🌟 项目简介
一个轻量级、支持全链路且易于二次开发的大模型应用项目
已集成MCP多智能体架构
基于 Dify 、LangChain/LangGraph、Ollama&Vllm、Sanic 和 Text2SQL 📊 等技术构建的一站式大模型应用开发项目,采用 Vue3、TypeScript 和 Vite 5 打造现代UI。它支持通过 ECharts 📈 实现基于大模型的数据图形化问答,具备处理 CSV 文件 📂 表格问答的能力。同时,能方便对接第三方开源 RAG 系统 检索系统 🌐等,以支持广泛的通用知识问答。
作为轻量级的大模型应用开发项目,Sanic-Web 🛠️ 支持快速迭代与扩展,助力大模型项目快速落地。🚀
- 开源不易,本人精力和时间有限,如需一对一技术支持可以赞助一波^_^联系微信(备注 技术支持)
- 一对一技术支持 我将亲自远程帮您配置开发环境部署和启动、并讲解项目架构以及二开思路等
- 长期技术支持方式 拉你加入VIP群(一线算法架构群),为你提供技术指导,大模型项目解决方案等
- 我们能承接 写作类、报告类、数据问答、表格问答等具体垂直业务场景的项目需求,欢迎联系微信(备注 商务合作)
针对领域 | 核心能力 |
---|---|
金融投研 | ◼ 自动生成行研框架(宏观/赛道/公司) ◼ 财务模型智能搭建(DCF/Comps) ◼ 监管披露合规校准 |
医疗健康 | ◼ 临床管线分析报告 ◼ 医疗器械审批路径解读 ◼ 全球药政数据库实时联动 |
科技产业 | ◼ 技术路线图生成 ◼ 专利强度三维评估 ◼ 供应链风险穿透工具 |
法律尽调 | ◼ 交易文件智能摘要 ◼ 监管变更影响报告 ◼ 司法判例冲突点扫描 |
能源环保 | ◼ 政策补贴计算器 ◼ 碳排放强度推演模型 ◼ 基础设施投资回报分析框架 |
aixwrite.mp4
微信 |
---|
![]() |
- 核心技术栈:Dify + Ollama + RAG + (Qwen3/DeepSeek) + Text2SQL + MCP
- UI 框架:Vue 3 + TypeScript + Vite 5
- 数据问答:集成 ECharts大模型实现Text2SQL轻量级的图形化数据问答展示
- 表格问答:支持 CSV格式文件的上传与基于大模型总结预处理和Text2SQL的表格数据问答
- 通用问答:支持通用数据形式问答基于对接三方RAG系统+公网检索模式
- 应用架构:作为一个轻量级全链路一站式大模型应用开发框架方便扩展落地
- 灵活部署:支持大模型应用开发各依赖组件docker-compose一键拉起快速部署零配置
在开始之前,请确保您的开发环境满足以下最低配置要求:
- 操作系统:Windows 10/11, macOs M系列, Centos/Ubuntu
- GPU: 本地使用ollama部署,推荐使用Nvidia显卡或CPU模式。或公网购买APIKEY形式
- 内存:8GB+
- Python 3.11.x
- uv 0.8.0+
- Dify 0.7.1+
- Mysql 8.0+
- Node.js 18.12.x+
- Pnpm 9.x
- 购买公网大模型阿里云公网大模型服务APIKEY
- 模型要求: Qwen3/Qwen-Plus/Deepseek 模型
- 安装Dify
- 官方参考文档
- 为了兼顾第一次接触大模型应用的同学,本项目提供了一键拉起Dify服务方便大家快速体验。
- Dify本机访问地址:http://localhost:18000 账号/密码: 需自己注册
# 拉起内置的dify服务 cd docker/dify/docker docker-compose up -d
- Dify配置
- 购买阿里云公网大模型服务APIKEY
- 导入项目根目录下的docker/docker/dify/数据问答_v1.1.5_qwen_plus.yml画布
- 获取画布对应的api-key先复制出来下面步骤会使用
- 导入画布后需要手动选择一下你本地配置的大模型并保存
- 安装MCP-HUB
git clone https://github.com/apconw/sanic-web.git
cd docker
# 创建volume目录
mkdir -p ./volume/mcp-data
# 创建一个空的或默认的 mcp_settings.json 文件
touch ./volume/mcp-data/mcp_settings.json
docker compose up -d mcphub
- MCP-HUB配置
- 登录MCP-HU admin/admin123
- 安装CMP工具
- 具体步骤如下:
- 第一步克隆代码到本地
- 第二步Dify环境配置直接参考上面Dify环境配置 这步很重要!!!!
