# LLM 大语言模型

## 对比

langchain：基于python，可以进行复杂的开发，并且提供了Prompt、Loader、Chain、Agent、Memory一些框架工具 dust：构建了低代码的开发平台 LlamaIndex (GPT Index)：基于langchian构建

## langchain

<https://langchain.com/>

参考：[大语言模型集成工具 LangChain](https://zhuanlan.zhihu.com/p/599688026)

## dust

> Dust是一个大语言模型应用程序的设计和部署工具，用户可以通过Dust来快速建立并部署自然语言理解的应用程序，例如智能客服、智能问答系统或智能聊天机器人。Dust可以帮助用户快速搭建和部署应用程序，从而节省时间和精力。 by chatgpt

[Dust - Design and Deploy Large Language Models Apps](https://dust.tt/)

## LlamaIndex (GPT Index)

[GitHub - jerryjliu/llama\_index: LlamaIndex (GPT Index) is a project that provides a central interface to connect your LLM's with external data.](https://github.com/jerryjliu/llama_index) [Welcome to LlamaIndex 🦙 (GPT Index)! — LlamaIndex documentation](https://gpt-index.readthedocs.io/en/latest/index.html)

## llamahub.ai

旨在降低对接LlamaIndex和LangChain的成本。

> 这是一个由社区创建的简单数据加载器/读取器库。它的目标是让连接大型语言模型和各种知识来源变得非常简单。这些工具是通用的，可以用于LlamaIndex（例如构建索引时）和LangChain（例如构建代理使用的不同工具时）。例如，这个库包含了解析Google Docs、SQL数据库、PDF文件、PowerPoints、Notion、Slack、Obsidian等多种文件格式的加载器。请注意，不同类型的加载器产生相同类型的文档，因此您可以在同一个索引中轻松使用它们。

<http://llamahub.ai> [GitHub - emptycrown/llama-hub: A library of data loaders for LLMs made by the community -- to be used with GPT Index and/or LangChain](https://github.com/emptycrown/llama-hub)

## qdrant

> Qdrant是一个矢量搜索引擎，能够快速检索大规模矢量数据。它的使用场景非常广泛，例如信息检索、推荐系统、生物信息学、视频分析等领域。对于那些需要频繁搜索大量矢量数据的应用程序，Qdrant可以提供有效的解决方案。 by chatgpt

矢量搜索引擎 [qdrant](https://qdrant.tech/)

## Labelbox: 开发和管理文本和图像注释项目的平台，可用于从大规模数据集中进行标注

[Labelbox](https://labelbox.com/)

## 参考

[使用 LangChain + OpenAI GPT 来构建问答知识库的聊天机器人](https://blog.chaos.run/dreams/build-question-answering-chatbot-using-langchain-openai-gpt/)