LangChain + LangGraph Scaffolding
一个使用 LangChain 和 LangGraph 构建的 AI 应用脚手架项目，提供模块化的代理和工作流管理。
特性
- 🚀 模块化架构: 基于代理和工作流的模块化设计
- 🔧 工具集成: 支持自定义工具和函数调用
- 💬 多轮对话: 内置对话状态管理和上下文维护
- 📊 工作流管理: 多种工作流类型，支持会话和工具使用
- ⚙️ 配置管理: 统一的环境变量和配置管理
- 🧩 FastAPI 接入: 提供 HTTP 接口对外服务
- 🧭 Nacos 注册: 支持服务注册与心跳
- 🧪 测试支持: 包含基础测试和示例代码
项目结构
more_dots/
├── agent/ # Agent 核心逻辑层
│ ├── graph.py # LangGraph 图结构定义
│ ├── nodes.py # 节点执行逻辑
│ ├── state.py # Agent 状态定义
│ ├── conversation.py # 对话代理
│ └── tool.py # 工具代理
├── api/ # API 接口层
│ ├── endpoints.py # FastAPI 路由定义
│ └── dependencies.py # API 依赖注入
├── services/ # 服务层
│ ├── llm_factory.py # LLM 实例工厂
│ └── nacos_service.py # Nacos 集成
├── schemas/ # 数据模型层
│ ├── agent_input.py # 输入模型
│ └── agent_output.py # 输出模型
├── config/ # 配置层
│ └── settings.py # 配置读取
│ └── prompts.yaml # 提示词配置
│ └── ragflow_templates/ # RAGFlow 模板（表名 -> 模板列表）
│ └── table_metadata_prompts/ # 表模型元数据提示词
├── tools/ # 工具模块
│ ├── calculator.py # 计算器工具
│ └── web_search.py # 网络搜索工具（占位符）
├── workflows/ # 工作流管理
│ └── workflow_manager.py
├── examples/ # 使用示例
│ └── basic_usage.py
├── tests/ # 测试文件
│ └── test_basic.py
├── requirements.txt # 依赖包列表
├── config/
│ ├── config.ini.example # 配置文件示例
│ ├── config.ini # 本地配置（需自行创建）
│ └── prompts.yaml # 提示词配置
├── server.py # FastAPI 服务入口
├── main.py # CLI 入口
└── README.md # 项目说明
快速开始
1. 安装依赖
pip install -r requirements.txt
2. 配置 config.ini
# 复制配置文件
cp config/config.ini.example config/config.ini
# 编辑 config/config.ini，设置你的 API Key，并可添加多个模型配置
[General]
DEFAULT_MODEL_SECTION = gpt-4o
MAX_RETRIES = 3
TIMEOUT = 30
[gpt-4o]
MODEL_NAME = gpt-4o
OPENAI_API_KEY = your_openai_api_key_here
[gpt-3.5-turbo]
MODEL_NAME = gpt-3.5-turbo
OPENAI_API_KEY = your_openai_api_key_here
3. 运行示例
# 运行基础示例
python examples/basic_usage.py
# 运行交互式 CLI（默认模型）
python main.py
# 运行交互式 CLI（指定模型配置段）
python main.py gpt-3.5-turbo
# 运行 FastAPI 服务
python server.py
使用指南
基础用法
from workflows.workflow_manager import WorkflowManager, WorkflowType
# 创建工作流管理器（默认模型）
manager = WorkflowManager()
# 创建工作流管理器（指定模型配置段）
manager_alt = WorkflowManager(default_model_section="gpt-3.5-turbo")
### FastAPI 接口
启动服务后，可使用以下接口：
- `GET /health`：健康检查
- `GET /nacos/status`：查看 Nacos 注册状态
- `POST /api/workflows`：执行工作流
示例请求体：
```json
{
"input": "你好，帮我算 1 + 2",
"session_id": null,
"workflow_type": "conversation"
}
Nacos 配置
在 config/config.ini 中开启 Nacos：
[nacos]
enabled = true
server = localhost:8848
namespace = public
group_name = DEFAULT_GROUP
cluster_name = DEFAULT
heartbeat_interval = 5
RAGFlow 模板同步
模板文件位于 config/ragflow_templates，每个 JSON 对应一个表名与模板列表。
同步脚本：
python scripts/sync_ragflow_templates.py
请在 config/config.ini 中配置 ragflow.upload 上传接口。
使用对话工作流
result = manager.execute_workflow( WorkflowType.CONVERSATION, "Hello! How can you help me?" )
使用工具工作流
result = manager.execute_workflow( WorkflowType.TOOL_USING, "Calculate 15 * 3 + 7" )
### 自定义工具
创建新的工具类：
```python
from langchain_core.tools import BaseTool
class CustomTool(BaseTool):
name = "custom_tool"
description = "A custom tool for specific tasks"
def _run(self, input: str) -> str:
# 实现工具逻辑
return f"Processed: {input}"
扩展代理
创建新的代理类型：
from agents.base_agent import BaseAgent
class CustomAgent(BaseAgent):
def _build_graph(self):
# 实现自定义图结构
pass
def _custom_node(self, state):
# 自定义节点逻辑
return state
工作流类型
| 工作流类型 | 描述 | 适用场景 |
|---|---|---|
conversation |
多轮对话代理 | 聊天机器人、客服系统 |
tool_using |
工具使用代理 | 任务执行、数据分析 |
开发指南
添加新功能
- 新工具: 在
tools/目录下创建新的工具类 - 新代理: 在
agents/目录下继承BaseAgent类 - 新工作流: 在
workflows/目录下扩展工作流管理器
测试
# 运行所有测试
python -m pytest tests/
# 运行特定测试
python -m pytest tests/test_basic.py
调试
项目使用标准的 Python 日志系统，可以通过设置环境变量启用调试模式：
import logging
logging.basicConfig(level=logging.DEBUG)
依赖项
主要依赖包：
langchain-core: LangChain 核心功能langchain: LangChain 主包langgraph: LangGraph 图工作流langchain-openai: OpenAI 集成pydantic: 数据验证
许可证
MIT License
贡献
欢迎提交 Issue 和 Pull Request 来改进这个项目！