Fiche outil
liveloveapp/hashbrown
github.com
Un framework TypeScript headless pour ajouter un chat IA et des agents avec une UI générative aux applications React et Angular.
Ce qu'il fait
liveloveapp/hashbrown
Hashbrown est un framework TypeScript headless pour créer des chats IA et des agents dans React et Angular, permettant aux modèles de rendre vos composants enregistrés et d'appeler des outils côté navigateur avec une sortie structurée en streaming. Il s'adresse aux développeurs frontend qui souhaitent une UI générative tout en conservant leurs propres composants et leur design system, et il fonctionne avec n'importe quel fournisseur de modèles tel qu'OpenAI, Anthropic, Gemini, Bedrock, Azure ou Ollama. Il est proposé sous forme de packages npm répartis en core, framework et adaptateurs de fournisseurs.
Tags
Catégories
Aucun résumé n'a encore été ajouté.
FAQ
Questions fréquentes
- Qu’est-ce que liveloveapp/hashbrown ?
- Hashbrown est un framework TypeScript headless pour créer des chats IA et des agents dans React et Angular, permettant aux modèles de rendre vos composants enregistrés et d'appeler des outils côté navigateur avec une sortie structurée en streaming. Il s'adresse aux développeurs frontend qui souhaitent une UI générative tout en conservant leurs propres composants et leur design system, et il fonctionne avec n'importe quel fournisseur de modèles tel qu'OpenAI, Anthropic, Gemini, Bedrock, Azure ou Ollama. Il est proposé sous forme de packages npm répartis en core, framework et adaptateurs de fournisseurs.
- Combien coûte liveloveapp/hashbrown ?
- liveloveapp/hashbrown applique un modèle tarifaire : Open source. Consultez le site officiel pour les offres actuelles.
- À quoi sert liveloveapp/hashbrown ?
- liveloveapp/hashbrown est référencé sur TolsAI dans ces catégories : Open Source.
- Où utiliser liveloveapp/hashbrown ?
- liveloveapp/hashbrown est disponible sur son site officiel, github.com.
Explorer
Plus dans Open Source
Un harnais agentique open source pour un agent IA auto-améliorant qui planifie et exécute les tâches que vous décrivez.
Un moteur RAG sans vecteurs, basé sur le raisonnement, qui indexe les documents sous forme d'arbres et effectue la récupération avec le raisonnement d'un LLM.
Une bibliothèque Python de type PyTorch pour construire et auto-optimiser des workflows LLM tels que les chatbots, le RAG et les agents.
Une interface web modulaire pour générer des images, des vidéos et de l'audio avec des modèles d'IA comme Stable Diffusion, Flux et Wan.
Un guide étape par étape pour concevoir des systèmes d'IA basés sur les LLM, le RAG et les agents d'IA.
Moteur de pipeline d'IA open source pour créer, déboguer et déployer des workflows LLM et l'orchestration d'agents depuis votre IDE.
Discussion
Discussion
Connectez-vous pour participer à la discussion
Aucun commentaire pour le moment. Lancez la discussion.