的开源项目：\n*   🐇 **入门**：尝试 `OpeningAttributes` (从职位描述中提取技术栈)。\n*   🐒 **进阶**：运行 `ChatPDF` (与文档对话) 或 `SummarizePaper` (论文总结)。\n*   🦈 **高级**：研究 `Auto-Evaluator` (评估问答链效果)。","某初创公司的数据分析师需要从数百份杂乱的招聘 JD 中提取关键技术栈，并构建一个能回答内部文档问题的智能助手。\n\n### 没有 langchain-tutorials 时\n- **入门门槛高**：面对 LangChain 复杂的模块和概念，开发者不知从何下手，花费数天阅读零散文档仍无法跑通第一个 Demo。\n- **结构化提取困难**：试图从非结构化文本中提取“技术工具”列表时，因缺乏提示词工程（Prompt Engineering）指导，输出格式混乱，难以存入数据库。\n- **文档问答效果差**：自建文档问答系统时，由于不懂如何正确切分文本或选择检索策略，导致回答经常幻觉严重或找不到关键信息。\n- **重复造轮子**：团队不得不从头编写代码处理常见场景（如摘要、提取），浪费了宝贵的开发时间去解决已有成熟方案的问题。\n\n### 使用 langchain-tutorials 后\n- **快速上手核心概念**：通过\"LangChain CookBook Part 1\"的 7 个核心概念教程，团队在几小时内就理解了链（Chains）和代理（Agents）的工作原理并完成了环境搭建。\n- **精准结构化输出**：参考\"OpeningAttributes\"和\"Kor\"项目案例，直接复用经过验证的提示词模板，轻松将 JD 中的技术栈提取为标准的 JSON 格式。\n- **高效构建问答应用**：借鉴\"ChatPDF\"项目的中间级实现方案，快速集成了文档加载、向量存储和检索生成流程，显著提升了内部知识库的回答准确率。\n- **站在巨人肩膀上创新**：利用项目画廊中从入门到进阶的现成代码库，团队将精力集中在业务逻辑定制上，而非基础功能的重复开发。\n\nlangchain-tutorials 通过提供从理论到实战的完整路径，将原本需要数周摸索的 AI 应用开发周期缩短至几天，让开发者能专注于解决真正的业务难题。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fgkamradt_langchain-tutorials_3604494c.png","gkamradt",null,"https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002Fgkamradt_449d06d0.jpg","https:\u002F\u002Fgithub.com\u002Fgkamradt",[78,82,86],{"name":79,"color":80,"percentage":81},"Jupyter Notebook","#DA5B0B",94.3,{"name":83,"color":84,"percentage":85},"Python","#3572A5",5.3,{"name":87,"color":88,"percentage":89},"Shell","#89e051",0.5,7410,2032,"2026-04-06T01:50:54",1,"","未说明",{"notes":97,"python":95,"dependencies":98},"该项目主要为 LangChain 的学习教程、示例代码和项目集锦（如 Jupyter Notebooks），而非单一的可执行软件。具体运行环境需求取决于用户选择运行的特定教程或子项目（例如某些项目可能需要 OpenAI API Key、Pinecone 向量数据库或其他 LLM 后端）。建议参考各个子项目的独立文档或 Notebook 头部说明以获取具体的依赖和配置要求。",[99,100,101],"langchain","openai","pinecone-client",[35,14],"2026-03-27T02:49:30.150509","2026-04-06T18:53:51.617812",[106,111,116,121,126,131,136],{"id":107,"question_zh":108,"answer_zh":109,"source_url":110},19727,"遇到 'UnstructuredPDFLoader' 未定义或安装失败的错误如何解决？","该问题通常是因为缺少系统级依赖或未正确安装 Python 包。解决方案如下：\n1. 安装系统依赖：运行 `brew install poppler` 和 `brew install tesseract`（MacOS）。\n2. 安装 Python 包：运行 `pip install unstructured`。\n3. 