基于 LangChain 和 LangGraph 的 AI PDF 聊天机器人与智能体

这是一个基于 Monorepo 架构的可定制 AI 聊天机器人智能体模板，它能够“摄入”PDF 文档，将向量嵌入（Embeddings）存储在向量数据库（Supabase）中，并利用 LangChain 和 LangGraph 作为编排框架，使用 OpenAI（或其它 LLM 提供商）回答用户查询。

该模板是《Learning LangChain (O'Reilly)》一书的配套示例，旨在讲解如何使用 LangChain 和 LangGraph 构建 AI 和 LLM 应用程序。

[!IMPORTANT] 本项目目前不再积极维护，仅供参考。请不要期待对新的 Issue 或 Pull Request 进行响应。

聊天机器人 UI 预览：

功能特性

文档摄入图 (Document Ingestion Graph)：上传并解析 PDF 为 Document 对象，随后将向量嵌入存储至向量数据库（本示例使用 Supabase）。
检索图 (Retrieval Graph)：处理用户问题，决定是检索文档还是直接回答，并生成包含引用来源的精简回复。
流式响应 (Streaming Responses)：将服务端的部分响应实时流式传输至客户端 UI。
LangGraph 集成：使用 LangGraph 的状态机方法编排摄入与检索流程，可视化智能体工作流，并对图中的每个步骤进行调试。
Next.js 前端：支持文件上传、实时聊天，并可通过 React 组件和 Tailwind 轻松扩展。

架构概览

┌─────────────────────┐    1. Upload PDFs    ┌───────────────────────────┐
│Frontend (Next.js)   │ ────────────────────> │Backend (LangGraph)       │
│ - React UI w/ chat  │                      │ - Ingestion Graph         │
│ - Upload .pdf files │ <───────────────────  │ - Retrieval Graph         │
│ - Chat + SSE stream │    2. Streaming Data  │ - Supabase (Vector DB)    │
│ - Display sources   │                       │ - LLM (OpenAI)            │
└─────────────────────┘                       └───────────────────────────┘

前提条件

Node.js (建议 v18+)
Python (建议 v3.11+)
OpenAI API Key
Supabase 账号（用于向量存储）

安装

克隆仓库后：

git clone https://github.com/mayooear/ai-pdf-chatbot-langchain
cd ai-pdf-chatbot-langchain

环境变量

在前端和后端目录中分别设置 .env 文件。

前端环境变量

在 frontend/.env 中：

NEXT_PUBLIC_LANGGRAPH_API_URL=http://localhost:2024

后端环境变量

在 backend/.env 中：

OPENAI_API_KEY=sk-...
SUPABASE_URL=...
SUPABASE_SERVICE_KEY=...

本地开发

运行后端

进入后端目录并启动服务器：

cd backend
pip install -r requirements.txt
# 启动 API
python main.py

运行前端

进入前端目录并启动开发服务器：

cd frontend
npm install
npm run dev

使用说明

上传/摄入 PDF

在 UI 界面中点击上传按钮，选择本地 PDF 文件。后端将自动解析文档并将其向量化存入 Supabase。

提问

在聊天窗口输入问题。系统会触发检索图逻辑，查询相关文档并结合 LLM 生成回复。

查看聊天记录

系统支持简单的对话历史记录，UI 会自动展示当前的交互内容。

生产环境构建与部署

若要部署到生产环境，建议：

后端：使用 Docker 封装 Python 应用，部署至云服务（如 Fly.io, AWS App Runner）。
前端：使用 Vercel 或 Netlify 部署 Next.js 应用。
数据库：使用托管的 Supabase 实例。

自定义智能体

你可以修改 backend/ 下的 graph.py 文件来调整 LangGraph 的节点逻辑。例如，你可以添加自定义检索器、更改提示词模板 (Prompt Templates) 或引入新的工具 (Tools)。

故障排查

依赖问题：确保 Node.js 版本 >= 18 且安装了所有依赖。
网络错误：前端必须指向正确的 NEXT_PUBLIC_LANGGRAPH_API_URL。默认配置为 http://localhost:2024。

后续步骤

如果你想为本项目做出贡献，欢迎提交 Pull Request。请确保代码文档完善，并包含相应的测试用例。

若想深入了解如何使用 LangChain 和 LangGraph 构建 AI 聊天机器人与智能体，请查阅书籍《Learning LangChain (O'Reilly)》。