[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-sobelio--llm-chain":3,"tool-sobelio--llm-chain":64},[4,17,27,35,43,56],{"id":5,"name":6,"github_repo":7,"description_zh":8,"stars":9,"difficulty_score":10,"last_commit_at":11,"category_tags":12,"status":16},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。",162132,3,"2026-04-05T11:01:52",[13,14,15],"开发框架","图像","Agent","ready",{"id":18,"name":19,"github_repo":20,"description_zh":21,"stars":22,"difficulty_score":23,"last_commit_at":24,"category_tags":25,"status":16},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",138956,2,"2026-04-05T11:33:21",[13,15,26],"语言模型",{"id":28,"name":29,"github_repo":30,"description_zh":31,"stars":32,"difficulty_score":23,"last_commit_at":33,"category_tags":34,"status":16},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",[13,14,15],{"id":36,"name":37,"github_repo":38,"description_zh":39,"stars":40,"difficulty_score":23,"last_commit_at":41,"category_tags":42,"status":16},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",[13,26],{"id":44,"name":45,"github_repo":46,"description_zh":47,"stars":48,"difficulty_score":23,"last_commit_at":49,"category_tags":50,"status":16},2268,"ML-For-Beginners","microsoft\u002FML-For-Beginners","ML-For-Beginners 是由微软推出的一套系统化机器学习入门课程，旨在帮助零基础用户轻松掌握经典机器学习知识。这套课程将学习路径规划为 12 周，包含 26 节精炼课程和 52 道配套测验，内容涵盖从基础概念到实际应用的完整流程，有效解决了初学者面对庞大知识体系时无从下手、缺乏结构化指导的痛点。\n\n无论是希望转型的开发者、需要补充算法背景的研究人员，还是对人工智能充满好奇的普通爱好者，都能从中受益。课程不仅提供了清晰的理论讲解，还强调动手实践，让用户在循序渐进中建立扎实的技能基础。其独特的亮点在于强大的多语言支持，通过自动化机制提供了包括简体中文在内的 50 多种语言版本，极大地降低了全球不同背景用户的学习门槛。此外，项目采用开源协作模式，社区活跃且内容持续更新，确保学习者能获取前沿且准确的技术资讯。如果你正寻找一条清晰、友好且专业的机器学习入门之路，ML-For-Beginners 将是理想的起点。",84991,"2026-04-05T10:45:23",[14,51,52,53,15,54,26,13,55],"数据工具","视频","插件","其他","音频",{"id":57,"name":58,"github_repo":59,"description_zh":60,"stars":61,"difficulty_score":10,"last_commit_at":62,"category_tags":63,"status":16},3128,"ragflow","infiniflow\u002Fragflow","RAGFlow 是一款领先的开源检索增强生成（RAG）引擎，旨在为大语言模型构建更精准、可靠的上下文层。它巧妙地将前沿的 RAG 技术与智能体（Agent）能力相结合，不仅支持从各类文档中高效提取知识，还能让模型基于这些知识进行逻辑推理和任务执行。\n\n在大模型应用中，幻觉问题和知识滞后是常见痛点。RAGFlow 通过深度解析复杂文档结构（如表格、图表及混合排版），显著提升了信息检索的准确度，从而有效减少模型“胡编乱造”的现象，确保回答既有据可依又具备时效性。其内置的智能体机制更进一步，使系统不仅能回答问题，还能自主规划步骤解决复杂问题。\n\n这款工具特别适合开发者、企业技术团队以及 AI 研究人员使用。无论是希望快速搭建私有知识库问答系统，还是致力于探索大模型在垂直领域落地的创新者，都能从中受益。RAGFlow 提供了可视化的工作流编排界面和灵活的 API 接口，既降低了非算法背景用户的上手门槛，也满足了专业开发者对系统深度定制的需求。