Repolode
Enviar
datawhalechina

datawhalechina/llm-universe

Tutorial en chino que enseña a desarrolladores principiantes a crear aplicaciones con LLM, mediante un asistente de base de conocimiento personal con LangChain y RAG.

Ver en GitHubSitio web
Estrellas
14,190
Forks
1,434
Issues abiertos
17
Último commit
hace 2 meses

¿Qué es?

LLM Universe es un tutorial para desarrolladores que quieren aprender desde cero a crear aplicaciones con modelos de lenguaje grandes. Se organiza en torno a un proyecto de asistente de base de conocimiento personal, para que los lectores construyan una demo funcional mientras aprenden el flujo de trabajo esencial: llamar a API de LLM, cargar y dividir documentos, almacenar embeddings en una base de datos vectorial y crear una cadena de preguntas y respuestas con recuperación.

El curso solo requiere conocimientos básicos de Python y no exige experiencia en aprendizaje automático ni una GPU. Integra varias API de modelos nacionales e internacionales, como ChatGPT, Baidu ERNIE Bot, iFlytek Spark y Zhipu GLM, detrás de una interfaz unificada, y abarca el despliegue con Streamlit y métodos sencillos de evaluación. La primera parte está completa; las técnicas avanzadas de RAG y los casos prácticos de aplicaciones con LLM de código abierto todavía están en desarrollo.

Funciones clave

  • 01Proyecto práctico: crea paso a paso un asistente de base de conocimiento personal.
  • 02Wrappers unificados para las API de ChatGPT, ERNIE Bot, iFlytek Spark y Zhipu GLM.
  • 03Abarca la carga y división de documentos, y la configuración de una base de datos vectorial.
  • 04Muestra cómo crear una cadena de preguntas y respuestas con recuperación usando LangChain.
  • 05Incluye orientación sobre despliegue con Streamlit y evaluación.
  • 06Funciona en una computadora personal o un servidor sin GPU.

Casos de uso

  • Principiantes con conocimientos básicos de Python que quieran realizar su primer proyecto práctico de RAG.
  • Desarrolladores que necesiten integrar varias API chinas de LLM mediante una sola interfaz.
  • Equipos que estén creando una herramienta interna de preguntas y respuestas sobre documentos con LangChain.

Inicio rápido

  1. 1

    Lee el tutorial en el sitio de lectura del proyecto

  2. 2

    Instala las dependencias oficiales del entorno indicadas en requirements.txt

Antes de usarlo

  • No se especifica ninguna licencia, por lo que los derechos de reutilización no están claros.
  • Depende de las API de proveedores de modelos externos, para las que necesitas tus propias claves.
  • Las partes dos y tres todavía están en preparación.

Temas

#llm#rag#langchain#vector-database#tutorial#chinese#streamlit

Preguntas frecuentes

¿Qué es llm-universe?
Tutorial en chino que enseña a desarrolladores principiantes a crear aplicaciones con LLM, mediante un asistente de base de conocimiento personal con LangChain y RAG. LLM Universe es un tutorial para desarrolladores que quieren aprender desde cero a crear aplicaciones con modelos de lenguaje grandes. Se organiza en torno a un proyecto de asistente de base de conocimiento personal, para que los lectores construyan una demo funcional mientras aprenden el flujo de trabajo esencial: llamar a API de LLM, cargar y dividir documentos, almacenar embeddings en una base de datos vectorial y crear una cadena de preguntas y respuestas con recuperación.
¿llm-universe es gratuito? ¿Qué licencia tiene?
llm-universe no declara ninguna licencia. Su código es público, pero sin licencia no tienes permiso explícito para reutilizarlo; consulta al autor antes de depender de él.
¿llm-universe sigue mantenido?
Actualizado en los últimos 6 meses. El último commit de llm-universe fue el 27 ago 2026.
¿Para qué puedo usar llm-universe?
Principiantes con conocimientos básicos de Python que quieran realizar su primer proyecto práctico de RAG. Desarrolladores que necesiten integrar varias API chinas de LLM mediante una sola interfaz. Equipos que estén creando una herramienta interna de preguntas y respuestas sobre documentos con LangChain.
¿Cómo se instala llm-universe?
Lee el tutorial en el sitio de lectura del proyecto Instala las dependencias oficiales del entorno indicadas en requirements.txt
¿Dónde consigo llm-universe?
El código fuente y las instrucciones de instalación están en GitHub: https://github.com/datawhalechina/llm-universe

Resumen generado por IA a partir del README del proyecto. Las estadísticas de GitHub se actualizan a diario.

Proyectos relacionados