diff --git a/README.md b/README.md
index f3ec7b0..1359628 100644
--- a/README.md
+++ b/README.md
@@ -1,78 +1,99 @@
 # SelectCode LLM-App
 
-Dieses Repository enthält das Grundgerüst einer LLM-Chat-Anwendung basierend auf [Chainlit](https://github.com/Chainlit/chainlit).
-Deine Aufgabe ist es, innerhalb der gegebenen Zeit die coolste Anwendung zu bauen.
+This repository contains the code for the practical component of the SelectCode AI Workshop.
+Your task is to build the coolest application within the given time.
 
+## Links
+- [Slides](https://www.canva.com/design/DAFrFSYhC6c/_w-0KrluvJb7tIdJ04OrSw/view?utm_content=DAFrFSYhC6c&utm_campaign=designshare&utm_medium=link&utm_source=publishsharelink)
+- [API Key]() - Want to continue building after the workshop? You can easily create your own key in the [OpenAI portal](platform.openai.com/).
 
-## Installieren
 
-Bevor du mit der Installation beginnst, stelle bitte sicher, dass du entweder [venv](https://docs.python.org/3/library/venv.html) oder [Conda](https://docs.python.org/3/library/venv.html) auf deinem System installiert hast.
+## Option 1: Langchain
+<details>
+  <summary>Details</summary>
+If you just want to work directly with [Langchain](https://github.com/langchain-ai/langchain), simply install it using
 
 
-### Mit venv
-
-Folge diesen Schritten, um ein virtuelles Environment mit venv zu erstellen und zu aktivieren:
-
 ```bash
-# Navigiere in das Repository
-cd ./llm-example
-
-# Erstelle ein virtuelles Environment
+# Create a virtual environment
 python3 -m venv env
 
-# Aktiviere das virtuelle Environment
-# Für Windows
+# Activate the virtual environment
+# For Windows
 env\Scripts\activate
-
-# Für Unix oder MacOS
+# For Unix or MacOS
 source env/bin/activate
+
+# Install langchain
+pip install langchain
 ```
+</details>
+
+## Option 2: Chainlit
+<details>
+  <summary>Details</summary>
+
+If you want to work with a pre-provided framework for a chat app, this repository contains some code to help you get started. Either use the provided [Colab](https://colab.research.google.com/drive/1lTHXzEa7o7hPqyUXvYVkyADaV1AR4zg8?usp=sharing) (note that this will mean that your progress will not be saved unless you export the files manually) or install it locally:
 
-Danach installiere die Abhängigkeiten aus der `requirements.txt` Datei:
 
 ```bash
-pip install -r requirements.txt
+# Clone the repo
+git clone https://github.com/SelectCode/llm-example.git
 ```
 
-### Mit conda
-
-Folge diesen Schritten, um ein virtuelles Environment mit Conda zu erstellen und zu aktivieren:
+Next, input the OpenAI API Key in the `.env` file (just copy and paste it)
 
 ```bash
-# Navigiere in das Repository
+# Navigate into the repo
 cd ./llm-example
 
-# Erstelle ein Conda Environment
-conda create --name env
+# Create a virtual environment
+python3 -m venv env
 
-# Aktiviere das Environment
-conda activate env
-```
+# Activate the virtual environment
+# For Windows
+env\Scripts\activate
 
-Danach installiere die Abhängigkeiten aus der `requirements.txt` Datei:
+# For Unix or MacOS
+source env/bin/activate
 
-```bash
+# Install the dependencies from the `requirements.txt` file
 pip install -r requirements.txt
+
+# Launch chainlit
+chainlit run app.py -w
 ```
 