作为基于 Apache 2.0 协议开源的项目，它正成为连接通用大模型与行业专有知识之间的重要桥梁。",77062,"2026-04-04T04:44:48",[15,14,13,26,54],{"id":65,"github_repo":66,"name":67,"description_en":68,"description_zh":69,"ai_summary_zh":69,"readme_en":70,"readme_zh":71,"quickstart_zh":72,"use_case_zh":73,"hero_image_url":74,"owner_login":75,"owner_name":76,"owner_avatar_url":77,"owner_bio":78,"owner_company":79,"owner_location":79,"owner_email":79,"owner_twitter":79,"owner_website":80,"owner_url":81,"languages":82,"stars":109,"forks":110,"last_commit_at":111,"license":112,"difficulty_score":23,"env_os":113,"env_gpu":114,"env_ram":113,"env_deps":115,"category_tags":122,"github_topics":123,"view_count":10,"oss_zip_url":79,"oss_zip_packed_at":79,"status":16,"created_at":131,"updated_at":132,"faqs":133,"releases":162},1025,"sobelio\u002Fllm-chain","llm-chain","`llm-chain` is a powerful rust crate for building chains in large language models allowing you to summarise text and complete complex tasks","llm-chain 是一个基于 Rust 的开源工具包，专为构建大型语言模型（LLM）应用而设计。它帮助开发者将简单的单轮对话扩展为复杂的多步骤任务流，让模型能够完成仅靠一次交互无法实现的复杂工作。\n\n这个工具解决了 LLM 应用开发中的几个核心痛点：提示词难以复用和管理、复杂任务需要手动拆分多个调用、缺乏对本地模型的支持，以及 AI 能力难以与外部工具结合。llm-chain 通过提供模板化的提示词系统、灵活的链式调用机制，让开发者可以像搭积木一样构建精密的 AI 应用。\n\n它特别适合使用 Rust 的开发者、对数据隐私有要求需要本地部署模型的团队，以及希望将 LLM 与现有系统深度集成的工程团队。llm-chain 的突出优势在于其 Rust 原生实现带来的高性能和内存安全，同时支持云端模型（如 ChatGPT）和本地模型（如 LLaMa、Alpaca）的无缝切换。内置的向量存储集成和工具调用功能（如执行命令、搜索网络）让 AI 代理真正具备了\"动手\"能力，而不仅限于文本生成。","# llm-chain 🚀\n\n`llm-chain` is a collection of Rust crates designed to help you create advanced LLM applications such as chatbots, agents, and more. As a comprehensive LLM-Ops platform we have strong support for both cloud and locally-hosted LLMs. We also provide robust support for prompt templates and chaining together prompts in multi-step chains, enabling complex tasks that LLMs can't handle in a single step. We also provide vector store integrations making it easy to give your model long-term memory and subject matter knowledge. This empowers you to build sophisticated applications.\n\n[![Discord](https:\u002F\u002Fdcbadge.vercel.app\u002Fapi\u002Fserver\u002FkewN9Gtjt2?style=for-the-badge)](https:\u002F\u002Fdiscord.gg\u002FkewN9Gtjt2)\n[![Crates.io](https:\u002F\u002Fimg.shields.io\u002Fcrates\u002Fv\u002Fllm-chain?style=for-the-badge)](https:\u002F\u002Fcrates.io\u002Fcrates\u002Fllm-chain)\n![License](https:\u002F\u002Fimg.shields.io\u002Fgithub\u002Flicense\u002Fsobelio\u002Fllm-chain?style=for-the-badge)\n[![Docs: Tutorial](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002Fdocs-tutorial-success?style=for-the-badge&logo=appveyor)](https:\u002F\u002Fsobelio.github.io\u002Fllm-chain\u002Fdocs\u002Fgetting-started-tutorial\u002Findex)\n\n## Examples 💡\n\nTo help you get started, here is an example demonstrating how to use `llm-chain`. You can find more examples in the [examples folder](\u002Fcrates\u002Fllm-chain-openai\u002Fexamples) in the repository.