首页项目文章PK榜关于
探索项目

LangChainGo

不活跃
GitHub Go MIT

简介

LangChainGo 是 Go 语言版本的 LangChain 框架，提供构建 LLM 驱动程序的最简方式，支持链式调用、Agent 和工具集成。

核心特性

  • LangChain 的 Go 语言实现 — 利用 Go 的可组合性和性能构建 LLM 应用
  • 支持多种 LLM 提供商，包括 OpenAI、Anthropic、Google 以及通过 Ollama 运行的本地模型
  • 链、Agent 和工具抽象，用于构建复杂 LLM 管道
  • 活跃的社区支持，Discord 频道和不断增长的贡献者基础
  • 支持 Dev Containers 和 GitHub Codespaces，可即时创建开发环境
  • 完善的 API 参考文档和示例库，加速新手入门

适用场景

💡 构建 Go 原生 LLM 应用和 AI 服务
💡 在 Go 后端系统中创建具有工具使用能力的对话式 AI Agent
💡 利用 Go 的并发模型构建 RAG（检索增强生成）应用
💡 在现有 Go 微服务中集成 LLM 功能
💡 使用 Go 中熟悉的 LangChain 抽象快速原型化 AI 功能

优势与不足

✅ 优势

  • • 社区热度高（9.6k stars）
  • • 开源许可证友好（MIT）
  • • 项目有一定历史沉淀（已维护 3 年）

⚠️ 不足

  • • 已超过 7 个月未更新

标签

langchain agent-framework llm golang

分类

🤖 Agent 框架

快速开始

go get github.com/tmc/langchaingo
# 查看 ./examples 目录获取用法
# 设置 OPENAI_API_KEY 然后运行 go run .
访问 GitHub 访问官网

相关项目

AutoAgent

9.7k · Python
不活跃 B

全自动化零代码 LLM Agent 框架，用户无需编写代码即可构建和部署自定义 AI Agent，支持自然语言驱动的 Agent 创建。

agent-frameworkzero-codeautomation +2
  • · 全自动代理构建 — 通过自然语言即可创建、定制和部署 AI Agent，无需编码
  • · 零代码框架，让没有技术背景的用户也能参与 AI 开发
  • · 自管理工作流生成 — 根据高层描述动态创建和优化代理管道
查看完整详情 → 在 GitHub 查看

ART

10.6k · Python
活跃 A+

ART（Agent Reinforcement Trainer）是一个使用 GRPO 算法训练多步 Agent 的强化学习框架，支持为 Qwen、Llama 等模型进行在职训练以完成真实世界任务。

reinforcement-learningagent-trainingGRPO +3
  • · 基于 GRPO 的强化学习，用于在真实世界任务上训练多步 Agent
  • · W&B Training 无服务器 RL，通过共享推理集群降低 40% 成本并提速 28%
  • · 预置笔记本示例，涵盖邮件搜索、2048、井字棋、Codenames 和 MCP 工具掌握
查看完整详情 → 在 GitHub 查看

PocketFlow

11.1k · Python
活跃 A

PocketFlow 是一个极简的 100 行 LLM 框架，支持用 Agent 构建 Agent，通过简洁的抽象层实现复杂的 AI Agent 工作流。

agent-frameworkllmworkflow +2
  • · 仅 100 行代码，零依赖、零供应商锁定，极致轻量
  • · 基于图（Graph）的抽象，支持 Agent、多 Agent、Workflow 和 RAG 等设计模式
  • · 支持 Agentic Coding，让 AI Agent（如 Cursor）帮你构建 Agent，生产力提升 10 倍
查看完整详情 → 在 GitHub 查看

相关文章

Code ReviewLLMPR-Agent

代码审查 Agent：静态分析 + LLM 评审的最佳实践

代码审查 Agent 不是"让 LLM 看 diff"那么简单。系统讲解分层架构（静态分析 / 模式匹配 / LLM 评审 / 上下文感知）、PR-Agent 自托管、上下文设计、误报抑制和团队协作模式，给出 precision 度量与落地路径。

阅读全文 →