GenAI Stack 终极指南：一站式构建企业级 AI 应用平台
项目地址: https://gitcode.com/gh_mirrors/ge/genai-stack GenAI Stack 是一个基于 Langchain + Docker + Neo4j + Ollama 的开源企业级 AI 应用平台，专为快速构建和部署生成式 AI 应用而设计。无论你是 AI 新手还是经验丰富的开发者，这个项目都能让你在几分钟内启动自己的 AI 应用。🚀
为什么选择 GenAI Stack？
GenAI Stack 提供了完整的端到端解决方案，让你无需从零开始搭建复杂的 AI 基础设施。通过容器化技术，你可以轻松地在任何环境中部署和使用这些 AI 功能。
GenAI Stack 的知识图谱数据模型 - 展示用户、问题、答案之间的复杂关系
核心功能模块详解
🤖 智能客服机器人（Support Agent Bot）
访问地址：http://localhost:8501
这是 GenAI Stack 的核心应用之一，具备以下强大功能：
- 智能问答支持：基于知识库中的最新信息回答问题
- 多模式检索：支持 RAG 禁用（纯 LLM 响应）和 RAG 启用（向量+知识图谱上下文）
- 工单自动生成：根据当前对话自动生成高质量的支持工单
GenAI Stack 智能客服机器人 - 支持代码问题解答和 RAG 模式切换
📚 数据加载器（Stack Overflow Loader）
访问地址：http://localhost:8502
这个模块专门用于从外部数据源导入数据并构建知识图谱：
- 标签选择：支持按特定技术标签筛选数据
- 向量嵌入：自动将问题和答案转换为向量表示
- 知识图谱构建：将结构化数据存储到 Neo4j 数据库中
📄 PDF 文档问答系统
访问地址：http://localhost:8503
将本地 PDF 文档转换为可交互的知识库：
- 文档上传：支持拖拽或浏览方式上传 PDF 文件
- 智能问答：基于文档内容进行精准问答
- 向量检索：利用向量相似度搜索找到最相关内容
GenAI Stack PDF 文档上传界面 - 支持拖拽和文件浏览
快速启动指南
🛠️ 环境配置
首先创建配置文件：
cp env.example .env
配置关键环境变量：
OLLAMA_BASE_URL：Ollama LLM API 地址NEO4J_URI：Neo4j 数据库连接地址LLM：支持多种模型（llama2、gpt-4、gpt-3.5、claudev2 等）
🚀 一键启动
启动所有服务：
docker compose up
如需重新构建镜像：
docker compose up --build
启用开发模式（文件变更自动重建）：
docker compose watch
📋 应用访问地址
- 主应用：http://localhost:8501
- 数据加载器：http://localhost:8502
- PDF 问答：http://localhost:8503
- 独立 API：http://localhost:8504
- 前端界面：http://localhost:8505
- 数据库管理：http://localhost:7474
技术架构优势
GenAI Stack 采用现代化的技术栈组合：
- Langchain：提供强大的 AI 应用开发框架
- Docker：确保环境一致性和快速部署
- Neo4j：高性能的图数据库，支持复杂关系查询
- Ollama：本地 LLM 部署方案，降低 API 成本
GenAI Stack 自动生成的内部工单草稿 - 包含代码示例和问题描述
企业级应用场景
GenAI Stack 适用于多种企业级 AI 应用场景：
💼 内部技术支持
自动回答员工的技术问题，减少 IT 支持团队的工作负担。
📊 知识库构建
将企业文档、技术资料等转换为可查询的知识库。
🔧 自动化工单处理
根据用户问题自动生成格式化的支持工单。
GenAI Stack PDF 问答对话界面 - 支持模型切换和 RAG 模式配置
开发与定制
GenAI Stack 采用模块化设计，便于二次开发和功能扩展。主要源码文件包括：
- 智能客服：bot.py
- 数据加载器：loader.py
- PDF 处理：pdf_bot.py
- API 服务：api.py
- 前端界面：front-end/
总结
GenAI Stack 为企业提供了一个完整、易用的 AI 应用解决方案。通过 Docker 容器化技术，开发者可以快速部署和扩展 AI 功能，而无需关心底层基础设施的复杂性。
无论你是想要构建内部 AI 助手、文档问答系统，还是其他生成式 AI 应用，GenAI Stack 都能为你提供坚实的基础。🌟
创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