\n\n```rust\nlet exec = executor!()?;\nlet res = prompt!(\n    \"You are a robot assistant for making personalized greetings\",\n    \"Make a personalized greeting for Joe\"\n)\n.run(parameters()!, &exec)\n.await?;\nprintln!(\"{}\", res);\n```\n\n[➡️ **tutorial: get started with llm-chain**](https:\u002F\u002Fsobelio.github.io\u002Fllm-chain\u002Fdocs\u002Fgetting-started-tutorial\u002Findex)\n[➡️ **quick-start**: Create project based on our template](https:\u002F\u002Fgithub.com\u002Fsobelio\u002Fllm-chain-template\u002Fgenerate)\n\n## Features 🌟\n\n- **Prompt templates**: Create reusable and easily customizable prompt templates for consistent and structured interactions with LLMs.\n- **Chains**: Build powerful chains of prompts that allow you to execute more complex tasks, step by step, leveraging the full potential of LLMs.\n- **ChatGPT support**: Supports ChatGPT models, with plans to add OpenAI's other models in the future.\n- **LLaMa support**: Provides seamless integration with LLaMa models, enabling natural language understanding and generation tasks with Facebook's research models.\n- **Alpaca support**: Incorporates support for Stanford's Alpaca models, expanding the range of available language models for advanced AI applications.\n- **`llm.rs` support**: Use llms in rust without dependencies on C++ code with our support for `llm.rs`\n- **Tools**: Enhance your AI agents' capabilities by giving them access to various tools, such as running Bash commands, executing Python scripts, or performing web searches, enabling more complex and powerful interactions.\n- **Extensibility**: Designed with extensibility in mind, making it easy to integrate additional LLMs as the ecosystem grows.\n- **Community-driven**: We welcome and encourage contributions from the community to help improve and expand the capabilities of `llm-chain`.\n\n## Getting Started 🚀\n\nTo start using `llm-chain`, add it as a dependency in your `Cargo.toml` (you need Rust 1.65.0 or newer):\n\n```toml\n[dependencies]\nllm-chain = \"0.12.0\"\nllm-chain-openai = \"0.12.0\"\n```\n\nThe examples for `llm-chain-openai` require you to set the `OPENAI_API_KEY` environment variable which you can do like this:\n\n```bash\nexport OPENAI_API_KEY=\"sk-YOUR_OPEN_AI_KEY_HERE\"\n```\n\nThen, refer to the [documentation](https:\u002F\u002Fdocs.rs\u002Fllm-chain) and [examples](\u002Fcrates\u002Fllm-chain-openai\u002Fexamples) to learn how to create prompt templates, chains, and more.