企业官网建设流程全解析

user

https://github.com/langchain-ai/retrieval-agent-template?utm_source=chatgpt.com这个如何部署

ChatGPT

这个项目是LangGraph RAG 检索 Agent 模板，部署前要先准备一个向量库：默认是Elasticsearch，也支持 MongoDB Atlas、Pinecone。仓库里已经有langgraph.json，包含两个图：indexer和retrieval_graph。

本地跑起来

git clone https://github.com/langchain-ai/retrieval-agent-template.git
cd retrieval-agent-template

cp .env.example .env

安装：

pip install -U "langgraph-cli[inmem]"
pip install -e .

如果用 OpenAI，.env至少填：

OPENAI_API_KEY=你的key
LANGSMITH_PROJECT=retrieval-agent

默认检索后端是 Elasticsearch。官方 README 说默认retriever_provider: elastic。

本地 Elasticsearch：

docker network create elastic-net
docker run -p 127.0.0.1:9200:9200 -d \
--name elasticsearch \
--network elastic-net \
-e ELASTIC_PASSWORD=changeme \
-e "discovery.type=single-node" \
-e "xpack.security.http.ssl.enabled=false" \
-e "xpack.license.self_generated.type=trial" \
docker.elastic.co/elasticsearch/elasticsearch:8.15.1

.env加：

ELASTICSEARCH_URL=http://host.docker.internal:9200
ELASTICSEARCH_USER=elastic
ELASTICSEARCH_PASSWORD=changeme

然后启动 LangGraph：

langgraph dev

打开 Studio 后先选indexer图，传入文档：

[{ "page_content": "My cat knows python." }]

再切到retrieval_graph图提问。README 说明这个模板就是先用indexer建索引，再用retrieval_graph按user_id检索回答。

部署到 LangGraph Cloud / LangSmith

1. 把项目 push 到你自己的 GitHub 仓库。

2. LangSmith → Deployments → New Deployment。

3. 选择这个仓库。

4. 配置环境变量：

OPENAI_API_KEY=...
ELASTICSEARCH_URL=...
ELASTICSEARCH_API_KEY=...
# 或者 ELASTICSEARCH_USER / ELASTICSEARCH_PASSWORD

1. 部署后调用图名：

from langgraph_sdk import get_sync_client

client = get_sync_client(
url="你的部署URL",
api_key="你的LangSmith API Key"
)

client.runs.stream(
None,
"retrieval_graph",
input={"messages": [{"role": "human", "content": "我的文档里有什么？"}]},
stream_mode="updates",
)

关键点

不要只部署聊天图。这个模板有两个图：

"indexer": "./src/retrieval_graph/index_graph.py:graph",
"retrieval_graph": "./src/retrieval_graph/graph.py:graph"

你必须先调用indexer把资料写入向量库，再调用retrieval_graph问答。

found something on the website that might be helpful to you. Here is the link and the content: