在前面的课程中，我们已经：
- ✅ 学习了 RAG 的基础理论和技术背景
- ✅ 从 0 到 1 动手实现了一个 RAG 知识库
而本项目阶段的目标是：将 RAG 知识库与 LangGraph 结合，应用到真实场景中
我们将直接调用 CNB 知识库 API（基于 CNB 知识库，只需上传 markdown 到指定 Git 仓库，即可自动构建知识库并提供 API 接口）
本项目还将使用 LangGraph 作为核心工作流引擎：
- LangGraph：用于构建复杂的 AI 工作流和状态管理
- 优势：支持多步骤推理、条件分支、循环处理等复杂逻辑
- 应用：非常适合实现 RAG 检索、多轮对话、深度研究等场景
我会提供一个基础 Demo，包含：
- ✅ 前端：基础的 Chat 对话 UI 界面（React）
- ✅ 后端：Python + LangGraph 工作流
- ✅ 集成：CNB 知识库 API 调用示例
- ✅ 功能：简单的一问一答对话
在 Demo 基础上，选择以下场景之一（或多个）进行开发：
难度表示，⭐ 越多表示难度越大。
要求： 在 Demo 基础上增强对话功能
核心功能：
- 支持前端切换知识库（也就是不同的 Git 仓库 ，如 cnb/docs ， 或者是你自己的仓库），可以先查阅 CNB 知识库 API 文档 了解如何使用 API 获取知识库列表和内容。
- 建议可以简单搞成一个输入框可以输入不同的仓库名字即可。
- 引用来源角标展示，点击角标可以跳转到对应的文档页面 （CNB知识库接口支持返回元数据metadata包含文档标题、path、url 等）
要求： 在 Demo 基础上实现深度研究功能
核心功能：
- 多轮检索和推理（不是简单的一问一答）
- 结构化输出研究报告
- 实时流式输出
- 支持显示当前步骤（可选，加分项，例如： Searching 等）
- 支持不同的模型做不同事情，例如 query 生成使用一个模型，Reflection 使用一个模型，最终 Answer 使用一个模型 （可选，加分项）
- 引用来源和溯源能力 （可选，加分项）
与普通对话的区别：
- 普通对话：问一次 → 检索一次 → 回答
- DeepResearch：问一次 → 拆解问题 → 多次检索 → 整合信息 → 生成报告
资料：
要求： 接入企业微信，实现自动问答机器人
核心功能：
- 接入企业微信 API
- 处理用户消息回调
- 保持多轮对话的上下文
- 支持文本、图片等多种消息类型
要求： 将 CNB 知识库嵌入到文档站点中（如 VuePress 等）
核心功能：
- 使用 CNB 知识库插件，扫描当前使用 VuePress 仓库搭建的文档站点，自动构建知识库
- 在 VuePress 文档页面中添加问答组件
- VuePress 插件请求业务后台（需要开发）进行 Chat，业务后台调用 CNB 知识库 API 进行问答， P.S. LLM 可使用本地 ollama
要求： 实现语音交互的知识库问答
核心功能：
- 可以使用语音对话方式与知识库进行问答
技术方案参考：
- 简单方案：Whisper (STT) + 本地 ollama LLM + TTS
- 高级方案：集成 VITA 等多模态模型
自由发挥，但需要包含知识库检索能力，并且具有创新性，例如：
- 智能音箱
- 小程序
- 移动端 App
- VSCode 插件（在 IDE 中直接问答）
- ...（其他你能想到的场景）
- 前端: Next.js
- 后端: Python + LangGraph
- 知识库: CNB API（只需调用 query 接口）
- LLM: 本地 ollama（或远程 API）
- 开发环境:
- CNB 云原生开发环境 （一键启动模型、开发环境等）
- Docker Compose
LangGraph 的作用：
- 编排复杂的工作流（检索 → 判断 → 再检索 → 整合）
- 管理对话状态和上下文
- 实现条件分支和循环逻辑
CNB 知识库 API：
- 你只需在指定 Git 仓库上传 markdown 文档
- CNB 自动构建知识库并提供 API
- 调用 API 的 query 接口即可检索知识
CNB 云原生环境 - 一键启动开发
- 打开浏览器即可开发，无需本地配置
- 前后端项目、大模型服务，一键启动
- 配合 GPU 资源，可以直接使用 Ollama 运行开源大模型
如果你想获得更高分数，可以实现：
- ✨ 多知识库切换：支持在多个知识库之间切换查询
- ✨ 对话历史管理：保存和查看历史对话记录
