প্রকল্প সম্পর্কে

এই প্রজেক্টটি একটি ফুলস্ট্যাক উদাহরণ অ্যাপ্লিকেশন, যা Google-এর Gemini 2.5 মডেল এবং LangGraph ফ্রেমওয়ার্ক ব্যবহার করে একটি রিসার্চ-সমৃদ্ধ কথোপকথনমূলক AI তৈরি করার পদ্ধতি প্রদর্শন করে। এটি একটি React ফ্রন্টএন্ড এবং LangGraph-চালিত ব্যাকএন্ড এজেন্টকে একত্রিত করে, যা ব্যবহারকারীর প্রশ্নের উত্তর উদ্ধৃতি সহ দেওয়ার জন্য পুনরাবৃত্তিমূলক ওয়েব গবেষণা করে। **মূল বৈশিষ্ট্য** - ফুলস্ট্যাক আর্কিটেকচার: React (Vite) ফ্রন্টএন্ড এবং LangGraph/FastAPI ব্যাকএন্ড - Gemini মডেল ব্যবহার করে গতিশীল সার্চ কোয়েরি তৈরি - Google Search API-এর মাধ্যমে সমন্বিত ওয়েব গবেষণা - জ্ঞানগত ফাঁক চিহ্নিত করতে এবং সার্চ পরিমার্জন করতে প্রতিফলনমূলক যুক্তি - সংগৃহীত উৎস থেকে উদ্ধৃতি সহ উত্তর তৈরি - ডেভেলপমেন্টের সময় ফ্রন্টএন্ড এবং ব্যাকএন্ড উভয়ের জন্য হট-রিলোডিং **প্রজেক্ট কাঠামো** - `frontend/`: Vite দিয়ে তৈরি React অ্যাপ্লিকেশন, Tailwind CSS এবং Shadcn UI দিয়ে স্টাইল করা - `backend/`: LangGraph/FastAPI অ্যাপ্লিকেশন, যাতে রিসার্চ এজেন্টের লজিক রয়েছে **ব্যাকএন্ড এজেন্ট কীভাবে কাজ করে** 1. ব্যবহারকারীর ইনপুটের ভিত্তিতে প্রাথমিক সার্চ কোয়েরি তৈরি করে 2. Google Search-এর সাথে Gemini ব্যবহার করে প্রতিটি কোয়েরির জন্য ওয়েব গবেষণা করে 3. জ্ঞানগত ফাঁক চিহ্নিত করতে ফলাফলের উপর প্রতিফলন করে 4. পুনরাবৃত্তিমূলকভাবে সার্চ পরিমার্জন করে (কনফিগারযোগ্য সর্বোচ্চ পর্যন্ত) 5. উদ্ধৃতি সহ চূড়ান্ত উত্তর সংশ্লেষণ করে **শুরু করা** - প্রয়োজন: Node.js, Python 3.11+ এবং একটি Gemini API কী - ব্যাকএন্ড: `cd backend && pip install .` এবং `.env`-এ `GEMINI_API_KEY` সেট করুন - ফ্রন্টএন্ড: `cd frontend && npm install` - `make dev` দিয়ে উভয় ডেভ সার্ভার চালান - CLI উদাহরণ: `python backend/examples/cli_research.py "query"` **ডিপ্লয়মেন্ট** - প্রোডাকশনে Docker ব্যবহার করা হয় Redis (স্ট্রিমিংয়ের জন্য) এবং Postgres (স্থায়ীত্বের জন্য) সহ - বিল্ড: `docker build -t gemini-fullstack-langgraph -f Dockerfile .` - চালান: `docker-compose up` (LangSmith API কী প্রয়োজন) **প্রযুক্তি**: React, Vite, Tailwind CSS, Shadcn UI, LangGraph, Google Gemini **লাইসেন্স**: Apache License 2.0