Streamlit 的 LLM Hackathon 今天开幕了，我们很高兴能与他们合作将其变为现实。自从 LangChain 成立以来，我们一直与 Streamlit 团队一起构建，因为它是开始构建 LLM 应用程序的最简单的地方，我们迫不及待地想看看大家这周会构建什么。
在您准备开始之际，我们想分享一些资源和我们希望看到的应用程序的想法（并与更广泛的社区分享！）。
LangChain 和 Streamlit 入门
这里有一个仓库，其中包括几个 LangChain 代理作为 Streamlit 应用程序的参考实现，包括
- 一个支持搜索的聊天机器人，可以记住聊天记录（应用程序在这里）
- 一个聊天应用程序，允许用户使用 Streamlit 反馈对响应添加反馈，并链接到 LangSmith 中的跟踪（我们最近一直在大量使用这个）
- 一个能够通过参考自定义文档来回答查询的聊天机器人（应用程序在这里）
- 一个可以与您的数据库通信的聊天机器人（应用程序在这里）
- 还有更多
我们非常希望看到团队在本周为此做出贡献——非常欢迎 PR！🚀
这里有一个关于构建带有 LangSmith 的 Streamlit Chat UI 的 LangSmith 食谱。 它逐步向您展示如何在 Streamlit 中创建一个类似 ChatGPT 的 Web 应用程序，该应用程序支持
- 流式传输
- 自定义指令
- 应用程序反馈（包括一个模板，可让您将简单的 👍👎 分数记录到 LangSmith 中的运行中，以使用户反馈更易于整合。
- 以及更多
这里有一些来自 Streamlit 博客的 LLM 应用程序灵感，包括
- 如何构建数据分析聊天机器人
- 生成数据驱动的演示文稿
- 一个让您与“沃伦·巴菲特”聊天的应用程序（在 Streamlit 上届 Hackathon 中获得第二名）
- 以及更多！
这里是我们的入门文档（包括关于如何创建带有工具的代理的场景）。
LangChain Prompt Hub
我们最近推出了 LangChain Hub，这是一个提交、发现、检查和混合提示的家园。它仍然处于（非常）早期阶段——我们认为它不仅是一个帮助开发人员更快构建的有用工具，而且也是整个社区共同变得更聪明地进行提示的一种方式。
我们希望您能贡献提示并尝试彼此的提示——以下是如何操作：https://langsmith.langchain.ac.cn/hub/quickstart
我们将通过推文和博客发布我们最喜欢的提示——从最有用到着最有创意——所以请务必在 Twitter 上与我们和社区分享！
请随时分享反馈——从错误到大创意，我们都欢迎。
我们希望看到的项目（并与 LangChain 社区分享！）
- 使用开源模型的应用程序
- 创新的检索策略
- 最实用的代理
- 最具冒险精神的代理
- 连接独特数据源/格式的应用程序
我们将在整周发布我们最喜欢的项目，并将它们收集起来，以便在 Hackathon 结束时发布一篇博文。对于做这些事情的团队，甚至可能会有一些（非官方的）LangChain 奖品/赠品！👀
在 Twitter 上标记我们 (@langchainai)，发送邮件至 hello@langchain.dev，或在 Steamlit Discord 中 ping 我们（我是 hwchase17）。
我们迫不及待地想看看你们构建的东西！