Reference implementation of a full-stack AI editor using LangChain / LangGraph / DeepAgent + FastAPI + Electron. 基于 LangChain / LangGraph / DeepAgent 的智能编辑器系统，已归档，以参考实现形式公开发布，供学习、借鉴与合作交流。
归档说明：开发已暂停，不提供维护与功能更新。详见 ARCHIVE.md。
参考使用：克隆、运行与阅读顺序见 docs/REFERENCE_USAGE.md。
项目优势与合作：技术优势、适用场景与交流方式见 docs/ADVANTAGES.md。
- 后端：Python、LangGraph、FastAPI、DeepAgent 中间件与 Skills
- 前端：Electron、React、LangChain Chat UI、@assistant-ui
- 用途：全栈 AI 对话/工作台/任务管线、知识库与可插拔插件的可运行参考实现
| 优势 | 说明 |
|---|---|
| 主流生态 | LangChain / LangGraph / DeepAgent 与官方及社区实践对齐，便于迁移与二次开发。 |
| 全栈可运行 | 后端 + Electron 前端完整打通，流式对话、工作区、任务管线可直接克隆运行体验。 |
| 生产级设计 | SQLite 持久化、向量懒加载、TTL 清理、中间件链与门禁脚本齐全，可作部署参考。 |
| 文档与契约 | 架构、运维、管线与中间件、Skills/知识库等文档集中，推荐阅读路径清晰。 |
更完整的优势说明、适用场景与合作交流方式见 docs/ADVANTAGES.md。
若本参考实现对你有帮助，欢迎在 GitHub 给个 Star，便于更多人发现。
# 开发模式
./start dev
# 生产模式（推荐，使用 SQLite 持久化）
./start prod
# 查看服务状态
./start status
# 健康检查
./start health
# 清理内存
./start cleanup
# 查看日志
./start logs backend
# 停止服务
./start stop- Python 环境：全项目统一使用
backend/.venv，根目录无需再保留.venv（若有可删除以节省约 1.1G）。 - 完整目录说明见 docs/PROJECT_STRUCTURE.md。
├── backend/ # 后端（Python，唯一 venv: backend/.venv）
│ ├── api/ # FastAPI 接口
│ ├── engine/ # LangGraph 引擎
│ └── tools/ # 工具集
├── frontend/desktop/ # Electron 桌面前端
├── knowledge_base/ # 知识库（skills、ontology 等）
├── plugins/ # 可插拔模块
├── scripts/ # 脚本（start.sh 等）
├── docs/ # 文档
├── data/ # 持久化数据（不提交）
└── logs/ # 日志（不提交）
| 存储类型 | 位置 | 说明 |
|---|---|---|
| 会话检查点 | data/checkpoints.db |
SQLite，支持会话恢复 |
| 长期记忆 | data/store.db |
SQLite，跨会话持久化 |
| 向量索引 | data/vectorstore/unified/ |
FAISS 文件，按需加载 |
- SQLite 存储：会话状态和长期记忆使用 SQLite 文件数据库，不常驻内存
- 向量存储懒加载：FAISS 索引存储在文件中，每次查询时加载，查询后释放
- TTL 自动清理：7 天自动清理过期数据
- 定期清理任务：每小时自动检查并清理过大的缓存文件
- 连接池复用：HTTP 客户端连接池，减少连接开销
- Prompt 缓存：LM Studio
cache_prompt=True，重复提示词只计算一次 - 响应缓存：相同请求直接返回缓存结果（LRU，最多 1000 条）
- 流式输出：减少首字节延迟，提升用户体验
- SQLite WAL 模式：提升数据库并发性能
- Agent 缓存：避免重复创建（LRU，最多 5 个配置）
- LLM 单例：可配置 LLM 实例复用
- 优雅关闭：应用关闭时正确释放所有资源
| 服务 | 地址 |
|---|---|
| 后端 API | http://localhost:2024 |
| API 文档 | http://localhost:2024/docs |
| 前端 | http://localhost:3000 |
| LM Studio | http://localhost:1234 |
# 查看内存状态
curl http://localhost:2024/memory/health
# 详细统计
curl http://localhost:2024/memory/stats
# 清理内存
curl -X POST http://localhost:2024/memory/cleanup
# 激进清理（内存紧张时）
curl -X POST "http://localhost:2024/memory/cleanup?aggressive=true"
# 向量存储统计
curl http://localhost:2024/vectorstore/stats
# 重建向量索引
curl -X POST http://localhost:2024/vectorstore/rebuild
# 查看当前配置
curl http://localhost:2024/system/config
# 系统信息
curl http://localhost:2024/system/info本系统提供 python_run、shell_run 等代码/命令执行能力，当前未做进程级沙箱，仅适合在受信环境或内网使用。请勿在对不可信用户开放的生产环境中依赖此类能力；若需对外服务，请关闭或严格限制相关工具。沙箱化方案见 docs/SYSTEM_REVIEW_AND_OPTIMIZATION.md 第 1.1 节。
