Deodat-Lawson/LaunchStack

解決的問題

LaunchStack 為構建 AI 原生應用提供了一個結構化、框架無關的引擎，專門針對 Next.js 開發者。透過提供一個可以插入現有應用程式的統一「引擎」，消除了手動將 OCR、向量資料庫、LLM 抽象和後台作業處理器等不同組件連接在一起的需求。

工作原理

該專案採用「基於連接埠（ports-based）」的架構。@launchstack/core 套件包含了 RAG、數據攝取和 LLM 管理的核心邏輯，但它與環境無關。宿主應用程式（例如 Next.js 應用程式）實作特定的「連接埠」——例如用於檔案儲存（S3、本地）的 StoragePort 或用於後台任務（Inngest）的 JobDispatcherPort——從而將核心引擎連接到實際的基礎設施。這種分離確保了核心邏輯在 CLI 或 MCP 伺服器等不同環境中具有可移植性。

適用對象

想要為文件攝取、語義搜尋和代理工作流構建生產級基礎，而無需從頭開始構建基礎設施管道的 AI 驅動型應用 TypeScript 開發者。

亮點

• 全面的 AI 工具集：內建對 OCR（透過 Docling、Marker、Azure 等）- 嵌入（embeddings）和知識圖譜的支持。
• 靈活的攝取：無需 OAuth 即可從 Notion、Google Docs、Slack 和 GitHub 匯入數據的適配器。
• 生產級參考應用：包含完整的 Next.js 實作，具有 Clerk 身分驗證、用於 RAG 的 pgvector 以及代理護欄（PII 過濾器和置信度門檻）。
• 基礎設施無關：核心邏輯與環境變數和框架解耦，具有極高的可移植性。