\n\n## Contributing 🤝\n\n**We warmly welcome contributions from everyone!** If you're interested in helping improve `llm-chain`, please check out our [`CONTRIBUTING.md`](\u002Fdocs\u002FCONTRIBUTING.md) file for guidelines and best practices.\n\n## License 📄\n\n`llm-chain` is licensed under the [MIT License](\u002FLICENSE).\n\n## Connect with Us 🌐\n\nIf you have any questions, suggestions, or feedback, feel free to open an issue or join our [community discord](https:\u002F\u002Fdiscord.gg\u002FkewN9Gtjt2). We're always excited to hear from our users and learn about your experiences with `llm-chain`.\n\nWe hope you enjoy using `llm-chain` to unlock the full potential of Large Language Models in your projects. Happy coding! 🎉\n","# llm-chain 🚀\n\n`llm-chain` 是一系列 Rust crates（Rust 库），旨在帮助您创建高级 LLM（大型语言模型）应用程序，例如聊天机器人、智能体（agents）等。作为一个全面的 LLM-Ops（大型语言模型运维）平台，我们对云端和本地托管的 LLM 都提供了强有力的支持。我们还提供对 prompt templates（提示模板）的强大支持，并支持将提示链接成多步 chains（链），从而实现 LLM 无法单步完成的复杂任务。我们还提供 vector store（向量存储）集成，使您可以轻松地为模型赋予长期记忆和主题知识。这使您能够构建复杂的应用程序。\n\n[![Discord](https:\u002F\u002Fdcbadge.vercel.app\u002Fapi\u002Fserver\u002FkewN9Gtjt2?style=for-the-badge)](https:\u002F\u002Fdiscord.gg\u002FkewN9Gtjt2)\n[![Crates.io](https:\u002F\u002Fimg.shields.io\u002Fcrates\u002Fv\u002Fllm-chain?style=for-the-badge)](https:\u002F\u002Fcrates.io\u002Fcrates\u002Fllm-chain)\n![License](https:\u002F\u002Fimg.shields.io\u002Fgithub\u002Flicense\u002Fsobelio\u002Fllm-chain?style=for-the-badge)\n[![Docs: Tutorial](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002Fdocs-tutorial-success?style=for-the-badge&logo=appveyor)](https:\u002F\u002Fsobelio.github.io\u002Fllm-chain\u002Fdocs\u002Fgetting-started-tutorial\u002Findex)\n\n## 示例 💡\n\n为了帮助您入门，这里有一个演示如何使用 `llm-chain` 的示例。您可以在仓库中的 [examples 文件夹](\u002Fcrates\u002Fllm-chain-openai\u002Fexamples) 找到更多示例。\n\n```rust\nlet exec = executor!()?;\nlet res = prompt!(\n    \"You are a robot assistant for making personalized greetings\",\n    \"Make a personalized greeting for Joe\"\n)\n.run(parameters()!, &exec)\n.await?;\nprintln!(\"{}\", res);\n```\n\n[➡️ **教程：开始使用 llm-chain**](https:\u002F\u002Fsobelio.github.io\u002Fllm-chain\u002Fdocs\u002Fgetting-started-tutorial\u002Findex)\n[➡️ **快速开始**：基于我们的模板创建项目](https:\u002F\u002Fgithub.com\u002Fsobelio\u002Fllm-chain-template\u002Fgenerate)\n\n## 特性 🌟\n\n- **Prompt templates（提示模板）**：创建可重用且易于定制的提示模板，以便与 LLM 进行一致且结构化的交互。\n- **Chains（链）**：构建强大的提示链，使您能够逐步执行更复杂的任务，充分利用 LLM 的潜力。\n- **ChatGPT 支持**：支持 ChatGPT 模型，并计划在未来添加 OpenAI 的其他模型。\n- **LLaMa 支持**：提供与 LLaMa 模型的无缝集成，利用 Facebook 的研究模型实现自然语言理解和生成任务。