LangChain para Rust: biblioteca para criar aplicações com LLMs usando chains, agentes, ferramentas e bancos de vetores combináveis.
tryAGI/LangChain
Implementação do LangChain em C# para criar aplicações com LLMs no .NET, usando chains composáveis, busca vetorial e carregadores de documentos.
- Estrelas
- 1,080
- Forks
- 147
- Issues abertas
- 50
- Último commit
- há 5 dias
O que é?
LangChain .NET é um port do framework LangChain para C#, voltado à criação de aplicações com modelos de linguagem de grande porte. Ele segue, sempre que possível, as abstrações do original, permitindo que desenvolvedores familiarizados com LangChain em Python ou JavaScript associem os conceitos diretamente, sem deixar de abrir espaço para novas entidades quando o ecossistema .NET exigir.
A biblioteca oferece integrações com provedores de modelos, modelos de embeddings, conectores para bancos de dados vetoriais como SQLite e carregadores de documentos, como um carregador de PDF. Os desenvolvedores podem carregar documentos, armazenar embeddings, recuperar documentos semelhantes para uma pergunta e passá-los a um LLM, seja por chamadas diretas a métodos async, seja compondo etapas em uma chain com sintaxe no estilo pipe.
O projeto usa a licença MIT e é distribuído como pacotes NuGet. O repositório também inclui um wiki, exemplos e testes de integração.
Recursos principais
- 01Chains composáveis que encadeiam recuperação, templates de prompt e chamadas a LLMs
- 02Integração com bancos de dados vetoriais, incluindo SQLite, além de suporte a modelos de embeddings
- 03Carregamento de documentos de PDFs e URLs, com divisão de texto configurável
- 04Métodos async para uso direto, sem chains
- 05Distribuído como pacotes NuGet para projetos .NET
Casos de uso
- Criar um sistema de perguntas e respostas com seus próprios PDFs ou coleção de documentos em um app .NET
- Prototipar pipelines de geração aumentada por recuperação (RAG) em C#
- Migrar fluxos de trabalho com LLMs no estilo LangChain de Python para uma base de código .NET
Início rápido
- 1
Instale o pacote NuGet do LangChain
dotnet add package LangChain - 2
Consulte a wiki para saber como começar
Antes de usar
- Para executar o código de exemplo, é necessária uma chave de API de um provedor de modelos como a OpenAI.
Tópicos
Perguntas frequentes
- O que é LangChain?
- Implementação do LangChain em C# para criar aplicações com LLMs no .NET, usando chains composáveis, busca vetorial e carregadores de documentos. LangChain .NET é um port do framework LangChain para C#, voltado à criação de aplicações com modelos de linguagem de grande porte. Ele segue, sempre que possível, as abstrações do original, permitindo que desenvolvedores familiarizados com LangChain em Python ou JavaScript associem os conceitos diretamente, sem deixar de abrir espaço para novas entidades quando o ecossistema .NET exigir.
- LangChain é gratuito? Qual é a licença?
- LangChain é open source sob a licença MIT. Confira os termos da licença antes de usá-lo em produtos comerciais.
- LangChain ainda é mantido?
- Manutenção ativa. O último commit de LangChain foi em 2 de nov. de 2026.
- Para que posso usar LangChain?
- Criar um sistema de perguntas e respostas com seus próprios PDFs ou coleção de documentos em um app .NET Prototipar pipelines de geração aumentada por recuperação (RAG) em C# Migrar fluxos de trabalho com LLMs no estilo LangChain de Python para uma base de código .NET
- Como instalar LangChain?
- Instale o pacote NuGet do LangChain: dotnet add package LangChain Consulte a wiki para saber como começar
- Onde consigo LangChain?
- O código-fonte e as instruções de instalação estão no GitHub: https://github.com/tryAGI/LangChain
Resumo gerado por IA a partir do README do projeto. As estatísticas do GitHub são atualizadas diariamente.
Projetos relacionados
Um SDK para criar agentes de IA e sistemas multiagente em Python, .NET e Java, com integrações a modelos, plugins e bancos de dados vetoriais.
Um port de LangChain para Dart e Flutter, para criar apps com LLMs, provedores de modelos intercambiáveis, RAG e agentes.
Backend FastAPI para um agente conversacional de RAG que incorpora documentos no Qdrant, faz buscas semânticas e híbridas e responde a perguntas com LLMs.
Tutorial em chinês que ensina desenvolvedores iniciantes a criar aplicações com LLM, usando como foco um assistente de base de conhecimento pessoal com LangChain e RAG.
Ferramenta open source de pesquisa aprofundada que busca e raciocina sobre dados privados usando LLMs e bancos de dados vetoriais.