yichunfu5-prog/langchain-rag-agent

このページは AI により自動翻訳されています。技術的な詳細は原文をご確認ください。原文を見る

23 stars 1 forks 品質 51 トレンド 14

IQ ベースの土地の掃引/引のロボット AI のスマートな乗客サービス。 StromaDBとWebアプリケーション(ユーザー・スマート・クエリ+ビジネス・ナレッジ・バンク・マネジメント)は、セマンティック・レトリバルとIPのポジショニングと気象認識のためのベクトルデータベースとして、MCPプロトコルの統合からGoth Mapへの統合、Qwen3-Maxを推論エンジンとして利用しています。

概要

ロボットのスイープ/トローリングのためのAIスマート旅客サービスで、Webアプリケーションの2ページを提供します。 - セマンティック検索: ベクトル類似性に基づく知識ベース検索, メンテナンスのサポート, トラブルシューティング, 選択ガイド, 一般的な質問 - ツールコール: LLLM決定ナレッジバンクをチェックするときは、ハイランドマップAPIをAlterする際の場所を取る/ 天気 - 一貫性:対話履歴は、自動的にローカルJSONファイルに保存され、更新され、失われたことはありません - ライブラリに戻る:MD5コンテンツに基づいてリロードし、ドキュメントセグメントの汚染結果の重複を避ける次の分析は、次の各主要な決定が含まれます:使用される技術、選択の理由、ボトムラインの合理的、代替の比較、利点の分析、および知識の移行のパス。設計Straamlit + Langchainの年齢+ RAG + MCPの雑種の乗客サービスアーキテクチャ - LLMのトレーニングデータには、最新のサイトスイープロボティクスと障害コードをカバーしない期限があります - ユーザーの質問は、リアルタイム情報(気象影響のクリーンアップの推奨事項、地域推奨購買チャネル) - 複数のインテントは、単一のエントリーポイント(製品コンサルティング/故障チェック/気象リンク/購入提案)で処理する必要がある - チームサイズは小さく、各インテントごとにルートロジックを開発することはできません - エージェントモデルは、LLMがどのツールを使用しても、直感的なソーダを作成することなく、長期的な問題の自然な圧迫 - ツールは、ローカル検索者(RAG)またはリモートAPI(MCP)、統一されたインタフェース、拡張 - Langchain's Create Agent()には、複数のステップ推論に対処するために、Reactループ(アクションウォッチを考える)が含まれています LangChain Create Agent() は、このサイクルを angent.ainvoke() に置き、開発者がループロジックを手で書き込むことなく行います。各 LLM 呼び出しは完全な API リクエストなので、Agent モードのトークン消費 = N 回通常の対話 (N = ツール呼び出し回数 + 1) です。ツールはLMの手です。各ツールには、名前(名前)、説明(説明、LLMを使用するとき)、入力スキーマ(パラメータ)の3つの要素が含まれています。 LLMはツールを実行しませんが、ツールコールメッセージを出力するのではなく、LangChainフレームはメッセージを傍受し、対応する関数を実行し、その結果をToolMesseageの形で対話のコンテキストに注入します。

概要（AI 翻訳）

動力を与えられたLangchain RG + MCP + ChromaDB + AshScope**

私は…

カタログ

プロジェクト概要
深さの決断の技術的な建築

STEP1 - 企業建築設計 -STEP 2 - RAGリトリバル強化生成 -STEP 3 — LangChain エージェントスマートボディ -STEP 4 - MCPモデルコンテキストプロトコルの統合 -STEP 5 — ChromaDB ベクトルデータライブラリ -STEP 6 — Streadlit Web インターフェイス

プロジェクト構造
急速な開始
知識延長と学習経路

私は…

プロジェクト概要

** スピリチュアルな精神**は、ロボットを掃引/引するためのAIスマート旅客サービスです。

** 中心の能力:**

Semantic retrieval: メンテナンス、トラブルシューティング、選択ガイドライン、一般的な問題をサポートするベクターの類似性に基づいて知識ベースの検索
ツールコール:LLMの決定は、GothicマップAPIをオンにすると、ナレッジベースを見て、位置/天気を取る
セッションの一貫性:対話履歴が自動的にローカルJSONファイルに保存され、損失のないリフレッシュ
ライブラリを再入力するには:MD5コンテンツに基づいて重く、文書セグメントの反復を回避

私は…

#2。技術的アーキテクチャの深さの解像度

次の分析は、ディープ・ティーチ・イン・ディープ・ティーチ・ティーチング・モデルと、各主要な決定は、原因の選択、根本的な合理的、代替比較、メリット分析、知識の移行パスが含まれます。

私は…

##ステップ1 コーポレート・デザイン

** 操作:**の設計Straamlit + LangchainAgent + RAG + MCPの雑種の乗客サービスシステムアーキテクチャ

私は…

# # 1 ️ ️ ️

私は…

##2 ◀ エージェントツールが混在するアーキテクチャ

** プロジェクト制約:**

LLMの訓練データは最も最近の整理のロボットおよび故障コードを覆わない期限を備えています。
ユーザーの問題はリアルタイム情報(気候影響のクリーンアップの推奨事項、地域の推奨購入チャネル)を含む場合があります。
複数の意思を処理する単一のポータルが必要です(製品コンサルティング/故障/気象相関/購入提案)

このページは AI により自動翻訳されています。技術的な詳細は原文をご確認ください。

インストール

This server does not publish a one-line install command.

Open the repository installation guide MCP 初心者？mcpskill.org のガイドから始めましょう →