\n- **Alpaca 支持**：纳入对斯坦福 Alpaca 模型的支持，扩展了可用于高级 AI 应用的语言模型范围。\n- **`llm.rs` 支持**：通过我们对 `llm.rs` 的支持，无需依赖 C++ 代码即可在 Rust 中使用 LLM。\n- **Tools（工具）**：通过让 AI agents（智能体）访问各种工具来增强其能力，例如运行 Bash 命令、执行 Python 脚本或执行 Web 搜索，从而实现更复杂和强大的交互。\n- **Extensibility（可扩展性）**：设计时考虑了可扩展性，随着生态系统的发展，可以轻松集成额外的 LLM。\n- **Community-driven（社区驱动）**：我们欢迎并鼓励社区贡献，以帮助改进和扩展 `llm-chain` 的功能。\n\n## 快速入门 🚀\n\n要开始使用 `llm-chain`，请将其添加为 `Cargo.toml` 中的依赖项（您需要 Rust 1.65.0 或更高版本）：\n\n```toml\n[dependencies]\nllm-chain = \"0.12.0\"\nllm-chain-openai = \"0.12.0\"\n```\n\n`llm-chain-openai` 的示例要求您设置 `OPENAI_API_KEY` 环境变量，您可以这样做：\n\n```bash\nexport OPENAI_API_KEY=\"sk-YOUR_OPEN_AI_KEY_HERE\"\n```\n\n然后，请参阅 [文档](https:\u002F\u002Fdocs.rs\u002Fllm-chain) 和 [示例](\u002Fcrates\u002Fllm-chain-openai\u002Fexamples) 以了解如何创建提示模板、链等。\n\n## 贡献 🤝\n\n**我们热烈欢迎每个人的贡献！** 如果您有兴趣帮助改进 `llm-chain`，请查看我们的 [`CONTRIBUTING.md`](\u002Fdocs\u002FCONTRIBUTING.md) 文件以了解指南和最佳实践。\n\n## 许可证 📄\n\n`llm-chain` 采用 [MIT 许可证](\u002FLICENSE) 进行许可。\n\n## 联系我们 🌐\n\n如果您有任何问题、建议或反馈，请随时提出问题或加入我们的 [社区 Discord](https:\u002F\u002Fdiscord.gg\u002FkewN9Gtjt2)。我们总是很高兴听到用户的声音，并了解您使用 `llm-chain` 的体验。\n\n我们希望您喜欢使用 `llm-chain` 在项目中释放大型语言模型的全部潜力。快乐编码！🎉","# llm-chain 快速上手指南\n\nllm-chain 是一套 Rust crates 集合，旨在帮助你创建高级 LLM 应用（如聊天机器人、Agent 等）。它支持云端和本地托管的 LLM，提供提示模板、链式调用及向量存储集成，支持 ChatGPT、LLaMa、Alpaca 等模型。\n\n## 环境准备\n\n*   **操作系统**：支持 Rust 的任何主流操作系统（Linux, macOS, Windows）\n*   **Rust 版本**：1.65.0 或更高版本\n*   **前置依赖**：确保已安装 Rust 和 Cargo 包管理器\n\n## 安装步骤\n\n1.  **添加依赖**\n\n    在项目的 `Cargo.toml` 文件中添加以下依赖项：\n\n    ```toml\n    [dependencies]\n    llm-chain = \"0.12.0\"\n    llm-chain-openai = \"0.12.0\"\n    ```\n\n2.  **配置 API 密钥**\n\n    使用 `llm-chain-openai` 示例需要设置 `OPENAI_API_KEY` 环境变量。在终端中执行：\n\n    ```bash\n    export OPENAI_API_KEY=\"sk-YOUR_OPEN_AI_KEY_HERE\"\n    ```\n\n    *(Windows PowerShell 用户请使用 `$env:OPENAI_API_KEY=\"sk-YOUR_OPEN_AI_KEY_HERE\"`)*\n\n## 基本使用\n\n以下是一个最简单的示例，展示如何创建执行器、定义提示模板并运行：\n\n```rust\nlet exec = executor!()?;\nlet res = prompt!(\n    \"You are a robot assistant for making personalized greetings\",\n    \"Make a personalized greeting for Joe\"\n)\n.run(parameters()!, &exec)\n.await?;\nprintln!(\"{}\", res);\n```\n\n*   **executor!()**：初始化执行器。\n*   **prompt!()**：定义系统指令和用户输入。\n*   **run()**：执行提示链并获取结果。\n\n更多高级用法（如链式调用、向量存储集成）请参考 [官方文档](https:\u002F\u002Fdocs.rs\u002Fllm-chain) 和 [示例文件夹](\u002Fcrates\u002Fllm-chain-openai\u002Fexamples)。","某 Rust 后端团队正在开发一个面向企业客户的自动化技术支持代理，需要处理复杂的用户故障报告、检索内部知识库并自动执行修复脚本。\n\n### 没有 llm-chain 时\n- 手动拼接多步提示词，流程逻辑混乱且难以维护，任何需求修改都需要重构大量代码。\n- 缺乏本地模型支持，依赖云端 API 导致延迟高且存在数据隐私泄露风险。