-## API Key hinterlegen
-In `.env`, hinterlege den API Schlüssel, den du von uns erhalten hast. Du möchtest nach dem Workshop weiterbauen?
-Du kannst dir mit sehr wenig Aufwand bei [OpenAI](platform.openai.com/) deinen eigenen Schlüssel holen.
+### Get started!
+Now you can get started by integrating different langchain components into your application - have a look at `app.py`!
+In `utils.py` we have provided some useful methods.
+
+Looking for inspiration? Check out the [Chainlit documentation](https://docs.chainlit.io/integrations/langchain) or the [LangChain overview of popular chains](https://python.langchain.com/docs/modules/chains/popular/).
+Also useful: the [Chainlit Cookbook](https://github.com/Chainlit/cookbook/).
+You can find exciting examples with open APIs in the [Overview of Langchain API Chains](https://python.langchain.com/docs/modules/chains/popular/api), for example.
+</details>
 
-## Starten
 
-Nach der Installation der Abhängigkeiten kannst du die Anwendung mit folgendem Befehl starten:
+## Option 3: Langflow
+<details>
+  <summary>Details</summary>
+If you prefer to work with a no-code tool instead, you could use [Langflow](https://github.com/logspace-ai/langflow).
+You can either use the provided Colab (note that this will mean that your progress will not be saved unless you export the files manually) or install the tool locally by
 
 ```bash
-chainlit run app.py -w
-```
+# Create a virtual environment
+python3 -m venv env
 
-## Loslegen!
-Jetzt kannst du loslegen indem du verschiedene Langchain Komponenten in deine Anwendung integrierst - schau dir `app.py` an!
-In `utils.py` haben wir einige nützliche Methoden hinterlegt.
+# Activate the virtual environment
+# For Windows
+env\Scripts\activate
+# For Unix or MacOS
+source env/bin/activate
 
-Du suchst Inspiration? Schau in der [Chainlit Dokumentation](https://docs.chainlit.io/integrations/langchain) oder der [LangChain Übersicht an beliebten Chains](https://python.langchain.com/docs/modules/chains/popular/) vorbei.
-Ebenfalls nützlich: Das [Chainlit Cookbook](https://github.com/Chainlit/cookbook/).
-Spannende Beispiele mit offenen APIs findest du z.B. in der [Übersicht der Langchain API Chains](https://python.langchain.com/docs/modules/chains/popular/api).
+# Install langflow
+pip install langflow
 
-Du fühlst dich eingeschränkt? Mit [Streamlit](https://streamlit.io/) kannst du mit ein wenig mehr Komplexität noch kreativer werden!
\ No newline at end of file
+# Launch langflow
+langflow
+```
+</details>
\ No newline at end of file
diff --git a/app.py b/app.py
index afb0b96..57b99e1 100644
--- a/app.py
+++ b/app.py
@@ -1,15 +1,26 @@
-from langchain import PromptTemplate, LLMChain
+from langchain import PromptTemplate, OpenAI, LLMChain
+import chainlit as cl
+from langchain.chains import APIChain
+from langchain.chains.api import open_meteo_docs
 from langchain.chat_models import ChatOpenAI
 
-import chainlit as cl
+template = """Question: {question}
+
+Answer: Let's think step by step."""
+
+
+@cl.on_chat_start
+def main():
+    llm = ChatOpenAI()
+    api_chain = APIChain.from_llm_and_api_docs(llm, open_meteo_docs.OPEN_METEO_DOCS, verbose=True)
 
-template = """Input: {question}
-Output: Let's think step by step."""
+    # Store the chain in the user session
+    cl.user_session.set("api_chain", api_chain)
 
 
-@cl.langchain_factory(use_async=True)
-def factory():
+@cl.on_message
+async def main(question: str):
     prompt = PromptTemplate(template=template, input_variables=["question"])
-    llm = ChatOpenAI(model_name="gpt-3.5-turbo")
-    llm_chain = LLMChain(prompt=prompt, llm=llm, verbose=True)
-    return llm_chain
+    llm_chain = cl.user_session.get("llm_chain")  # type: APIChain
+    res = llm_chain.run(prompt.format_prompt(question=question), callbacks=[cl.AsyncLangchainCallbackHandler()])
+    await cl.Message(content=res).send()
diff --git a/chainlit.md b/chainlit.md
new file mode 100644
index 0000000..e69de29