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

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  

1. 克隆仓库：

   git clone https://github.com/Shao0203/llm-usekit.git

2. 创建虚拟环境并安装依赖：

   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:

   # .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:

   # 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"

启动主页面 - 视频脚本生成器 (子页面会随之启动)：

streamlit run VS-Gen.py  

• 启动后浏览器会自动打开：http://localhost:8501
• 左侧导航栏可切换到 Chat-Bot / Q&A-Rag / Data-Agent 页面。

1. 🎬 VS-Gen
   输入视频主题，生成视频脚本文案；
   所有页面可调用不同大模型（OpenAI / DeepSeek / Kimi / Qwen）；
2. 🤖 Chat-Bot
   带记忆的多轮对话（类似Chatgpt或DeepSeek使用体验）；
   基于 RunnableWithMessageHistory + InMemoryChatMessageHistory；
3. 📄 Q&A-RAG
   上传文档 → 向量化存储 → 智能问答；
   让 AI 基于你提供的知识来回答问题（Retrieval Augmented Generation）；
4. 📊 Data-Agent
   上传 CSV 文件 → 提出分析/绘图需求 → 自动生成结果；
   基于 LangChain Agent + Pandas；

• 🔄 多语言支持（中文 / English / 可扩展任意语种）
• 🧩 模块化设计（不同工具独立实现，统一集成，前后端分离）
• 🔌 多模型支持（OpenAI / DeepSeek / Kimi / Qwen，在侧边栏切换。可扩展任意模型）
• 💾 会话记忆（Chat-Bot 页面支持对话历史记忆）
• 📚 文档问答 RAG（支持 TXT / PDF / DOCX 上传，向量化存储检索）
• 📊 数据分析 Agent（上传CSV文档，数据分析总结与自动生成可视化图表）

本项目采用 MIT License。
自由使用、修改和二次开发，但请保留原始声明。

本项目基于以下优秀项目与框架构建：

• LangChain
• Streamlit
• OpenAI
• DeepSeek
• Kimi
• Qwen

llm-usekit is a multi-purpose LLM (Large Language Model) toolkit built with LangChain + Streamlit + multiple LLM APIs (OpenAI, DeepSeek, Kimi, Qwen, etc.). It provides several ready-to-use applications, including:

• 🎬 Video Script Generator —— Provide a topic to generate video script
• 💬 Chat-Bot with memory —— Chat with AI and ask questions
• 📑 Document Q&A (RAG) —— Upload documents and ask questions powered by vector search
• 📊 Data Analysis Agent —— Upload CSV files for automatic data analysis & visualization

llm-usekit/  
├── utils/                 # Backend logic & utilities 
│ ├── vsgen.py             # Video Script Generator logic  
│ ├── chat.py              # Chat-Bot logic  
│ ├── rag_tool.py          # RAG (Document Q&A) logic   
│ ├── agent_tool.py        # Data Analysis Agent logic  
│ ├── sidebar.py           # Shared sidebar (language switch & model selection)  
│ └── llm_factory.py       # Unified LLM factory  
│  
├── pages/                 # Streamlit multipage frontend  
│ ├── Chat-Bot.py          # Chat-Bot page  
│ ├── Q&A-Rag.py           # Document Q&A page  
│ └── Data-Agent.py        # Data Analysis Agent page  
│  
├── VS-Gen.py              # Main entry page (Video Script Generator)  
├── texts.json             # Multi-language text configuration  
├── requirements.txt       # Dependencies  
└── README.md              # Project documentation  

1. Clone the repository:

   git clone https://github.com/Shao0203/llm-usekit.git

2. Create a virtual environment and install dependencies:

   cd llm-usekit               # Enter project folder
   python -m venv .venv        # Create virtual environment
   source .venv/bin/activate   # Mac/Linux
   .\.venv\Scripts\activate      # Windows
   
   pip install -r requirements.txt

3. Configure API Keys:
   For local development, create a .env file in the project root:

   # .env file 
   OPENAI_API_KEY = "your_openai_key"
   DEEPSEEK_API_KEY = "your_deepseek_key"
   KIMI_API_KEY = "your_kimi_key"
   QWEN_API_KEY = "your_qwen_key"

   Or set them in your system environment variables (e.g., .zshrc):

   # ~/.zshrc
   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"

Launch the main app (Video Script Generator, with all sub-pages included):

streamlit run VS-Gen.py  

• The browser will automatically open：http://localhost:8501
• Use the left sidebar to navigate to Chat-Bot / Q&A-Rag / Data-Agent.

1. 🎬 VS-Gen
   Generate a video script by entering a topic;
   Supports multiple LLMs (OpenAI / DeepSeek / Kimi / Qwen).
2. 🤖 Chat-Bot
   Multi-turn conversations with memory (similar to ChatGPT / DeepSeek);
   Powered by RunnableWithMessageHistory + InMemoryChatMessageHistory.
3. 📄 Q&A-RAG
   Upload a document → vector storage → ask questions;
   Retrieval-Augmented Generation ensures accurate, context-based answers.
4. 📊 Data-Agent
   Upload a CSV → request analysis or plots → get results automatically;
   Built on LangChain Agent + Pandas.

• 🔄 Multi-language support (Chinese / English / easily extendable)
• 🧩 Modular design (independent tools, unified integration, frontend-backend separation)
• 🔌 Multi-LLM support (OpenAI / DeepSeek / Kimi / Qwen, selectable in sidebar; easily extensible)
• 💾 Conversation memory (Chat-Bot supports persistent chat history)
• 📚 RAG Q&A supports TXT / PDF / DOCX uploads with vector-based retrieval)
• 📊 Data Analysis Agent (CSV upload with auto-generated insights & visualizations)

This project is licensed under the MIT License.
You are free to use, modify, and distribute it, but please retain the original license notice.

This project is powered by the following excellent tools and frameworks:

• LangChain
• Streamlit
• OpenAI
• DeepSeek
• Kimi
• Qwen