mcpField
W
weaviate-cookbooks

weaviate-cookbooks

github.com/weaviate开发104351 次安装1 周前更新
代码仓库

关于 weaviate-cookbooks

weaviate-cookbooks 汇集了构建 Weaviate AI 应用的指南，面向需要实现模式的开发者，内容涵盖 RAG、Agent、数据探索、聊天界面和异步客户端。

主要功能

  1. 01基础与高级 RAG 指南
  2. 02Agent 与 Agentic RAG 模式
  3. 03Query Agent 聊天机器人指南
  4. 04数据探索器实现指南
  5. 05异步 Python 客户端指南

适用场景

  1. 01搭建 Weaviate RAG 应用
  2. 02使用 DSPy 构建工具调用 Agent
  3. 03构建支持流式输出和聊天历史的机器人
  4. 04为 Weaviate 后端添加 Next.js 前端

安装

复制下面的命令，在终端中运行。

$npx skills add https://github.com/weaviate/agent-skills --skill weaviate-cookbooks

安装后在 Claude Code 中输入/weaviate-cookbooks确认已加载。

包含的文件

除 SKILL.md 外，安装时一起下载的参考资料和脚本。

references/
advanced_rag.md
agentic_rag.md
async_client.md
basic_agent.md
basic_rag.md
data_explorer.md
environment_requirements.md
frontend_interface.md
pdf_multimodal_rag.md
project_setup.md
query_agent_chatbot.md

详细介绍

Weaviate 食谱

概述

此技能提供实现指南索引，以及构建由 Weaviate 驱动的 AI 应用所需的基础要求。使用这些参考资料，按照最佳实践快速搭建全栈应用，妥善处理连接管理、环境设置和应用架构。

Weaviate Cloud 实例

如果用户还没有实例，请引导他们前往云控制台注册并创建免费沙盒。通过 Weaviate Cloud 创建 Weaviate 实例。

开始任何食谱之前

生成任何食谱应用之前，请遵循以下通用指南：

然后参阅下方对应的食谱。

食谱索引

  • 查询 Agent 聊天机器人：使用 Weaviate Query Agent 构建全栈聊天机器人，支持流式传输和聊天历史记录。
  • 数据浏览器：构建全栈数据浏览器应用，包括排序、关键词搜索和 Weaviate 数据的表格视图。
  • 多模态 RAG：构建文档搜索：使用 Weaviate Embeddings（ModernVBERT/colmodernvbert）和 Ollama 搭配 Qwen3-VL 生成内容，构建多模态检索增强生成（RAG）系统。
  • 基础 RAG：使用 Weaviate 实现基础检索与生成，适用于从 Weaviate 集合检索各类数据。
  • 高级 RAG：在基础 RAG 的基础上添加重排序、查询分解、查询改写和大模型筛选器选择等功能。
  • 基础 Agent：使用 DSPy 构建具有结构化输出的工具调用型 AI Agent。涵盖 AgentResponse 签名、RouterAgent、工具设计和顺序多步循环。
  • Agentic RAG：使用 Weaviate 构建由 RAG 驱动的 AI Agent。涵盖朴素 RAG 工具、由大模型创建筛选器的分层 RAG、向量数据库记忆、Weaviate Query Agent 和 Elysia 集成。

界面（可选）

仅当用户明确要求为 Weaviate 后端构建前端时，才使用此内容。

  • 前端界面：构建一个 Next.js 前端，以便与 Weaviate 后端交互。

客户端用法

  • 异步客户端：在生产应用（FastAPI、异步框架）中使用 Weaviate Python 异步客户端的指南。涵盖连接模式、生命周期管理、常见问题和多集群设置。

评论

支持 Markdown