- ✨ 用户认证系统：登录、权限管理
- 完整的项目代码（基于 Demo 扩展）
- 代码规范，有必要的注释
docker-compose.yml配置文件- 一键启动脚本
- 启动文档说明
README.md：快速开始指南- 架构设计说明
- API 使用文档
- 功能演示说明（配截图或视频）
- 可通过 CNB 云原生开发环境运行的在线 Demo 或演示视频 （showcase ： https://cnb.cool/examples/ecosystem/code-sandbox-in-cnb）
- 核心功能展示 （录制视频）
- 特色功能亮点说明 （文字说明）
- Demo 源码仓库（包含前后端基础代码）
- CNB 知识库 API 文档和调用示例
- LangGraph 使用示例和最佳实践
- 常见问题解答
- Week 1：熟悉 Demo，理解 LangGraph 工作流，确定场景选择
- Week 2-3：核心功能开发
- Week 4：优化用户体验，完善细节
Q: 我必须做 DeepResearch 吗？
A: 不是。5 个场景任选其一即可
Q: 可以同时做多个场景吗？
A: 可以！建议先完成一个场景，再扩展其他场景。
Q: LangGraph 是什么？为什么要用它？
A: LangGraph 是用于构建复杂 AI 工作流的框架，它可以帮你编排多步骤的推理和检索流程。是当前最流行的 AI 工作流框架之一。
Q: CNB 知识库怎么用？
A: 你会得到一个 Git 仓库地址，上传 markdown 文件后，系统自动构建知识库。然后调用提供的 API 接口即可查询。 链接更多👉
Q: 必须用本地 ollama 吗？
A: 建议使用本地 ollama，因为 CNB 云原生开发环境带 GPU 资源，可以快速启动模型。
Q: Docker Compose 不熟悉怎么办？
A: Demo 会提供完整的 docker-compose.yml 配置，你只需要按需修改即可。
完成本项目后，你将掌握：
✅ 真实企业级项目中 RAG 的应用方式
✅ LangGraph 工作流编排能力
✅ 前后端分离架构设计
✅ API 集成和调用最佳实践
✅ 云原生应用开发
✅ 复杂 AI 应用的产品化思维
先让它跑起来，再让它跑得好！
如有任何问题，随时在训练营群里提问。祝你项目顺利！🎉
- 需要注册 LangSmith 账号，并获取 API Key，打开 https://smith.langchain.com ，点击 API Keys -> API Key 生成 API Key
- 需要在环境变量增加
LANGSMITH_API_KEY（注意是 export 到 环境变量上）
export LANGSMITH_API_KEY=your_api_key
docker compose up
# 如果是远程开发， 注意 XXX 是转发后会在端口 Tab 中展示
https://xxx-8123.cnb.run/app/
# 如果是本地
http://localhost:8123/app/
- Node.js 和 npm（或 yarn/pnpm）
- Python 3.11+
- CNB_TOKEN：后端 agent 需要 CNB TOKEN。
- 进入
backend/目录 - 通过复制
backend/.env.example文件创建一个名为.env的文件 - 打开
.env文件并添加你的 CNB TOKEN：CNB_TOKEN="YOUR_CNB_TOKEN"
- 进入
后端：
cd backend
pip install .
前端：
cd frontend
npm install
后端和前端：
make dev
这将运行后端和前端开发服务器。打开浏览器并导航到前端开发服务器 URL（例如，http://localhost:5173/app）。
或者，你可以分别运行后端和前端开发服务器：
- 后端：在
backend/目录中打开一个终端并运行langgraph dev。后端 API 将在 http://127.0.0.1:2024 可用。它还会打开一个浏览器窗口到 LangGraph UI。 - 前端：在
frontend/目录中打开一个终端并运行npm run dev。前端将在 http://localhost:5173 可用。
基本上和 CNB 知识库 一致，前端收到用户的 Query 后，会调用后端 API 进行查询，后端 API 会调用 CNB 知识库 API 进行查询，然后交给 LLM 结合 Prompt 生成答案。
