# langgraph_fly_base

**Repository Path**: tigerphz/langgraph_fly_base

## Basic Information

- **Project Name**: langgraph_fly_base
- **Description**: 基于langchain的大模型开发框架，大模型支持ChatGLM模型和OpenAI模型，使用langgraph创建工作流，实现根据用户聊天动态执行流程，本项目包含RAG检索向量知识库（milvus）
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: main
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 2
- **Created**: 2025-02-17
- **Last Updated**: 2025-02-17

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README



## 基于langgraph构建工作流
### 开源地址

- GitHub：https://github.com/liuyanqun0815/langgraph_fly_base
- Gitee：https://gitee.com/liu_yan_qun/langgraph_fly_base


[大模型学习记录](https://juejin.cn/column/7379059739118878732)

### 方案设计:

![langchain.drawio.png](docs%2Flangchain.drawio.png)

**项目使用的web框架：django**

**日志框架：logging**

**langchain监控框架：langsimith**

## **工作流**：
方案里面的敏感词汇和信息脱敏考虑到相对独立，没有设计到工作流中
![grap.png](docs%2Fgrap.png)

#### 产品推荐子链

![recommend.png](docs%2Frecommend.png)

项目目前开发过程中,每天都会进行更新
# 数据库选择
向量数据库选择困难症，对比了活跃度比较高或者易用的数据库(drant,milvus,weaviate,faiss)，最终选择milvus,详细介绍见[向量数据库浅谈](https://juejin.cn/post/7388096340503707688)

增加API测试接口（[fly_base.html](docs%2Ffly_base.html)），测试向量库创建集合、向量库插入向量、向量库查询向量、文件上传等等

milvus可视化页面![img_1.png](docs%2Fimg_1.png)


后续继续会集成drant和weaviate

## 步骤:
1. 创建项目
2. 创建虚拟环境
3. 克隆项目
4. pip install -r requirements
如果按照fasttext失败,手动安装
5. pip install /load_model/fasttext_wheel-0.9.2-cp311-cp311-win_amd64.whl
6. 数据库表迁移\
`python manage.py makemigrations sale_app`\
`python manage.py migrate sale_app`
7. 默认数据导入\
`python import_data_to_sqlite.py`
8. 向量数据库创建(通过docker启动)\
进入到docker目录下 \
```shell
cd docker
docker-compose -f milvus-standalone-docker-compose.yml -p fly up -d
```
9. 启动项目\
`python manage.py runserver`


## 更新日志：
1. 2024-06-17: 添加支持xlsx格式文件导入，导入QA文档
2. 2024-06-18: 添加向量数据库支持（qdrant，docker部署）
3. 2024-07-28: 添加milvus支持，docker部署
4. 2024-08-07: milvus支持混合检索（稠密向量检索+稀疏向量检索-Splade）