Об этом проекте

Этот проект — полнофункциональное примерное приложение, демонстрирующее, как создать исследовательского разговорного ИИ на базе моделей Google Gemini 2.5 и фреймворка LangGraph. В нём объединены интерфейс на React и внутренний агент на LangGraph, который выполняет итеративный веб-поиск и отвечает на запросы пользователей с указанием источников. Ключевые возможности - Полнофункциональная архитектура: интерфейс на React (Vite) и серверная часть на LangGraph/FastAPI - Динамическая генерация поисковых запросов с использованием моделей Gemini - Встроенный веб-поиск через Google Search API - Рефлексивные рассуждения для выявления пробелов в знаниях и уточнения поиска - Формирование ответов с цитатами из собранных источников - Горячая перезагрузка и фронтенда, и бэкенда во время разработки Структура проекта - frontend/: приложение на React, созданное с Vite, стилизованное с помощью Tailwind CSS и Shadcn UI - backend/: приложение на LangGraph/FastAPI, содержащее логику исследовательского агента Как работает внутренний агент 1. Формирует начальные поисковые запросы на основе ввода пользователя 2. Выполняет веб-поиск по каждому запросу с помощью Gemini и Google Search 3. Анализирует результаты, чтобы выявить пробелы в знаниях 4. Итеративно уточняет поиск (до настраиваемого максимума) 5. Синтезирует итоговый ответ с цитатами Начало работы - Требуются Node.js, Python 3.11+ и ключ Gemini API - Бэкенд: cd backend && pip install . и задайте GEMINI_API_KEY в файле .env - Фронтенд: cd frontend && npm install - Запустите оба dev-сервера командой make dev - Пример CLI: python backend/examples/cli_research.py "query" Развёртывание - В продакшене используются Docker с Redis (для стриминга) и Postgres (для хранения) - Сборка: docker build -t gemini-fullstack-langgraph -f Dockerfile . - Запуск: docker-compose up (требуется ключ LangSmith API) Технологии: React, Vite, Tailwind CSS, Shadcn UI, LangGraph, Google Gemini Лицензия: Apache License 2.0