如何构建长期记忆型智能体应用：Gemini Fullstack与LangGraph终极指南

【免费下载链接】gemini-fullstack-langgraph-quickstart Get started with building Fullstack Agents using Gemini 2.5 and LangGraph 项目地址: https://gitcode.com/gh_mirrors/ge/gemini-fullstack-langgraph-quickstart

Gemini Fullstack LangGraph Quickstart项目展示了一个使用React前端和LangGraph驱动的后端智能体的全栈应用。该智能体能够通过动态生成搜索词、使用Google搜索查询网络、反思结果以识别知识差距，并迭代优化搜索，最终提供有充分支持的答案及引用。这是利用LangGraph和Google Gemini模型构建研究增强型对话AI的绝佳示例。

🌟 项目核心功能与优势

该全栈智能体应用具备多项强大功能，使其在同类项目中脱颖而出：

• 完整的全栈架构：结合React前端与LangGraph后端，提供流畅的用户体验
• 高级研究能力：由LangGraph智能体驱动，能够进行深度的网络研究
• 动态查询生成：利用Google Gemini模型自动生成优化的搜索查询
• 智能反思机制：分析搜索结果以识别知识差距，迭代优化研究方向
• 引用生成系统：自动从收集的来源生成带引用的答案
• 开发便捷性：前后端均支持热重载，加速开发流程

Gemini Fullstack LangGraph应用界面展示了研究过程和结果展示，体现了长期记忆型智能体的实际应用效果

🚀 快速开始：本地开发与测试

按照以下步骤，您可以快速在本地环境中启动并测试该应用：

1. 环境准备

确保您的系统满足以下要求：

• Node.js和npm（或yarn/pnpm）
• Python 3.11+
• GEMINI_API_KEY：后端智能体需要Google Gemini API密钥

获取Gemini API密钥后，在backend/目录中创建.env文件并添加：

GEMINI_API_KEY="YOUR_ACTUAL_API_KEY"

2. 安装依赖

后端依赖：

cd backend
pip install .

前端依赖：

cd frontend
npm install

3. 启动开发服务器

同时启动前后端：

make dev

这将启动后端和前端开发服务器。打开浏览器，导航到前端开发服务器URL（例如http://localhost:5173/app）即可使用应用。

🧠 后端智能体工作原理揭秘

后端核心是在backend/src/agent/graph.py中定义的LangGraph智能体，它遵循以下工作流程：

该流程图展示了Gemini Fullstack智能体的研究流程，包括查询生成、网络搜索、反思和答案生成等核心环节

1. 生成初始查询：根据用户输入，使用Gemini模型生成一组初始搜索查询
2. 网络研究：对每个查询，使用Gemini模型结合Google Search API查找相关网页
3. 反思与知识差距分析：智能体分析搜索结果，确定信息是否足够或存在知识差距
4. 迭代优化：如果发现差距或信息不足，生成后续查询并重复网络研究和反思步骤
5. 最终答案：一旦研究被认为足够，智能体综合收集的信息，生成包含网络来源引用的连贯答案

智能体核心代码结构

智能体的核心逻辑在backend/src/agent/graph.py中实现，主要包含以下节点：

• generate_query：生成搜索查询
• web_research：执行网络研究
• reflection：反思并识别知识差距
• evaluate_research：决定继续研究还是生成最终答案
• finalize_answer：综合信息生成最终答案

💻 命令行示例

对于快速的一次性问题，您可以从命令行执行智能体：

cd backend
python examples/cli_research.py "What are the latest trends in renewable energy?"

🚢 部署指南

在生产环境中，后端服务器提供优化的静态前端构建。LangGraph需要Redis实例和Postgres数据库来实现状态持久化和长期记忆管理。

使用Docker部署

1. 构建Docker镜像：

   docker build -t gemini-fullstack-langgraph -f Dockerfile .
   

2. 运行生产服务器：

   GEMINI_API_KEY=<your_gemini_api_key> LANGSMITH_API_KEY=<your_langsmith_api_key> docker-compose up
   

打开浏览器，导航到http://localhost:8123/app/即可访问应用。

🛠️ 技术栈

该项目采用了多种现代技术：

• 前端：React（使用Vite）、Tailwind CSS、Shadcn UI组件库
• 后端：LangGraph、FastAPI、Google Gemini模型
• 开发工具：Docker、Makefile、LangSmith

📄 许可证

本项目采用Apache License 2.0许可证。详情请参见项目根目录下的LICENSE文件。

通过这个项目，您可以构建具有长期记忆和自主研究能力的智能体应用，为用户提供深度回答和知识发现体验。无论是开发聊天机器人、研究助手还是智能客服系统，Gemini Fullstack与LangGraph的组合都能为您提供强大的技术支持。

【免费下载链接】gemini-fullstack-langgraph-quickstart Get started with building Fullstack Agents using Gemini 2.5 and LangGraph 项目地址: https://gitcode.com/gh_mirrors/ge/gemini-fullstack-langgraph-quickstart