LangChain для Rust: библиотека для создания приложений на базе LLM с компонуемыми цепочками, агентами, инструментами и векторными хранилищами.
tryAGI/LangChain
Реализация LangChain на C# для создания приложений с LLM на .NET: цепочки, векторный поиск и загрузка документов.
- Звёзды
- 1,080
- Форки
- 147
- Открытые issues
- 50
- Последний коммит
- 5 дней назад
Что это?
LangChain .NET — порт фреймворка LangChain на C# для создания приложений на основе больших языковых моделей. По возможности он сохраняет абстракции оригинала, чтобы разработчики, знакомые с LangChain на Python или JavaScript, могли напрямую сопоставлять концепции, и при этом допускает новые сущности, если этого требует экосистема .NET.
Библиотека включает интеграции с провайдерами моделей, модели эмбеддингов, коннекторы к векторным базам данных, например SQLite, и загрузчики документов, например для PDF. Разработчики могут загружать документы, сохранять эмбеддинги, находить похожие документы по вопросу и передавать их в LLM — напрямую вызывая асинхронные методы или объединяя шаги в цепочку с синтаксисом в стиле pipe.
Проект распространяется по лицензии MIT в виде NuGet-пакетов; в репозитории есть wiki, примеры и интеграционные тесты.
Ключевые возможности
- 01Цепочки, объединяющие поиск, шаблоны промптов и вызовы LLM с помощью pipe-синтаксиса
- 02Интеграция с векторными базами данных, включая SQLite, и поддержка моделей эмбеддингов
- 03Загрузка документов из PDF и URL с настраиваемым разбиением текста на фрагменты
- 04Асинхронные методы для прямого использования без цепочек
- 05Распространение в виде NuGet-пакетов для проектов на .NET
Сценарии использования
- Создание приложения на .NET для ответов на вопросы по собственной коллекции PDF-файлов или документов
- Прототипирование конвейеров генерации с дополнением извлечёнными данными на C#
- Перенос рабочих процессов с LLM в стиле LangChain из Python в кодовую базу на .NET
Быстрый старт
- 1
Установите пакет LangChain NuGet
dotnet add package LangChain - 2
Чтобы узнать, с чего начать, ознакомьтесь с wiki
Что важно знать
- Для запуска примера кода требуется API-ключ поставщика моделей, например OpenAI.
Темы
Частые вопросы
- Что такое LangChain?
- Реализация LangChain на C# для создания приложений с LLM на .NET: цепочки, векторный поиск и загрузка документов. LangChain .NET — порт фреймворка LangChain на C# для создания приложений на основе больших языковых моделей. По возможности он сохраняет абстракции оригинала, чтобы разработчики, знакомые с LangChain на Python или JavaScript, могли напрямую сопоставлять концепции, и при этом допускает новые сущности, если этого требует экосистема .NET.
- LangChain можно использовать бесплатно? Какая у него лицензия?
- LangChain распространяется с открытым исходным кодом под лицензией MIT. Перед использованием в коммерческих продуктах проверьте условия лицензии.
- LangChain всё ещё поддерживается?
- Активно поддерживается. Последний коммит в LangChain — 2 нояб. 2026 г..
- Для чего можно использовать LangChain?
- Создание приложения на .NET для ответов на вопросы по собственной коллекции PDF-файлов или документов Прототипирование конвейеров генерации с дополнением извлечёнными данными на C# Перенос рабочих процессов с LLM в стиле LangChain из Python в кодовую базу на .NET
- Как установить LangChain?
- Установите пакет LangChain NuGet: dotnet add package LangChain Чтобы узнать, с чего начать, ознакомьтесь с wiki
- Где скачать LangChain?
- Исходный код и инструкции по установке — на GitHub: https://github.com/tryAGI/LangChain
Описание создано ИИ на основе README проекта. Статистика GitHub обновляется ежедневно.
Похожие проекты
SDK для создания AI-агентов и мультиагентных систем на Python, .NET и Java с интеграциями моделей, плагинов и векторных баз данных.
Порт LangChain на Dart и Flutter для создания приложений на базе LLM с подключаемыми провайдерами моделей, RAG и агентами.
Бэкенд на FastAPI для разговорного RAG-агента: загружает документы в Qdrant, выполняет семантический и гибридный поиск и отвечает на вопросы с помощью LLM.
Учебный курс на китайском языке, в котором начинающие разработчики учатся создавать приложения на базе LLM на примере ассистента по личной базе знаний с LangChain и RAG.
Открытый инструмент для глубокого поиска и анализа частных данных с помощью LLM и векторных баз данных.