\n- 难以集成向量数据库，模型无法检索历史故障知识，回答往往不准确且缺乏上下文。\n- 调用外部工具（如执行脚本）需要编写大量胶水代码，系统耦合度高且难以测试。\n- 缺乏类型安全，运行时容易因提示词格式错误导致程序崩溃，调试困难。\n\n### 使用 llm-chain 后\n- 利用 llm-chain 的链条功能，清晰定义“诊断 - 检索 - 执行”多步流程，逻辑可视化管理，迭代更灵活。\n- 无缝切换本地 LLaMa 模型，显著降低延迟并保护敏感数据隐私，满足企业合规要求。\n- 内置向量存储集成，代理自动检索知识库获得长期记忆，回答更加精准专业。\n- 通过工具模块直接调用 Bash 或 Python 脚本，简化交互逻辑，开发效率大幅提升。\n- 享受 Rust 类型安全优势，编译期发现逻辑错误，系统运行更稳定可靠。\n\nllm-chain 让 Rust 开发者能以类型安全的方式高效构建具备记忆与行动能力的复杂 LLM 应用，极大降低了工程化门槛。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fsobelio_llm-chain_72d9de8c.png","sobelio","Sobel IO","https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002Fsobelio_7ea90c90.png","",null,"https:\u002F\u002Fsobel.io","https:\u002F\u002Fgithub.com\u002Fsobelio",[83,87,91,95,99,103,107],{"name":84,"color":85,"percentage":86},"Rust","#dea584",97.4,{"name":88,"color":89,"percentage":90},"JavaScript","#f1e05a",1.4,{"name":92,"color":93,"percentage":94},"C++","#f34b7d",0.8,{"name":96,"color":97,"percentage":98},"CSS","#663399",0.2,{"name":100,"color":101,"percentage":102},"MDX","#fcb32c",0.1,{"name":104,"color":105,"percentage":106},"C","#555555",0,{"name":108,"color":79,"percentage":106},"RenderScript",1598,143,"2026-04-03T12:06:36","MIT","未说明","未说明 (支持本地托管 LLM，具体取决于所选模型后端)",{"notes":116,"python":117,"dependencies":118},"这是一个 Rust 库集合，用于构建 LLM 应用。使用 OpenAI 示例需设置 OPENAI_API_KEY 环境变量。支持通过 llm.rs 在 Rust 中运行本地模型无需 C++ 依赖。代理工具可执行 Python 脚本但非运行环境依赖。","未说明 (基于 Rust 开发)",[119,120,121],"Rust 1.65.0+","llm-chain 0.12.0","llm-chain-openai 0.12.0",[13,26],[124,125,126,127,128,129,130],"llm","chatgpt","langchain","llama","openai","rust","text-summary","2026-03-27T02:49:30.150509","2026-04-06T07:12:37.233661",[134,139,143,147,152,157],{"id":135,"question_zh":136,"answer_zh":137,"source_url":138},4561,"llm-chain 是否支持本地运行 Ollama 模型？","支持。用户已在最新 main 分支验证可用。建议直接克隆仓库使用 main 分支构建，或等待包含该功能的新版本发布。","https:\u002F\u002Fgithub.com\u002Fsobelio\u002Fllm-chain\u002Fissues\u002F265",{"id":140,"question_zh":141,"answer_zh":142,"source_url":138},4562,"如何在 Cargo.toml 中配置 Ollama 相关的本地依赖路径？","直接从 crates.io 拉取可能无效，需要克隆 llm-chain 仓库并本地构建。修改 Cargo.toml 指定本地路径，示例如下：\n```toml\n[dependencies]\nllm-chain = {path = \"\u002F\u003CPATH TO REPO>\u002Fllm-chain\u002Fcrates\u002Fllm-chain\"}\nllm-chain-openai = {path = \"\u002F\u003CPATH TO REPO>\u002Fllm-chain\u002Fcrates\u002Fllm-chain-openai\"}\ntokio = { version = \"1.35.1\", features = [\"full\"] }\n```",{"id":144,"question_zh":145,"answer_zh":146,"source_url":138},4563,"使用 Ollama 时需要设置哪些环境变量和代码配置？","需要设置 API 基础 URL 指向本地 Ollama 服务，并设置 API Key。