关于 langchain-retrieval-agent
langchain-retrieval-agent 是基于 LangGraph 的文档问答 Agent 模板,面向构建 RAG 应用的开发者。它使用 Supabase pgvector 存储向量,并通过检索工具回答文档问题。
主要功能
- 01基于 LangGraph 的 Agent
- 02文档检索问答
- 03使用 Supabase pgvector
- 04基于 Next.js 的项目模板
适用场景
- 01搭建文档 RAG 问答应用
- 02以 Supabase pgvector 保存向量
- 03基于 LangChain.js 构建检索 Agent
安装
复制下面的命令,在终端中运行。
$
npx skills add https:/ / github.com/ rebyteai-template/ rebyte-skills --skill langchain-retrieval-agent安装后在 Claude Code 中输入/langchain-retrieval-agent确认已加载。
详细介绍
LangChain 检索 Agent
一个使用 LangGraph 构建、借助 RAG 进行文档问答并配备检索工具的 AI Agent。
技术栈
- 框架:Next.js
- AI:LangChain.js、LangGraph、AI SDK
- 向量存储:Supabase pgvector
- 包管理器:pnpm
前置条件
- 启用了 pgvector 扩展的 Supabase 项目
- OpenAI API 密钥
设置
1. 克隆模板
git clone --depth 1 https://github.com/Eng0AI/langchain-retrieval-agent.git .
如果目录不为空:
git clone --depth 1 https://github.com/Eng0AI/langchain-retrieval-agent.git _temp_template
mv _temp_template/* _temp_template/.* . 2>/dev/null || true
rm -rf _temp_template
2. 移除 Git 历史记录(可选)
rm -rf .git
git init
3. 安装依赖
pnpm install
4. 设置环境变量
SUPABASE_URL- Supabase 项目 URLSUPABASE_PRIVATE_KEY- Supabase 服务角色密钥OPENAI_API_KEY- 用于嵌入和大模型
构建
pnpm build
开发
pnpm dev
评论
支持 Markdown