- 第三步确认Dify画布和大模型已经导入并配置成
- 第四步启动服务具体步骤如下:
-
克隆仓库
git clone https://github.com/apconw/sanic-web.git
-
启动服务
- 修改docker-compose里的环境变量(配置文件在docker/docker-compose.yml)
- 修改DIFY_SERVER_URL Dify服务地址,本地启动默认不用修改
- 修改DIFY_DATABASE_QA_API_KEY Dify智能体api-key,本地启动默认不用修改
- 修改MODEL_BASE_URL 公网大模型服务地址如使用阿里云公网大模型服务,默认不用修改
- 修改MODEL_NAME 大模型名称如Qwen-Plus
- 修改MODEL_API_KEY 大模型服务APIKEY
- 修改MCP_HUB_URL MCP_HUB服务地址本地启动,默认不用修改
# 拉起前后端服务和中间件 cd docker docker compose up -d
- 修改docker-compose里的环境变量(配置文件在docker/docker-compose.yml)
-
Minio配置
- 访问MinIO服务,http://localhost:19001/ 账号:admin 密码:12345678
- 创建一个bucket,名称filedata,同时配置Access Key
- 修改docker-compose里的chat-service服务的MINIO_开头的环境变量重启服务
# 重新拉起前后端服务和中间件 cd docker docker compose up -d
-
数据初始化
# 安装依赖包 pip install pymysql # Mac or Linux 用户执行 cd docker ./init_data.sh # Windows 用户执行 cd common python initialize_mysql.py
-
访问服务
- 第一步克隆代码到本地
- 第二步参考上面购买公网大模型服务APIKEY并在Dify中配置
- 第三步本地开发环境Dify配置,参考上面 Dify环境配置里 获取Dify画布的api-key 同时修改.env.dev文件里面的DIFY_DATABASE_QA_API_KEY
- 第四步本地开发环境Minio配置,修改env.dev文件里面的Minio相关密钥信息
- 第五步安装前后端项目依赖并启动前后端服务具体步骤如下:
- 后端依赖安装
- uv安装 参考uv官方文档
# 安装uv curl -LsSf https://astral.sh/uv/install.sh | sh #克隆代码到本地 git clone https://github.com/apconw/sanic-web.git #进入项目目录 cd sanic-web # 创建虚拟环境 uv venv --clear # 激活虚拟环境 # Mac or Linux 用户执行 source .venv/bin/activate # Windows 用户执行 .venv\Scripts\activate # 安装依赖 uv sync --no-cache # pycharm 配置虚拟环境 Settings -> Project: sanic-web -> Project Interpreter -> Add -> Existing environment 选择.venv目录
- 安装中间件
cd docker docker compose up -d mysql minio mcphub
- 修改.env.dev配置文件
- 修改minio的配置
- 访问MinIO服务,http://localhost:19001/ 账号:admin 密码:12345678
- 创建一个bucket,名称filedata,同时配置Access Key
- 修改.evn.dev里的MINIO_开头的密钥消息
- 修改大模型&MCP-HUB配置
- 修改MODEL_BASE_URL 公网大模型服务地址如使用阿里云公网大模型服务,默认不用修改
- 修改MODEL_NAME 大模型名称如Qwen-Plus
- 修改MODEL_API_KEY 大模型服务APIKEY
- 修改MCP_HUB_URL MCP_HUB服务地址本地启动,默认不用修改
-
初始化数据库
- 如果使用本地环境mysql,初始化数据时需修改源码initialize_mysql,修改数据库连接信息即可
# Mac or Linux 用户执行 cd docker ./init_data.sh # Windows 用户执行 cd common python initialize_mysql.py
-
前端依赖安装
- 前端是基于开源项目可参考chatgpt-vue3-light-mvp安装二开
# 安装前端依赖&启动服务 cd web #安装依赖 npm install -g pnpm pnpm i #启动服务 pnpm dev
-
启动后端服务
#启动后端服务 python serv.py
-
访问服务
- 执行构建命令:
# 构建前端镜像 make web-build # 构建后端镜像 make service-build
如果你喜欢这个项目或发现有用,可以点右上角 Star
支持一下,你的支持是我们不断改进的动力,感谢! ^_^
- 大模型应用交流群欢迎大家, 欢迎加进群讨论分享经验
- 关注下面的公众号点击·微信群菜单添加微信拉你入群
微信群 |
---|
![]() |
MIT License | Copyright © 2024-PRESENT AiAdventurer