一体化 Python AI 框架,覆盖语义搜索、RAG、LLM 编排与语言模型工作流。
patterns-ai-core/langchainrb
一个用于构建大模型应用的 Ruby 库,提供统一的 LLM 接口、向量数据库、RAG 与智能助手能力。
- Star
- 2,008
- Fork
- 270
- 未关闭 Issue
- 88
- 最近提交
- 17天前
这是什么?
Langchain.rb 是一个 Ruby gem,用于基于大语言模型构建应用。它为 Ruby 开发者提供统一接口,可调用 OpenAI、Anthropic、Google Gemini、Mistral AI、Ollama、AWS Bedrock 等多家模型服务,切换后端通常只需更换实例化的类。
库中包含大模型应用的常用组件:提示词模板、把模型输出解析为结构化 JSON 的输出解析器,以及基于向量数据库的检索增强生成(RAG)。支持的向量库包括 Chroma、Pinecone、Pgvector、Qdrant、Weaviate、Milvus 和 Elasticsearch,并可加载、解析和索引 PDF、DOCX、CSV、XLSX 等文件。
在智能助手场景下,Assistant 类可将 LLM 与计算器、SQL 数据库、搜索、文件系统等工具结合,也支持自定义工具。内置的评估模块基于 RAGAS 思路,对 RAG 流程的忠实度、上下文相关性和回答相关性进行打分。各集成所需的依赖以可选 gem 形式提供,应用只需引入实际用到的部分。
核心功能
- 01统一接口调用多家大模型服务,支持向量嵌入、文本补全和对话
- 02集成 Chroma、Qdrant、Pgvector 等八种向量数据库
- 03提供提示词模板与可自动修复的结构化输出解析器
- 04Assistant 类支持内置工具、自定义工具与流式输出
- 05基于 RAGAS 思路评估 RAG 流程的忠实度与相关性
适用场景
- 在 Rails 或 Ruby 应用中基于企业文档实现 RAG 问答
- 构建可调用搜索或数据库等工具的对话助手
- 在不改动业务代码的情况下切换不同的大模型服务商
- 用 Ruby 评估检索增强流程的回答质量
快速上手
- 1
使用 Bundler 将 gem 添加到 Gemfile
bundle add langchainrb - 2
或者不使用 Bundler,直接安装 gem
gem install langchainrb - 3
在 Ruby 代码中引入该库
使用前须知
- 除核心 gem 外可能还需要安装其他 gem,这些 gem 默认不包含在内。
- 大多数 LLM 和向量数据库集成需要服务商的 API 密钥或独立的服务。
收录于专题
标签
常见问题
- langchainrb 是什么?
- 一个用于构建大模型应用的 Ruby 库,提供统一的 LLM 接口、向量数据库、RAG 与智能助手能力。 Langchain.rb 是一个 Ruby gem,用于基于大语言模型构建应用。它为 Ruby 开发者提供统一接口,可调用 OpenAI、Anthropic、Google Gemini、Mistral AI、Ollama、AWS Bedrock 等多家模型服务,切换后端通常只需更换实例化的类。
- langchainrb 可以免费使用吗?用的什么许可证?
- langchainrb 以 MIT 许可证开源。用于商业产品前,请先确认许可证条款。
- langchainrb 还在维护吗?
- 活跃维护中。langchainrb 最近一次提交是在 2026年10月21日。
- langchainrb 适合用来做什么?
- 在 Rails 或 Ruby 应用中基于企业文档实现 RAG 问答 构建可调用搜索或数据库等工具的对话助手 在不改动业务代码的情况下切换不同的大模型服务商 用 Ruby 评估检索增强流程的回答质量
- langchainrb 怎么安装和运行?
- 使用 Bundler 将 gem 添加到 Gemfile: bundle add langchainrb 或者不使用 Bundler,直接安装 gem: gem install langchainrb 在 Ruby 代码中引入该库
- 在哪里获取 langchainrb?
- 源代码和安装说明在 GitHub 上:https://github.com/patterns-ai-core/langchainrb
概要由 AI 根据项目 README 生成;GitHub 数据每日更新。
相关项目
一个用 JavaScript 从零实现检索增强生成(RAG)的分步教学项目,基于本地 LLM,不依赖云端 API。
通过自然语言描述需求和表格数据,由多智能体流程自动构建机器学习模型。
一个用 Rust 编写的本地优先 AI 记忆库,在写入时过滤低价值内容,并以 Markdown 为源提供可配置的检索。
面向 AI 应用的开源数据基础设施,用于存储文档与向量并支持语义、混合及全文检索。
一门免费开源的 10 周在线课程,讲解如何构建 RAG、向量搜索、智能体等 LLM 应用。