当前位置: 首页 > news >正文

Gemini Fullstack LangGraph Quickstart(DeepSeek+Tavily版本)

文章目录

  • 参考资料
  • 说明
  • Gemini Fullstack LangGraph Quickstart
  • DeepSeek Fullstack LangGraph Quickstart
    • 项目部署
      • 完整源码地址
      • 后端部署
      • 前端部署

参考资料

  • DeepResearch应用开发实战
  • 网盘课件资料

说明

  • 本文仅供学习和交流使用,感谢赋范社区相关老师的辛苦付出!

Gemini Fullstack LangGraph Quickstart

  • Gemini Fullstack LangGraph Quickstart(深度研究增强型对话式 AI 系统)是 Google 在 2025 年6月开源的一个全栈 AI Agent 模板项目。结合 Google 的大语言模型 Gemini 2.5 系列和开源的 LangGraph 框架,提供了一个端到端的示例应用,展示如何构建一个研究增强型的对话式 AI 系统。
  • 这个项目的后端借助 LangGraph 编排的智能 Agent,能够对用户查询执行深度资料检索:自动生成搜索关键词、使用 Google 搜索获取资料、分析结果找出知识空白,并不断迭代检索,直到形成有依据的答案并给出引用来源。前端则提供了一个 React 网页界面,允许用户方便地与 Agent 进行对话交互。
  • Gemini Fullstack LangGraph Quickstart的核心是一套自动化深度搜索与问答功能,旨在解决“如何让对话式AI给出有依据的深入回答”这一问题。它主要体现为一个多步骤的“研究型 Agent”,可以将用户的提问转化为搜索行动,并经过一系列推理最终返回答案。项目的主要功能和特点包括:动态查询生成、网络资料检索、反思与知识空白分析、迭代搜索完善、基于证据的回答生成。

  • 架构上,采用前后端解耦的全栈架构:前端是基于 React+Vite 构建的单页应用,提供用户友好的聊天界面,配以 Tailwind CSS 和 Shadcn UI 组件库美化界面。后端是基于 FastAPI 的服务,承载 LangGraph 智能体逻辑和 API 接口。这种架构清晰划分了界面展示和AI推理两个层面,便于分别开发和调试。
    在这里插入图片描述
  • Gemini Fullstack LangGraph Quickstart 可以看作是 LangGraph 框架的一个示范性应用(template 项目)。
  • LangGraph 是 LangChain 团队推出的一个开源库,专门用于构建可控的多步骤 LLM 工作流。与传统顺序链式调用相比,LangGraph 引入“有状态图(stateful graph)”的概念,将复杂任务拆解为节点、并用图结构管理执行流程。开发者可以在 LangGraph 中定义节点(例如一次 LLM 推理或一个工具操作),以及状态在节点之间的传递方式,从而打造出具有决策分支和循环能力的智能体。
  • 在本项目中,后端 Agent 就是基于 LangGraph 实现的。项目的 backend/ 目录下包含了 LangGraph Agent 的定义(主要逻辑在 backend/src/agent/graph.py)。LangGraph 提供了整个多步骤推理过程的“骨架”和运行时支持,而 Gemini 等 LLM 则是完成每个节点任务的“大脑”。 具体而言,LangGraph 在该项目中扮演了以下角色:流程编排、状态管理、异步与执行控制。

DeepSeek Fullstack LangGraph Quickstart

  • Gemini Fullstack LangGraph Quickstart本质上是 Google 自家的模型调用自家的搜索能力。所以,对国内的用户来说并不是很友好。

  • 九天等老师对项目做了二次开发,将底层的基座模型替换成了DeepSeek模型,并且将联网检索功能替换为LangGraph可以支持的Tavily联网检索。同时,也修改了提示词为中文,使得在执行任务时能够以中文的形式进行输出和总结。

  • 项目源码文件
    在这里插入图片描述

  • gitee平台项目地址

项目部署

完整源码地址

  • Deepseek Fullstack Langgraph Quickstart

后端部署

  1. 进入deepseek-fullstack-langgraph-quickstart\backend目录
    cd D:\Code\deepseek-fullstack-langgraph-quickstart\backenduv venv
    # source venv/bin/activate # linux command
    .venv\Scripts\activate # windows command
    
  2. 在虚拟python环境中,安装第三方依赖和langgraph-cli
    pip install .
    pip install -U "langgraph-cli[inmem]"
    
  3. 以管理员身份启动终端,启动后端服务
    langgraph dev
    

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

前端部署

  1. 打开终端,进入frontend目录,执行以下命令,:
    cd frontend
    npm install
    
  2. 然后访问http://localhost:5173/app,进行测试。
    在这里插入图片描述
http://www.lryc.cn/news/605605.html

相关文章:

  • 智慧园区通行效率↑68%!陌讯多模态融合算法的实战解析
  • 【Cpolar实现内网穿透】
  • 转码刷 LeetCode 笔记[1]:3.无重复字符的最长子串(python)
  • 解决宇道项目关于接收日期格式yyyy-MM-dd HH:mm:ss后端自动转为1970-01-01 00:00:00的问题
  • 计算机网络——UDP
  • TOC-Transformer-LSTM-ABKDE,计算机一区算法龙卷风优化算法应用到概率区间预测!Matlab实现
  • css 不错的按钮动画
  • Linux日志管理与时间同步
  • 【数据结构初阶】--二叉树(六)
  • React组件化的封装
  • uniapp中uview组件中u-input格式化后赋值踩坑
  • BGP高级特性之认证
  • 大量图片一次性上传,前端优化方式
  • 使用ANSYS Fluent和群体平衡模型对搅拌罐反应器中的气泡动力学进行建模
  • FastAPI docs接口文档打不开怎么解决
  • 【Linux我做主】进程优先级
  • 智慧收银系统开发进销存库存统计,便利店、水果店、建材与家居行业的库存汇总管理—仙盟创梦IDE
  • 个股期权合约期内遇到标的停牌,如何处置?
  • React的基本语法和原理
  • Protobuf动态解析
  • 自动化备份全网服务器数据平台
  • Spring Boot 项目问题:Web server failed to start. Port 5566 was already in use.
  • [2025CVPR-小样本方向]ImagineFSL:基于VLM的少样本学习的想象基集上的自监督预训练很重要
  • 【大数据】open_metadata 开源元数据管理平台建设与数据血缘实践
  • Kafka在Springboot项目中的实践
  • 分布式微服务--万字详解 微服务的各种负载均衡全场景以注意点
  • 多云场景实战:华为手机 QR 码绑定与 AWS云服务器终端登录全解
  • 【日常问题解决方案】VS2022不小心解决方案资源管理器把关掉了怎么办
  • 力扣46:全排列
  • 数据库学习------数据库隔离类型及其与事务特性