写类内部 API（云端端点、模型切换、配置/技能/插件、文件操作等）由 INTERNAL_API_TOKEN 保护。未设置该环境变量时，仅接受来自 loopback（127.0.0.1、::1）的请求，便于本机零配置开发；已设置时，请求须带与之一致的 X-Internal-Token 或 Authorization: Bearer，前端可通过 VITE_INTERNAL_API_TOKEN 或 VITE_LOCAL_AGENT_TOKEN 注入。何时必须配置、localhost 放行的适用场景与风险见 docs/product_analysis_2026-03-04.md 第 9.5 节。
| 配置项 | 说明 | 推荐用法 |
|---|---|---|
ENABLE_SELF_LEARNING |
任务完成后记录成功/失败模式与推理路径，供经验检索与导出微调 | 稳定使用一段时间后开启；学习数据存于工作区 .memory/learning/ |
ENABLE_KNOWLEDGE_RETRIEVER |
启用知识库检索（search_knowledge） | 需要从 knowledge_base 检索时开启 |
ENABLE_KNOWLEDGE_GRAPH |
启用知识图谱（knowledge_graph：抽取实体/关系、查询图谱） | 需要按领域沉淀或过滤经验时开启 |
本体相关工具（少工具原则）：ontology（schema 查询/实例抽取）、ontology_import（LOV/Wikidata/OWL 等外部导入与合并至主 KG）、knowledge_graph（见上）。为何默认关闭、开启后具体行为见 docs/resources-and-capabilities.md。知识学习与 KG：先开知识库检索，再按需开知识图谱；自我学习会从 configurable 读取 skill_profile/workspace_domain 做模式分段，便于按场景复用经验。
| 特性 | 开发模式 (dev) | 生产模式 (prod) |
|---|---|---|
| 命令 | langgraph dev |
langgraph up |
| 存储 | Pickle (内存) | SQLite (文件) |
| 持久化 | ❌ 重启丢失 | ✅ 持久保存 |
| 内存 | ✅ 稳定 |
推荐使用生产模式：./start prod
.env.example- 配置示例（复制为.env使用）langgraph.json- LangGraph 服务配置backend/pyproject.toml- Python 依赖
# 复制配置示例
cp .env.example .env
# 编辑配置
vim .env| 配置项 | 默认值 | 说明 |
|---|---|---|
CHECKPOINT_TTL_DAYS |
7 | 检查点保留天数 |
STORE_TTL_DAYS |
30 | Store 数据保留天数 |
CLEANUP_INTERVAL_SECONDS |
3600 | 清理任务间隔（秒） |
LLM_CACHE_MAX_SIZE |
1000 | LLM 响应缓存大小 |
AGENT_CACHE_MAX_SIZE |
5 | Agent 实例缓存大小 |
HTTP_MAX_CONNECTIONS |
20 | HTTP 最大连接数 |
SQLITE_CACHE_SIZE_KB |
64000 | SQLite 缓存大小（KB） |
完整配置项请参考 .env.example。
| 文档 | 说明 |
|---|---|
| ARCHIVE.md | 项目归档说明与参考用途 |
| docs/ADVANTAGES.md | 项目优势、适用场景与合作交流（推荐对外介绍时引用） |
| docs/REFERENCE_USAGE.md | 参考代码使用说明（克隆、运行、阅读顺序） |
| docs/PROJECT_STRUCTURE.md | 项目结构 |
| docs/resources-and-capabilities.md | 资源与能力（Skills、知识图谱、自我学习等） |
| docs/operations.md | 运行与调试 |
| docs/main_pipeline_and_middleware_rationality.md | 主链路与中间件设计 |
| docs/README.md | 文档索引（入口） |
docs/archive/ |
开发过程与历史文档 |
backend/docs/ |
后端架构文档 |
在仓库 About 中设置 Topics 时，GitHub 要求：仅小写字母或数字开头、总长 ≤50 字符、可含连字符。请勿使用大写、空格或过长词。推荐标签（逐个添加）：
langchain langgraph deepagent fastapi electron react python typescript reference-implementation archived ai-editor
本仓库以参考代码形式公开发布，欢迎借鉴与交流，以增加可见度与协作机会：
- 使用心得与衍生项目：若你基于本仓库做了学习总结或二次开发，欢迎在 GitHub Issues 中分享链接或简要说明。
- 架构与实现讨论：对 LangGraph/DeepAgent 集成、中间件、Skills 与知识库等设计问题，可在 Issues 中发起讨论。
- Fork 与链接：在遵守 LICENSE 的前提下欢迎 Fork；若形成公开项目，可考虑在 README 或 docs/ADVANTAGES.md 中交换链接。
详见 docs/ADVANTAGES.md 第五部分。
- Star（点赞）≠ 下载/克隆：有人可能已
git clone使用但未点 Star，故「暂无 Star」不代表没人使用。 - 提高被发现概率：在仓库 About 中填写 Description（如：LangChain/LangGraph 全栈 AI 编辑器参考实现，已归档供学习）并添加 Topics（见上方标签说明）；发一个 Release 可增加入口与可信度。
- 若本仓库对你有帮助，欢迎点 Star 或分享给同行。
请勿在仓库中提交 API Key、密钥或内网地址。 云端 Key 请仅写在本地 .env 中，配置里只填环境变量名（如 CLOUD_QWEN_API_KEY）。详见 SECURITY.md。
本仓库以参考代码形式公开发布，使用许可见 LICENSE。