Agent-Test - AI 聊天助手

一个具备长期记忆和流式响应的 AI 聊天助手。

核心特性

• 🔄 实时流式输出：基于 SSE (Server-Sent Events)，逐字返回 LLM 响应，提供流畅的对话体验
• 🧠 持久化记忆：使用 LangGraph Checkpoint + SQLite，每个对话线程独立保存历史上下文
• 📊 智能摘要：自动压缩长对话历史，保持上下文连贯性的同时控制 Token 消耗
• ⚡ 简洁架构：纯 Flask + LangGraph，无冗余依赖，易于理解和扩展
• 🛠️ 生产就绪：提供完整的启动/停止脚本，日志管理，异常处理机制

预览

快速开始

1. 安装依赖

pip install -r requirements.txt

2. 配置环境变量

复制配置模板并修改：

cp .env.example .env

然后编辑 .env 文件，填入你的配置：

# 必填
OPENAI_API_KEY=your_actual_api_key_here
OPENAI_BASE_URL=https://api.openai.com/v1
OPENAI_MODEL_NAME=gpt-4

# 可选（已有默认值）
TEMPERATURE=0.7
MAX_TOKENS=12288

3. 启动服务

后台启动（生产环境）

./start.sh

停止服务

./stop.sh

重启服务

./restart.sh

查看状态

./status.sh

前台启动（开发调试）

python server.py

目录结构

.
├── server.py           # Flask 服务入口
├── src/
│   ├── main.py        # LangGraph 工作流定义
│   └── agents/
│       ├── chatbox.py # 聊天 Agent
│       └── models.py  # 数据模型和工具函数
├── static/
│   └── index.html     # 前端页面
├── data/              # SQLite checkpoint 存储
├── logs/              # 日志文件
│   └── server.log    # 服务日志（所有输出）
└── *.sh               # 启动脚本

访问地址

启动成功后访问：http://127.0.0.1:5000

日志查看

# 实时查看日志
tail -f logs/server.log

# 查看最近 50 行
tail -50 logs/server.log

# 搜索错误
grep ERROR logs/server.log

技术栈

• 工作流引擎: LangGraph - 状态管理 + 可中断流式执行
• Web 框架: Flask + SSE - 服务端事件推送实现实时流式响应
• LLM 接入: LangChain + OpenAI API（兼容所有 OpenAI 格式端点）
• 持久化层: LangGraph Checkpoint + SQLite - 零配置的对话历史存储
• 前端界面: 原生 HTML/CSS/JavaScript - 无构建依赖，开箱即用