示例代码如下：\n```rust\nenv::set_var(\"OPENAI_API_BASE_URL\", \"http:\u002F\u002Flocalhost:11434\u002Fv1\");\nenv::set_var(\"OPENAI_API_KEY\", \"ollama\");\nlet opts = options!(Model: ModelRef::from_model_name(\"codellama\"));\nlet exec = executor!(chatgpt, opts.clone())?;\n```",{"id":148,"question_zh":149,"answer_zh":150,"source_url":151},4564,"运行 llm-chain-local 示例时遇到 `FieldRequiredError(\"model_type\")` 错误如何解决？","这是一个已知问题。解决方法是在创建 executor 之前添加 `.with_options(&DEFAULT_OPTIONS)`。具体是在 `llm-chain-local\u002Fsrc\u002Fexecutor.rs` 的第 58 行之前添加该调用即可修复。","https:\u002F\u002Fgithub.com\u002Fsobelio\u002Fllm-chain\u002Fissues\u002F147",{"id":153,"question_zh":154,"answer_zh":155,"source_url":156},4565,"如何为 OpenAI Executor 配置自定义 Client 或 Organization ID？","`Executor::for_client()` 返回的对象可能不直接实现 `llm_chain::traits::Executor` trait。建议修改 `for_client` 函数内部逻辑，使用 `new_with_options` 创建实例后赋值 client。代码修改建议如下：\n```rust\npub fn for_client(client: async_openai::Client, per_invocation_options: Option\u003CPerInvocation>) -> Self {\n    use llm_chain::traits::Executor as _;\n    let mut exec = Self::new_with_options(None, per_invocation_options).unwrap;\n    exec.client = Arc::new(client);\n    exec\n}\n```\n或者考虑将 Organization ID 作为 `PerExecutor` 选项支持。","https:\u002F\u002Fgithub.com\u002Fsobelio\u002Fllm-chain\u002Fissues\u002F118",{"id":158,"question_zh":159,"answer_zh":160,"source_url":161},4566,"MapReduce 教程中遇到上下文窗口未正确截断的问题怎么办？","这是一个已知问题。维护者建议 MapReduce chains 可能需要停止使用 frame 来解决此问题。如果遇到此类问题，建议检查 frame 的使用情况或在社区寻求帮助。","https:\u002F\u002Fgithub.com\u002Fsobelio\u002Fllm-chain\u002Fissues\u002F110",[163,168,173,178,182,186,190,194],{"id":164,"version":165,"summary_zh":166,"released_at":167},104021,"llm-chain-v0.10.1","### Other\n- add no-verify to release-plz","2023-05-11T11:58:20",{"id":169,"version":170,"summary_zh":171,"released_at":172},104022,"llm-chain-local-v0.9.1","### Other\n- release (#128)","2023-05-11T11:59:43",{"id":174,"version":175,"summary_zh":176,"released_at":177},104023,"llm-chain-local-v0.9.0","### Other\n- Restructuring (#124)","2023-05-11T08:40:18",{"id":179,"version":180,"summary_zh":171,"released_at":181},104024,"llm-chain-llama-v0.9.3","2023-05-11T11:59:35",{"id":183,"version":184,"summary_zh":176,"released_at":185},104025,"llm-chain-llama-v0.9.2","2023-05-11T08:40:12",{"id":187,"version":188,"summary_zh":171,"released_at":189},104026,"llm-chain-llama-sys-v0.9.3","2023-05-11T11:59:27",{"id":191,"version":192,"summary_zh":176,"released_at":193},104027,"llm-chain-llama-sys-v0.9.2","2023-05-11T08:40:04",{"id":195,"version":196,"summary_zh":176,"released_at":197},104028,"llm-chain-v0.10.0","2023-05-10T23:11:02"]