如果仍然困难，维护者建议改用其他加载器，或参考更新后的代码示例：https:\u002F\u002Fgithub.com\u002Fgkamradt\u002Flangchain-tutorials\u002Fblob\u002Fmain\u002Fdata_generation\u002FAsk%20A%20Book%20Questions.ipynb","https:\u002F\u002Fgithub.com\u002Fgkamradt\u002Flangchain-tutorials\u002Fissues\u002F1",{"id":112,"question_zh":113,"answer_zh":114,"source_url":115},19728,"如何在 Google Colab 中配置环境以运行\"向书籍提问\"教程？","在 Google Colab 中运行该教程需要特定的环境设置步骤。用户已整理了一份完整的设置任务截图和指南，涵盖了所有必要的安装和配置步骤，以确保教程成功运行。具体设置细节可参考 Issue 中的截图说明，许多用户反馈该指南非常有用。","https:\u002F\u002Fgithub.com\u002Fgkamradt\u002Flangchain-tutorials\u002Fissues\u002F10",{"id":117,"question_zh":118,"answer_zh":119,"source_url":120},19729,"FewShotPromptTemplate 报错 \"instance of BaseExampleSelector expected\" 怎么修复？","此错误通常是由于 LangChain 版本过旧导致的。请确认你安装了最新版本的 LangChain（例如版本 0.0.153 或更高）。运行 `pip install --upgrade langchain` 更新库后，问题通常即可解决。","https:\u002F\u002Fgithub.com\u002Fgkamradt\u002Flangchain-tutorials\u002Fissues\u002F14",{"id":122,"question_zh":123,"answer_zh":124,"source_url":125},19730,"有哪些智能文本分割（Chunking）策略优于简单的字符长度分割？","维护者总结了 5 种文本分割层级策略：\n1. 字符分割 (Character Split)\n2. 递归字符文本分割器 (Recursive Character Text Splitter)\n3. 特定文档类型的分割器（针对代码、Markdown、带表格的 PDF）\n4. 语义分割 (Semantic chunking)\n5. Agent 分割 (Agent chunking)\n此外，还可以尝试先用 LLM 将文档按主题分割成章节，再结合余弦相似度合并过短的章节。制定策略时需综合考虑整个检索过程（如父文档检索器）。","https:\u002F\u002Fgithub.com\u002Fgkamradt\u002Flangchain-tutorials\u002Fissues\u002F55",{"id":127,"question_zh":128,"answer_zh":129,"source_url":130},19731,"在 RetrievalQA 链中使用 map_reduce 时响应被截断或报错怎么办？","这通常是因为检索到的上下文 token 总数过多（K 值过大或 chunk_size 过大）。解决方法包括：\n1. 减小 `top_k` 值（例如设为 3 或 5）。\n2. 减小文本块的大小 (chunk_size)。\n3. 自定义 map prompt，要求模型生成更简短的摘要。\n4. 对第一次 map_reduce 的输出再次执行 map_reduce。","https:\u002F\u002Fgithub.com\u002Fgkamradt\u002Flangchain-tutorials\u002Fissues\u002F54",{"id":132,"question_zh":133,"answer_zh":134,"source_url":135},19732,"这些教程程序推荐使用的 Python 版本是多少？","推荐使用 Python 3.11 版本。由于 LangChain 库更新频繁且容易破坏兼容性，维护者计划在后续版本中添加 requirements 文件以锁定依赖版本。如果遇到环境问题，请检查 Jupyter Notebook 运行的 Python 版本是否与预期一致。","https:\u002F\u002Fgithub.com\u002Fgkamradt\u002Flangchain-tutorials\u002Fissues\u002F44",{"id":137,"question_zh":138,"answer_zh":139,"source_url":140},19733,"是否有 SimpleMongoDBLoader 的使用示例或支持？","目前该仓库中没有 SimpleMongoDBLoader 的具体示例，维护者明确表示尚未测试或支持 MongoDB 类型的实现。虽然有社区用户分享了相关的 Colab 笔记链接，但官方教程暂未包含此内容。","https:\u002F\u002Fgithub.com\u002Fgkamradt\u002Flangchain-tutorials\u002Fissues\u002F5",[]]