AcademicFlow-Agent：基于 LangGraph 与 Ollama 的学术活动协同规划智能体

Pedrosasouza/AcademicFlow-Agent · Agente autônomo com LangGraph/ReAct para gestão acadêmica — Ollama + Llama 3.2

GitHub原文发布未知首次收录 2026-10-28上架 2026-10-30 07:04

ELI5：它是什么，解决什么问题

基于 ReAct 模式与 LangGraph 构建的协同智能体，用于学术活动（课程周、研讨会、工作坊）的规划管理。它可依据对话自动调用六类工具，登记任务与决策、更新活动规划文档章节、汇总项目看板，并通过 PostgreSQL 与 pgvector 对校内规章和公告进行语义检索。系统提供 Streamlit 网页界面与命令行界面，支持按活动或房间隔离数据，并以本地 Ollama 模型（llama3.2 与 nomic-embed-text）驱动对话与向量检索。

# pgvector # Ollama # React # LangGraph # streamlit

核心能力与快速开始

★ 2 · Python

能做什么: 提供 6 个智能体工具：登记任务、更新任务状态、记录决策与理由、创建或更新规划文档章节、汇总当前房间的项目看板、基于 pgvector 余弦距离的规章与公告语义检索。通过 LangGraph 的 ReAct 循环决定直接回答还是调用工具，将聊天历史、任务、决策和文档持久化到 PostgreSQL 16，并按 session_id 区分不同活动。Streamlit 界面每 5 秒增量同步侧栏和聊天，可在运行时向向量表添加新规章；还包含 RAG 检索评测脚本与测试套件。
适用场景: 适合高校院系或学生组织在委员会群聊场景中协同筹备学术活动：查询场地预订提前期、餐饮预算比例等校内规定；把聊天中商定的任务、负责人和截止日期落库；留存决策依据；维护活动规划文档；在网页界面跟踪任务、决策与章节完成情况。
项目形态: 可直接使用的工具
部署方式: README 说明可在本地运行：用 Docker Compose 启动 PostgreSQL 16（含 pgvector）容器，运行 Ollama 服务并拉取 llama3.2 与 nomic-embed-text，可用 streamlit run src/ui.py 或 python src/agent.py 启动；也可用 docker compose up --build -d 同时启动数据库与 Streamlit 容器并连接宿主机 Ollama。
主要依赖: 需要 Python 3.10+、Docker Compose（或本地 PostgreSQL）、Ollama 及其 llama3.2 与 nomic-embed-text 模型；另需配置 DATABASE_URL、OLLAMA_BASE_URL 等环境变量；具体硬件要求未说明。
使用限制: 模型与嵌入依赖本地 Ollama，README 未说明 token 成本或性能限制；session_id 仅用于逻辑分组织数据，不构成安全隔离或身份认证；许可协议未提供，未说明能否商用；许可证字段为空，材料未说明部署所需的硬件规格。
许可证: 未说明
最近推送: 2026-10-27 10:42

官方入门核对 README 依据 ↗

资料检查：2026-10-28 07:00 · 卡片整理：2026-10-30 07:00
卡片由 AI 根据仓库资料整理，未进行安装或运行验证

职业应用

程序员

作为基于 LangGraph/ReAct 的智能体项目参考，程序员可研究其 ReAct 图结构、ToolNode 工具调用、PostgreSQL/pgvector 语义检索与 Streamlit 界面的实现方式，用于构建类似的对话式工具调用应用。

查看内容依据

Agente colaborativo para planejamento de eventos acadêmicos construído com o padrão ReAct em LangGraph, persistência relacional em PostgreSQL e busca semântica em editais via `pgvector`.

官方使用入口 ↗

由 AI 根据来源材料整理，未进行安装或运行验证

相似资源

睡前消息知识库：面向节目文稿的智能 RAG 问答与站内阅读系统

该项目为睡前消息视频节目文稿构建知识库网站，既可向智能体提问，也能在站内浏览与阅读全部节目文稿。问答由基于 LangGraph 的智能 RAG 系统提供，包含自动查询路由、查询优化与语义搜索、基于 LLM 的文档相关性评分、检索文稿上下文与 Markdown 引用修复等功能，并支持自动化文档索引与基于不可变快照的增量更新和网页界面阅读器。系统使用 PostgreSQL + pgvector 存储向量，支持任意 OpenAI-compatible 的对话与嵌入端点，提供 Docker Compose 自托管与蓝绿零停机升级方案。

CommunityLab 编排智能体：面向数字教育社区的多智能体消息处理与内容生成

CommunityLab 是一个基于 LangGraph 与 Streamlit 的多智能体智能平台，面向数字教育社区。其中 Orquestador（编排）智能体负责协调消息处理流程：接收消息、识别相关见证/评价、抽取并结构化信息为 JSON，并生成 LinkedIn 帖子草稿。项目同时涉及学生 FAQ 自动化支持与基于真实成果的 UGC 营销内容生成。当前仓库中该组件处于开发早期，仅完成分支、目录与初步文档，编排器代码集成、安装配置文档与端到端测试均待完成。

Beaconfolio：面向求职软件工程师的可自托管作品集与招聘沟通平台

Beaconfolio 是一个 fork-and-go、可自托管的作品集与招聘方沟通平台，面向求职的软件工程师。它提供作品集展示、多语言站点、带语义搜索的博客、AI 自动生成标签、管理后台，以及招聘收件箱、机会管道和互动分析等求职功能。技术上采用 Angular 22 SSR、FastAPI、PostgreSQL 16 + pgvector，并使用本地 Ollama 模型（nomic-embed-text 嵌入、llama3.2 生成）实现语义检索与标签生成；同时通过 llms.txt、JSON Resume 接口和结构化数据提升招聘方与 AI 助手的可发现性。

research-paper-rag-qa：学术 PDF 语义检索问答工具

该项目是一个面向学术论文 PDF 的检索增强（RAG）语义搜索工具：逐页解析 PDF，将文本切分为带重叠的片段，使用 sentence-transformers/all-MiniLM-L6-v2 生成归一化向量并存入 FAISS 索引，再通过 Streamlit 界面用自然语言查询返回最相关的段落及来源文件与页码。项目刻意只做检索、不做答案生成，以保证每条结果可追溯到原文页面、避免内容幻觉；仓库包含作者硕士阶段的示例 PDF。

这是基于来源内容整理的摘要。原文链接失效后，本页摘要和讨论仍会保留。