didilili/shopkeeper-agent

📊 电商数仓智能问数 AI Agent，最适合用于系统学习 LangGraph 的实战项目：基于 LangGraph、FastAPI、Qdrant、Elasticsearch、MySQL 与 React，完整实现元数据知识库、混合检索、自然语言生成 NL2SQL 生成校验、SQL 执行与流式查询展示。前后端完整代码全栈可跑，Docker 环境一键部署，配套 ai-agents-from-zero 免费教程与章节代码分支。适合系统学习大模型应用、数据分析 Agent 和企业级 AI 工程落地。

解決する課題

このプロジェクトは、ユーザーが自然言語でデータベースを照会したいがSQLの専門知識がないという、ビジネスデータ分析における一般的な課題に対処します。単純な直接LLMからSQLへのプロンプトに依存するのではなく、構造化された多段階の推論パイプラインを実装することで、「幻覚」や誤ったデータ取得（誤ったテーブルやフィールドの選択など）の問題を解決します。

仕組み

このシステムは、LangGraphで構築された洗練されたエージェントワークフローを使用します。まず、MySQL、Qdrant（セマンティックベクトル検索用）、Elasticsearch（キーワードベースの値検索用）のテーブルスキーマ、メトリクス、フィールド値をインデックス化して、メタデータ知識ベースを構築します。ユーザーが質問すると、エージェントは関連コンテキストを収集するためにマルチパス検索を実行し、SQLを生成して検証し、クエリを実行し、結果をReactフロントエンドにストリーミングします。

対象読者

本番環境向けのAIエージェントを構築する方法を学びたい開発者向けに設計されています。LangGraphを習得し、複数のデータストア（MySQL、Qdrant、Elasticsearch）を単一のAIアプリケーションに統合し、データ準備からフロントエンド配信までのエージェントプロジェクトの完全なライフサイクルを理解したい開発者に特に役立ちます。

ハイライト

多段階推論： 単純なプロンプトエンジニアリングを超えて、LangGraphを使用して検索、SQL生成、検証、修正を調整します。
ハイブリッド検索： セマンティック検索（Qdrant）とキーワード検索（Elasticsearch）を組み合わせて、自然言語からデータベーススキーマと値への正確なマッピングを保証します。
フルスタック実装： FastAPIバックエンド、Reactフロントエンド、Dockerベースのインフラストラクチャを含む、完全で実行可能なコードベースが含まれています。
教育重視： 実践的な学習のためにGitブランチに直接マッピングされた、包括的な章ごとのチュートリアルシリーズが付属しています。
エンジニアリングのベストプラクティス： 依存性注入、構造化構成、トレース用のリクエストIDロギングなどのプロフェッショナルなパターンを示します。