yichunfu5-prog/langchain-rag-agent

이 페이지는 AI로 자동 번역되었습니다. 기술적인 세부 사항은 원문을 확인하세요. 원문 보기

23 stars 1 forks 품질 51 트렌드 14

IQ 기반 Land Sweeping/Trawling Robot AI 스마트 여객 서비스. 두 페이지 웹 응용 프로그램 (사용자 스마트 쿼리 + 비즈니스 지식 은행 관리) StromaDB와 semantic retrieval 및 IP 위치 및 날씨 인식에 대한 벡터 데이터베이스로 MCP 프로토콜 통합을 통해 Goth Maps, Qwen3-Max를 사용하여 이유 엔진。

개요

웹 애플리케이션의 두 페이지 제공: - Semantic Retrieval : Vector 유사성 기반 지식베이스 검색, 유지 보수, 문제 해결, 선택 가이드, 일반적인 질문 - 도구 통화 : LLLM 결정 지식 은행을 확인 할 때, Highlands Map API를 Alter 할 때 위치 / 날씨 - 일관성 : 대화 역사는 로컬 JSON 파일에 자동으로 저장되며 새로 고침되지 않고 손실되지 않습니다. 라이브러리로 돌아가십시오. 문서 세그먼트 오염 결과를 피하기 위해 MD5 콘텐츠를 기반으로 다시로드하십시오. 다음 분석은 다음과 같습니다. 각 주요 결정에는 다음과 같습니다. 기술, 선택의 이유, 하단 라인에 대한 합리적, 대안의 비교, 장점의 분석, 지식 마이그레이션의 경로. 디자인 Straamlit + Langchain 나이 + RAG + MCP 하이브리드 여객 서비스 건축 - LLM 교육 데이터는 최신 사이트 청소 로봇 및 실패 코드를 커버하지 않는 마감일을 가지고 있습니다 - 사용자 질문은 실시간 정보를 포함 할 수 있습니다 (천후 충격 청소 권장 사항, 지역 추천 구매 채널) - 단일 항목 지점 (제품 컨설팅 / 실패 체크 / 날씨 링크 / 구매 제안) - 팀 크기는 작고 각 의도에 대한 논리를 개발 할 수 없습니다 - 에이전트 모델은 LLM을 사용하여 직관적 인 분류기를 만들지 않고, 긴 최종 문제의 자연스러운 압도적 인 작업을 만들 수 있습니다. 도구는 로컬 검색기 (RAG) 또는 원격 API (MCP), 통합 인터페이스, 확장 -- Langchain's Create Agent()는 React Loops (작성-시계에 대한 간격)을 포함하여 다중 단계 소진을 해결합니다. LangChain Create Agent() angent.ainvoke() 의 이 사이클은 개발자가 반복 논리를 손으로 작성하지 않고 있습니다. 각 LLM 통화는 전체 API 요청이므로 에이전트 모드의 토큰 소비 = N 배 정상 대화 (N = 도구 통화의 번호 + 1). 도구는 LLM의 손입니다. 각 도구에는 세 가지 요소가 포함되어 있습니다. 이름 (이름), 설명 (문서, LLM을 사용할 때), 입력 스키마 (parameters). LLM은 툴을 실행하지는 않지만 툴콜 메시지가 출력됩니다. 랭체인 프레임은 메시지를 가로지르며, 해당 기능을 실행하고, ToolMesseage 형태로 대화의 컨텍스트로 결과를 주사합니다。

개요(AI 번역)

랑체인 RG + MCP + ChromaDB + AshScope에 의해 구동**

나는…

카탈로그

프로젝트 개요
깊이 해결책에 있는 기술적인 건축 STEP 1 - 기업설계 -STEP 2 - RAG Retrieval 향상 세대 -STEP 3 - LangChain 에이전트 스마트 바디 -STEP 4 - MCP 모델 컨텍스트 프로토콜 통합 -STEP 5 - ChromaDB 벡터 데이터 라이브러리 -STEP 6 - Streadlit 웹 인터페이스
프로젝트 구조
급속한 시작
지식 확장 및 학습 통로

나는…

프로젝트 개요

** Spiritual Psychiatry**는 웹 애플리케이션의 두 페이지를 제공하는 스윕/트링 로봇을위한 AI 스마트 여객 서비스입니다.

| 페이지 | 사용자 | 기능 | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | 지적인 클라이언트 서비스 맨끝 소비자 자연적인 언어 질문 및 대답, 지리적 위치 인식, 날씨 상관 관계 통보 | 지식 베이스 관리 | 사업/중공업 | 문서 업로드, 저장소 상태 보고, 전체 지식 베이스를 재구성

** 핵심 역량:**

Semantic retrieval: 유지 보수, 문제 해결, 선택 가이드라인, 일반적인 문제를 지원하는 벡터의 유사성을 기반으로 지식 베이스의 검색
도구 통화 : 지식베이스를 볼 때 LLM 결정, 고딕지도 API로 전환 할 때 위치 / 날씨
세션의 일관성 : 대화 기록은 자동으로 로컬 JSON 파일에 저장하고 손실없이 새로 고침
라이브러리를 다시 입력하려면 : MD5 콘텐츠에 근거하여 문서 세그먼트를 방지

나는…

2. 기술적인 건축 깊이 해결책

다음 분석은 **깊은 교육 모델 **를 따르고 각 주요 결정은 사용 된 기술, 원인의 선택, 합리적, 대체 비교, 저음 분석, 지식 마이그레이션 경로를 포함합니다.

나는…

STEP 1 기업 건축 설계

** 운영: ** 디자인 Straamlit + LangchainAgent + RAG + MCP 하이브리드 여객 서비스 시스템 아키텍처

나는…

# # 1 692️ 기술 사용

기술적인 이유를 위해 재발행. 인포메이션 ** 구조 모드 ** |Agent-Tool 혼합 구조 (LM 라우터, 동적 선택 도구) | ** Classification** AI 애플리케이션 아키텍처 / Retrieval 향상된 세대 / 스마트 바디 모드 | ** 롤 ** LLM을 사용하여 중앙 의사 결정 엔진으로 검색 및 외부 API|Tool-calling mechanism

나는…

##2 왜 에이전트 도구 혼합 아키텍처

** 프로젝트 제약:**

LLM 교육 데이터에는 최신 정리 로봇 및 실패 코드를 커버하지 않는 마감일이 있습니다.
사용자 문제는 실시간 정보를 포함할 수 있습니다 (클래스업 추천, 지역 추천 구매 채널에 대한 영향)
다중 의도를 처리하는 단일 포털 필요 (제품 컨설팅 / 실패 / 날씨 상관 관계 / 구매 제안)

이 페이지는 AI로 자동 번역되었습니다. 기술적인 세부 사항은 원문을 확인하세요.

설치

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

Open the repository installation guide MCP 초보자라면? mcpskill.org 가이드부터 시작하세요 →