Weaviate + Flask Flask+ LangChain LangChain + PostgreSQL+ Redis+ Docker Compose+ LangGraph+ Celery+ Vue 3

全栈 AI 应用平台:构建、编排、发布与运营 AI 智能体应用

Flask+Celery 承担 API 与异步任务,LangChain/LangGraph 做编排,Vue 3 提供工作区,Weaviate 支持 RAG 检索

✓ 可视化工作流编排,节点丰富✓ 支持多模型与 OpenAPI/SSE 交 ✕ 全栈推荐 8GB+ 内存✕ 需至少一个模型厂商 API Key

方案简介

OpenAgent 是一个端到端的 AI Agent 平台,用于构建、编排、发布和运营 AI 应用。它并非单一聊天示例,而是一个面向团队的全栈平台:后端采用 Flask 加 Celery 异步任务队列,AI 编排基于 LangChain/LangGraph,前端为 Vue 3 工作区,配套可视化工作流编辑、数据集与文档管理、公开应用与工作流发布,以及基于 OpenAPI 的交付能力。该方案适合需要搭建自有 AI 应用平台、管理知识库检索(RAG)、并以 API 形式对外提供智能体服务的团队与开发者。

亮点与能力

  • 通过主页助手将用户请求经 A2A 路由到已发布的公开智能体,或把自然语言需求转化为新的 AI 应用创建流程
  • 提供专属工作区,支持草稿、发布、分析、版本对比与 Prompt 对比流程
  • Deep Research:分解复杂任务,跨多步执行协调已绑定能力,适合需要深度推理与具体输出的场景
  • 可视化设计工作流,节点涵盖 LLM、工具调用、数据集检索、代码执行、HTTP 请求、分支、文本处理、模板转换与结构化参数抽取
  • 管理数据集、上传文档、查看分段,并将检索接入智能体与工作流
  • 以商店风格视图浏览公开应用、工具与工作流
  • 通过 POST /api/openapi/chat 以 REST 和 SSE 方式暴露已发布应用

组成与分工

  • Flask:后端 REST API 框架,承载平台核心服务
  • Celery:异步任务 worker,处理耗时任务
  • LangChain / LangGraph:AI 编排框架,负责工作流编排、工具调用、A2A 委派、技能与记忆
  • SQLAlchemy / Flask-SocketIO:数据模型与实时通信
  • Vue 3 + Vite + Pinia + TailwindCSS + Arco Design + Vue Flow:前端工作区与可视化工作流画布
  • Weaviate / FAISS:向量检索引擎,支撑语义检索与 RAG
  • PostgreSQL / Redis:持久化存储与缓存/消息
  • Nginx / Docker Compose:反向代理与一键部署
  • OpenAPI / SSE:对外交付已发布应用

前置要求

  • Docker 20.10+
  • Docker Compose 2.x
  • 全栈建议 8 GB+ 内存
  • 至少一个受支持的模型服务商 API Key

环境文件创建:
bash
cp api/.env.example api/.env

本地开发后端依赖安装:
bash
cd api
pip install -r requirements.txt

本地开发前端依赖安装:
bash
cd ui
npm install

实施步骤

1. 克隆仓库

bash
git clone https://github.com/Haohao-end/openagent.git
cd openagent

2. 创建运行时环境文件

bash
cp api/.env.example api/.env

3. 配置 api/.env 中最低必填项

  • JWT_SECRET_KEY
  • POSTGRES_PASSWORD
  • REDIS_PASSWORD
  • WEAVIATE_API_KEY
  • VITE_API_PREFIX
  • 至少一个模型服务商 Key,如 OPENAI_API_KEYATLASCLOUD_API_KEYDEEPSEEK_API_KEYDASHSCOPE_API_KEY

4. 启动 Docker 栈

bash
cd docker
docker compose up -d --build

5. 打开本地服务

前端 http://localhost:3000(Vue 3 web UI),API http://localhost:5001(Flask REST API),Nginx http://localhost(反向代理)。

使用与配置要点

  • 主页助手:作为默认助手入口,将问题路由到最相关的已发布公开智能体(A2A),也可用自然语言描述想法触发 AI 应用创建;同一界面支持多轮对话、建议提示、图片上传与语音输入。
  • 应用工作区:构建和管理 AI 应用,使用草稿、发布、分析、版本对比与 Prompt 对比流程。
  • API 调用:已发布应用通过 POST /api/openapi/chat 暴露,支持 REST 与 SSE。
  • 验证:启动后访问 http://localhost:3000 可见前端界面,http://localhost:5001 为 API 服务。

注意事项与常见问题

  • 全栈运行建议至少 8 GB 内存。
  • 必须在 api/.env 中配置 JWT、Postgres、Redis、Weaviate 密钥以及至少一个模型服务商 Key,否则无法正常运行。
  • 本地开发时 Vite 默认在 5173 端口提供前端,前端通过 VITE_API_PREFIX 解析 API 地址,本地开发通常将 /api 代理到 Flask 后端。
  • 测试与质量命令:后端 pytest;前端 npm run type-checknpm run lintnpm run buildnpm run test:unit -- --run

优缺点

  • ✓ 可视化工作流编排,节点丰富
  • ✓ 支持多模型与 OpenAPI/SSE 交
  • ✕ 全栈推荐 8GB+ 内存
  • ✕ 需至少一个模型厂商 API Key

出处

本方案挖掘自开源项目 Haohao-end/openagent,方案内容与实施命令均来自其 README 原文。

方案出处
Haohao-end/openagent:What if OpenAI Deep Research and Dify were one platform? OpenAgent — harness arc
806 star What if OpenAI Deep Research and Dify were one platform? OpenAgent — harness architecture for rapidly building vertical AI agents, with deep reasoning loops, visual workflows, RAG, and A2A delegation.

本方案由真实开源项目挖掘整理,实施命令均来自其 README 原文,安装使用请遵循项目开源协议。