Top AI Repos — open-source AI, indexed and scored
Top AI Repos tracks AI repositories on GitHub and answers two different questions about each one: is it moving right now, and would you bet a product on it.
Top AI Repos tracks AI repositories on GitHub and answers two different questions about each one: is it moving right now, and would you bet a product on it.
SuperMew — Agentic RAG with LangChain & LangGraph
| Date | Stars |
|---|---|
| 2026-07-31 | 800 |
| 2026-08-01 | 801 |
| 2026-08-02 | 801 |
| 2026-08-03 | 801 |
| 2026-08-04 | 804 |
| 2026-08-05 | 808 |
| 2026-08-06 | 812 |
Today
+4 stars today
This week
— stars this week
This month
— stars this month
Momentum
16.0
growth rate 0.00%/day
# SuperMew 项目说明 Agent的项目记录，方便后续持续更新与展示。 [](https://zread.ai/icey1287/SuperMew) ## 本地部署 ### 1) 环境准备 - Python `3.12+` - 包管理建议：`uv`（也支持 `pip`） - Docker / Docker Compose（用于启动 Milvus 依赖） ### 2) 使用 pyproject 安装依赖 在项目根目录执行： ```bash # 方式 A：推荐（uv） uv sync # 运行服务 uv run python backend/app.py # 或 uv run uvicorn backend.app:app --host 0.0.0.0 --port 8000 --reload ``` ```bash # 方式 B：pip python -m venv .venv source .venv/bin/activate pip install -U pip pip install -e . # 运行服务 python backend/app.py # 或 uvicorn backend.app:app --host 0.0.0.0 --port 8000 --reload ``` ### 3) 创建 `.env` 文件 ```bash cp .env.example .env ``` 按需编辑 `.env` 中的 API Key、模型名与连接地址；变量说明见 `.env.example` 内注释。 ### 4) Docker 部署（数据库 + 缓存 + 向量库） 当前仓库的 `docker-compose.yml` 同时承载业务依赖与 Milvus 依赖： - 业务依赖：`postgres`、`redis` - 向量依赖：`etcd`、`minio`、`standalone`、`attu` ```bash # 启动向量库依赖 docker compose up -d # 查看服务状态 docker compose ps # 查看日志（可选） docker compose logs -f standalone ``` 端口说明： - PostgreSQL：`5432` - Redis：`6379` - Milvus：`19530` - Milvus 健康检查：`9091` - MinIO API：`9000` - MinIO Console：`9001` - Attu：`8080` ### 5) 编译前端代码（首次运行及修改后必做） 首次运行或前端代码修改后，需要进行前端依赖安装和构建编译，以生成供后端托管的 `frontend/dist` 目录： ```bash cd frontend # 安装前端依赖 npm install # 编译构建静态包 npm run build ``` 编译完成后，构建产物会自动保存在 `frontend/dist/` 中，后端启动时会自动挂载此目录。 ### 6) 启动应用并访问 在 Milvus 启动且前端编译完成后，返回项目根目录并运行后端应用： ```bash # 若当前处于 frontend 目录下，先返回项目根目录 cd .. # 运行后端应用 uv run uvicorn backend.app:app --host 0.0.0.0 --port 8000 --reload ``` 浏览器访问： - 前端页面：`http://127.0.0.1:8000/` （后端静态托管编译后的 `frontend/dist` 资源） - API 文档：`http://127.0.0.1:8000/docs` ### 7) 前端开发与调试（可选） 前端基于 Vite + Vue 3 开发。若需要进行前端代码开发与调试： ```bash cd frontend # 1. 启动本地开发服务（运行于 http://localhost:3000，内置反向代理至 FastAPI 后端 8000 端口） npm run dev # 2. 编译生产包（构建结果将输出至 frontend/dist/ 目录中，供后端静态托管） npm run build ``` ## 项目概览 - **核心能力**： - LangChain Agent + 自定义工具。 - 文档上传后执行三级滑动窗口分块，叶子分块向量化写入 Milvus，父级分块写入 PostgreSQL。 - 用户注册/登录、JWT 鉴权、基于角色的 RBAC 权限控制（admin/user）。 - 会话记忆与摘要，聊天与历史记录落地 PostgreSQL，并引入 Redis 缓存热点会话与父文档。 - **运行形态**：FastAPI 后端 + 现代工程化前端（Vite + Vue 3 + TypeScript + Pinia）+ Milvus 向量库。 ## 关键创新点 - **混合检索落地**：稠密向量 + BM25 稀疏向量，Milvus Hybrid Search + RRF 排序，兼顾语义与词匹配。 - **低延迟复杂度规划与并行 Sub-Agent 流程**：明显的单事实问题由本地规则直接进入检索；其余问题由 FAST_MODEL 一次完成复杂度判断和 2-4 个子问题规划。复杂问题通过 LangGraph `Send` 并行执行各子问题的“检索 → 证据评判”，最终在 Synthesis 节点去重合成。 - **纠错型 RAG（Corrective RAG）与单选查询重写**：检索后由独立的 GRADE_MODEL 结构化判断证据相关性、可回答性与歧义。证据不足时，FAST_MODEL 在一次结构化调用中选择 Step-back 或 HyDE，只执行选中的一次重写检索和一次复评。 - **Jina Rerank 接入**：Hybrid/Dense 召回后进行
Excerpt of 22,422 characters
Read on GitHub
79
Would you bet a product on this? Bounded 0–100 and slow moving.
matched fp:74d28ed908d73ce9, desc:agentic