Una biblioteca Ruby para crear aplicaciones con LLM, con una interfaz unificada para varios proveedores, bases de datos vectoriales, pipelines RAG y asistentes.
Langchain.rb es una gem de Ruby para crear aplicaciones basadas en modelos de lenguaje grandes. Ofrece a los desarrolladores de Ruby una sola interfaz para usar proveedores como OpenAI, Anthropic, Google Gemini, Mistral AI, Ollama y AWS Bedrock, de modo que cambiar de backend consiste, en gran medida, en cambiar la clase que se instancia.
La biblioteca incluye los componentes habituales de las aplicaciones con LLM: plantillas de prompts, analizadores de salida que convierten el texto del modelo en JSON estructurado y generación aumentada por recuperación (RAG) con diversas bases de datos de búsqueda vectorial, como Chroma, Pinecone, Pgvector, Qdrant, Weaviate, Milvus y Elasticsearch. También puede cargar e indexar archivos en formatos como PDF, DOCX, CSV y XLSX.
Para casos de uso basados en agentes, la clase Assistant combina un LLM con herramientas como una calculadora, acceso a bases de datos SQL, búsqueda web y una herramienta para el sistema de archivos, además de permitir herramientas personalizadas. Un módulo de evaluación basado en RAGAS puntúa la fidelidad, la relevancia del contexto y la relevancia de las respuestas de los pipelines RAG. Cada integración requiere una gem opcional, así que las aplicaciones solo incorporan las dependencias que usan.
Añade la gem al Gemfile con Bundler
bundle add langchainrbO instala la gem directamente sin Bundler
gem install langchainrbCarga la biblioteca en tu código Ruby con require
Resumen generado por IA a partir del README del proyecto. Las estadísticas de GitHub se actualizan a diario.
Framework de IA todo en uno para Python, basado en una base de datos de embeddings, que ofrece búsqueda semántica, RAG, orquestación de LLM y flujos de trabajo con modelos de lenguaje.
Proyecto educativo paso a paso para crear Retrieval-Augmented Generation desde cero en JavaScript, con LLM locales y sin API en la nube.
Crea modelos de machine learning a partir de una intención en lenguaje natural y un conjunto de datos tabular mediante un flujo de trabajo multiagente.
Una biblioteca de Rust para la memoria local-first de agentes de IA, que filtra el contenido de poco valor al incorporarlo y ofrece recuperación configurable sobre almacenamiento basado en Markdown.
Base de datos de embeddings de código abierto para aplicaciones de IA, que almacena documentos y vectores para habilitar búsquedas semánticas, híbridas y de texto completo.
Curso online gratuito y de código abierto de 10 semanas sobre cómo crear aplicaciones con LLM usando RAG, búsqueda vectorial, agentes, evaluación y monitoreo.