llm-usekit

# 📦 llm-usekit

## 🚀 项目简介 (English Version below)
`llm-usekit` 是一个基于 **LangChain + Streamlit + 多家大模型 API (OpenAI, DeepSeek, Kimi, Qwen 等)** 的多功能大模型工具集。访问/查看使用效果，可以点击右边的网址（streamlit cloud部署，长时间无人访问后app会睡眠，需要点击页面中间按钮唤醒app）https://llm-usekit.streamlit.app   

它提供了多种开箱即用的 LLM 应用，包括：

- 🎬 **视频脚本生成器**（Video Script Generator）  
- 💬 **智能聊天助手**（Chat-Bot with memory）  
- 📑 **文档问答 (RAG)** —— 上传文档后基于向量数据库进行精准问答  
- 📊 **数据分析 Agent** —— 上传 CSV 文件后可进行数据分析和可视化  


## 📂 项目结构
```bash
llm-usekit/  
├── utils/                 # 工具 & 后台逻辑  
│ ├── vsgen.py             # 视频脚本生成器逻辑  
│ ├── chat.py              # 聊天助手逻辑  
│ ├── rag_tool.py          # RAG 文档问答逻辑  
│ ├── agent_tool.py        # 数据分析 Agent 逻辑  
│ ├── sidebar.py           # 通用侧边栏（语言切换 & 模型选择）  
│ └── llm_factory.py       # 统一的大模型实例工厂  
│  
├── pages/                 # Streamlit 多页面前端  
│ ├── Chat-Bot.py          # 聊天助手页面  
│ ├── Q&A-Rag.py           # 文档问答页面  
│ └── Data-Agent.py        # 数据分析 Agent 页面  
│  
├── VS-Gen.py              # 主入口页面（视频脚本生成器）  
├── texts.json             # 多语言文案配置  
├── requirements.txt       # 依赖文件  
└── README.md              # 项目说明文档  
```


## ⚙️ 环境配置

1. 克隆仓库：
   ```bash
   git clone https://github.com/Shao0203/llm-usekit.git
   ```
2. 创建虚拟环境并安装依赖：  
   ```bash
   cd llm-usekit               # 进入项目目录
   python -m venv .venv        # 创建虚拟环境
   source .venv/bin/activate   # Mac/Linux
   .\.venv\Scripts\activate      # Windows

   pip install -r requirements.txt
   ```
3. 配置 API Keys:  
   本地开发时可以在项目根目录下创建 `.env`文件: 
   ```bash
   # .env文件中存入以下api keys信息 - 
   OPENAI_API_KEY = "your_openai_key"
   DEEPSEEK_API_KEY = "your_deepseek_key"
   KIMI_API_KEY = "your_kimi_key"
   QWEN_API_KEY = "your_qwen_key"
   ```
   或在系统环境变量`.zshrc`中配置:
   ```bash
   # vi ~/.zshrc - 命令行进入系统环境变量，然后存入以下api keys信息：
   export OPENAI_API_KEY = "your_openai_key"
   export DEEPSEEK_API_KEY = "your_deepseek_key"
   export KIMI_API_KEY = "your_kimi_key"
   export QWEN_API_KEY = "your_qwen_key"
   ```


## ▶️ 运行项目
启动主页面 - 视频