我的开源项目Flock介绍（中文版）https://github.com/Onelevenvy/flock

谭庆新
·发布于 2 个月前·
1 人看过

📃 Flock

Flock 欢迎Star https://github.com/Onelevenvy/flock

一个基于 LangChain、LangGraph 和其他框架的聊天机器人、RAG、代理和多代理应用项目，开源且能够离线部署。

🤖️ 概览

image

工作流

image
image

Agent Chat

image

图像

image

知识检索

image
image

Human-in-the-Loop（人工审批或让 LLM 重新思考或寻求人工帮助）

Flock 旨在成为一个开源的大语言模型（LLM）应用开发平台。它是一个基于 LangChain 和 LangGraph 概念的 LLM 应用。目标是创建一套支持聊天机器人、RAG 应用、代理和多代理系统的 LLMOps 解决方案，并具备离线运行能力。

受 StreetLamb 项目及其 tribe 项目的启发，Flock 采用了许多相同的方法和代码。在此基础上，它引入了一些新的功能和方向。

本项目的一些布局参考了 Lobe-chat、Dify 和 fastgpt。它们都是优秀的开源项目，在此表示感谢 🙇‍。

👨‍💻 开发

项目技术栈：LangChain + LangGraph + React + Next.js + Chakra UI + PostgreSQL

💡 路线图

1 应用

  • 聊天机器人
  • 简单 RAG
  • 层次代理
  • 顺序代理
  • 工作流 ---进行中
  • 更多多代理系统

2 模型

  • OpenAI
  • ZhipuAI
  • Siliconflow
  • Ollama
  • Qwen
  • Xinference

3 其他

  • Tools Calling
  • I18n
  • Langchain Templates

🏘️ 亮点

  • 持久化对话：保存并维护聊天历史，允许您继续对话。
  • 可观察性：使用 LangSmith 实时监控和跟踪您的代理性能和输出，确保它们高效运行。
  • 工具调用：使您的代理能够使用外部工具和 API。
  • 检索增强生成：使您的代理能够利用您的内部知识库进行推理。
  • Human-in-the-loop：在工具调用前启用人工审批。
  • 开源模型：使用开源 LLM 模型，如 llama、Qwen 和 Glm。
  • 多租户：管理和支持多个用户和团队。

如何开始

1. 准备工作

1.1 克隆代码

git clone https://github.com/Onelevenvy/flock.git

1.2 复制环境配置文件
cp .env.example .env
1.3 生成密钥

.env 文件中的一些环境变量默认值为 changethis。
您必须将它们更改为密钥，要生成密钥，可以运行以下命令：

python -c "import secrets; print(secrets.token_urlsafe(32))"

复制内容并将其用作密码/密钥。再次运行该命令以生成另一个安全密钥。

1.3 安装 postgres、qdrant、redis
cd docker
docker compose  --env-file ../.env up -d

2.运行后端

2.1 安装基本环境

服务器启动需要 Python 3.10.x。建议使用 pyenv 快速安装 Python 环境。

要安装其他 Python 版本，请使用 pyenv install。

pyenv install 3.10

要切换到 "3.10" Python 环境，请使用以下命令：

pyenv global 3.10

按照以下步骤操作：
导航到 "backend" 目录：

cd backend

激活环境。

poetry env use 3.10
poetry install
2.2 初始化数据
# 让数据库启动
python /app/app/backend_pre_start.py

# 运行迁移
alembic upgrade head

# 在数据库中创建初始数据
python /app/app/initial_data.py
2.3 运行 unicorn
 uvicorn app.main:app --reload --log-level debug
2.4 运行 celery（非必需，除非您想使用 rag 功能）
poetry run celery -A app.core.celery_app.celery_app worker --loglevel=debug

3.运行前端

3.1 进入 web 目录并安装依赖
cd web
pnpm install
3.2 启动 web 服务
cd web
pnpm dev

# 或者 pnpm build 然后 pnpm start
ai
agi
flock
$ cd ..