搭配方案

共 6 条

Langfuse +

Next.js + Python 3.10++ Node.js 18++ Docker+ LangGraph

FastAPI+PostgreSQL+Redis后端与Next.js前端组合，搭建多类型AI Agent管理与运行平台

✓ 支持多种Agent类型灵活组合✓ 前后端与Docker部署齐全 ✕ 部署依赖组件较多✕ CrewAI支持仍在开发中

Langfuse +

DeepSeek + Docker Compose+ Python 3.11++ ARQ+ Kling

一条飞书指令自动生成可发布的解说类成品短视频

FastAPI 作编排核心调度 ARQ Worker 与七层流水线，Redis 承载队列，PostgreSQL 持久化，多模型分工生成

✓ 七层管线层间解耦可独立替换✓ 全链路 trace_id 跨语言透传可观 ✕ 需配置多个商业 AI 服务 API ke✕ 前端需 Node.js ≥ 20 本地开

Langfuse +

React + WebSocket+ SSE+ Vercel Edge+ Supabase

基于 OpenAI Realtime API 的语音聊天模式，与文本模式共享 RAG 流水线

Realtime WebSocket 处理音频到音频，ephemeral token 限流下发，语音通过 function calling 复用文本侧 RAG，并用 Langfuse 估算成本追踪会话

✓ 语音文本共享同一 RAG 管线✓ 临时令牌+限流保障安全 ✕ 语音会话有成本约 $0.25/次✕ 仅覆盖语音，弱网体验受限

Langfuse +

React + pgvector+ TypeScript+ BM25+ Supabase

React 个体作品集集成双模 AI 聊天机器人，Agentic RAG 混合检索与全链路追踪

✓ 混合检索+重排提升 RAG 质量✓ 每步追踪成本可观测 ✕ 组件多，部署链路复杂✕ 依赖多个付费 API

Langfuse +

Ollama + LangChain chat 模型集成（OpenAI/Anthropic/Google）+ LangGraph+ RAGAS

基于 LangGraph 构建模块化 Agentic RAG 系统，支持分层索引、多智能体并行检索与人工澄清。

✓ 提供商无关，本地 Ollama 即跑✓ 分层索引兼顾检索精度与上下文 ✕ 小模型可能忽略指令或幻觉

Langfuse +

Docker Registry + CPU >= 2 Core+ RAM >= 4 GiB+ Docker Compose+ Opik+ Arize Phoenix+ OpenAI API

用 Docker Compose 一键自托管 LLM 应用开发平台，集成 RAG、工作流与可观测性

✓ 从原型快速到生产✓ 支持数百种模型接入 ✕ 需 Docker Compose v2.✕ 最低需 4GiB 内存