langboot - SpringBoot与Langchain结合的AI应用开发指南

项目介绍：LangBoot

LangBoot是一个创新项目，旨在使用Langchain的理念来构建基于SpringBoot的AI应用程序。该项目通过集成流行的大语言模型（LLMs），如OpenAI、ChatGLM等，实现各种AI功能。

LangBoot依赖于以下主要技术组件：

LangBoot项目已实现和计划实现的功能包括：

知识库功能
- 已支持非结构化文档（如markdown、PDF等）的接入
- 正在开发结构化数据（如Excel、SQL）的接入和知识图谱对接
系统功能
- 用户模块：已实现用户登录，未来将添加注册和第三方登录功能
- 已实现的功能还包括基于SSE的流式聊天、语音输入输出、会话管理、知识库管理及搜索引擎问答支持
Prompts相关功能
- 已实现功能：摘要、翻译、关键词提取、文本分类、内容安全、偏好分析、文本生成图像
- 查重功能仍在开发中
前端优化
- 移动端适配完成
- 流式输出的优化已完成

以下是快速上手LangBoot项目的步骤：

执行数据库脚本
```
init-script/db.sql
```
安装本地向量数据库
```
docker-compose up -d
```
大语言模型的配置
- 配置OpenAI的API Token
```
openai.token=sk-xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx
```
- 或者启动本地的ChatGLM2模型
```
python .\openai_api.py
```

LangBoot还提供了丰富的UI界面和功能截图，以便用户更好地理解和利用项目功能。例如：登录页面、首页功能、多种功能模块展示，以及本地知识库的操作界面。

如果对LangBoot项目感兴趣，可加入微信交流群进行讨论与交流，这里有相关的二维码，欢迎参与。注意：二维码如已过期，请扫个人二维码以便重新入群。

LangBoot项目通过结合大语言模型与强大的后端技术架构，提供高效的AI应用开发范例，预计将为未来的AI应用程序开发带来更广泛的应用和可能性。