參考資料

• DeepResearch應用開發實戰
• 網盤課件資料

說明

• 本文僅供學習和交流使用，感謝賦范社區相關老師的辛苦付出！

Gemini Fullstack LangGraph Quickstart

• Gemini Fullstack LangGraph Quickstart（深度研究增強型對話式 AI 系統）是 Google 在 2025 年6月開源的一個全棧 AI Agent 模板項目。結合 Google 的大語言模型 Gemini 2.5 系列和開源的 LangGraph 框架，提供了一個端到端的示例應用，展示如何構建一個研究增強型的對話式 AI 系統。
• 這個項目的后端借助 LangGraph 編排的智能 Agent，能夠對用戶查詢執行深度資料檢索：自動生成搜索關鍵詞、使用 Google 搜索獲取資料、分析結果找出知識空白，并不斷迭代檢索，直到形成有依據的答案并給出引用來源。前端則提供了一個 React 網頁界面，允許用戶方便地與 Agent 進行對話交互。
• Gemini Fullstack LangGraph Quickstart的核心是一套自動化深度搜索與問答功能，旨在解決“如何讓對話式AI給出有依據的深入回答”這一問題。它主要體現為一個多步驟的“研究型 Agent”，可以將用戶的提問轉化為搜索行動，并經過一系列推理最終返回答案。項目的主要功能和特點包括：動態查詢生成、網絡資料檢索、反思與知識空白分析、迭代搜索完善、基于證據的回答生成。

---

• 架構上，采用前后端解耦的全棧架構：前端是基于 React+Vite 構建的單頁應用，提供用戶友好的聊天界面，配以 Tailwind CSS 和 Shadcn UI 組件庫美化界面。后端是基于 FastAPI 的服務，承載 LangGraph 智能體邏輯和 API 接口。這種架構清晰劃分了界面展示和AI推理兩個層面，便于分別開發和調試。
  
• Gemini Fullstack LangGraph Quickstart 可以看作是 LangGraph 框架的一個示范性應用（template 項目）。
• LangGraph 是 LangChain 團隊推出的一個開源庫，專門用于構建可控的多步驟 LLM 工作流。與傳統順序鏈式調用相比，LangGraph 引入“有狀態圖（stateful graph）”的概念，將復雜任務拆解為節點、并用圖結構管理執行流程。開發者可以在 LangGraph 中定義節點（例如一次 LLM 推理或一個工具操作），以及狀態在節點之間的傳遞方式，從而打造出具有決策分支和循環能力的智能體。
• 在本項目中，后端 Agent 就是基于 LangGraph 實現的。項目的 backend/ 目錄下包含了 LangGraph Agent 的定義（主要邏輯在 backend/src/agent/graph.py）。LangGraph 提供了整個多步驟推理過程的“骨架”和運行時支持，而 Gemini 等 LLM 則是完成每個節點任務的“大腦”。 具體而言，LangGraph 在該項目中扮演了以下角色：流程編排、狀態管理、異步與執行控制。

DeepSeek Fullstack LangGraph Quickstart

• Gemini Fullstack LangGraph Quickstart本質上是 Google 自家的模型調用自家的搜索能力。所以，對國內的用戶來說并不是很友好。

• 九天等老師對項目做了二次開發，將底層的基座模型替換成了DeepSeek模型，并且將聯網檢索功能替換為LangGraph可以支持的Tavily聯網檢索。同時，也修改了提示詞為中文，使得在執行任務時能夠以中文的形式進行輸出和總結。

• 項目源碼文件
  

• gitee平臺項目地址

項目部署

完整源碼地址

• Deepseek Fullstack Langgraph Quickstart

后端部署

1. 進入deepseek-fullstack-langgraph-quickstart\backend目錄

   cd D:\Code\deepseek-fullstack-langgraph-quickstart\backenduv venv
   # source venv/bin/activate # linux command
   .venv\Scripts\activate # windows command
   

2. 在虛擬python環境中，安裝第三方依賴和langgraph-cli

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

3. 以管理員身份啟動終端，啟動后端服務

   langgraph dev
   

前端部署

1. 打開終端，進入frontend目錄，執行以下命令，：

   cd frontend
   npm install
   

2. 然后訪問http://localhost:5173/app，進行測試。