Multi-llm app: Script generation, Chatbot, Docs RAG, Data analysis Agent.

📦 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

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：

   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"
   

▶️ 运行项目

启动主页面 - 视频