LangChat/langchat

LangChat 是Java&LangChain4j生态的开源 AI Agent 应用平台,支持多模型、Agent、知识库 RAG、Skills、MCP 与智能问数。

Vue

1,313

22 commits

updated Sep 27, 2026

See the code

README

LangChat 开源 AI 智能体应用平台能力总览

LangChat

由 LangChat Team 开发的开源 AI Agent 应用平台

官网 · 企业商业版 · English

Apache-2.0 License Java 17 Spring Boot 3.3 Vue 3

LangChat Agentic 企业商业版

LangChat Agentic 是 LangChat Team 面向企业采购、交付与长期运营推出的商业产品。商业版拥有比当前开源版本更丰富、完整的产品能力,适合需要将 AI 应用规模化部署到真实业务流程中的组织。

商业版主要提供:

  • 标准智能体、工作流智能体与 Agentic 智能体三种应用构建范式;
  • 长期记忆、记忆压缩、独立会话工作空间与容器化沙箱执行;
  • Supervisor、顺序、并行和循环等多 Agent 协同编排;
  • 企业知识库、混合检索、索引版本切换、融合排序与可选重排;
  • 受控 Text2SQL 智能问数、企业数据源接入与可解释图表;
  • Function Call、MCP、A2A、Skill、OpenAPI 与 HTTP 扩展通道;
  • 模型治理、权限安全、内容安全、用量与成本控制、运行审计;
  • 私有化部署、信创适配、实施交付、培训与持续版本服务。
LangChat Agentic 企业智能体应用工作平台产品界面

如果你正在进行企业级 AI 平台选型或采购,建议优先了解 LangChat Agentic:

查看商业版完整能力 · 阅读商业白皮书 · 查看价格与交付方案 · 了解团队

关于 LangChat

LangChat 是一个模块化、可扩展的开源 AI Agent 应用平台。它将模型接入、Agent 构建、知识库 RAG、Skills、MCP、数据分析和权限管理整合到同一套 Java 与 Vue 技术体系中,帮助开发者快速搭建可运行、可集成的 AI 应用。

开源版本适合技术验证、二次开发和团队内部场景建设。项目采用模块化单体架构,在保持部署简单的同时,为后续按领域拆分和能力扩展保留清晰边界。

功能体系

能力说明
多模型接入统一管理 OpenAI、Azure OpenAI、Anthropic、Gemini、DeepSeek、通义千问、智谱、Ollama 及 OpenAI 兼容服务
Agent 构建配置模型、系统提示词、知识库、Skills 与 MCP,提供构建、调试和运行界面
对话运行时支持会话与消息管理、SSE 流式响应,并提供 OpenAI 兼容的 Chat Completions 接口
知识库 RAG管理知识库、文档上传、解析预览、分段、索引状态和向量存储配置
Skills 扩展支持技能包或文件夹上传、文件浏览、下载和运行时工具注册
MCP 集成管理外部 MCP 服务配置,并在 Agent 运行时复用客户端会话
智能问数接入数据源、读取结构目录,以自然语言生成分析结果与图表
图像能力提供图像生成与图像识别接口,复用统一模型配置体系
应用市场发布和发现 Agent,并从统一聊天界面直接运行应用
权限与治理提供登录、用户、角色、菜单、动态路由与 RBAC 权限管理

核心亮点

  • 统一的 AI 运行时:模型、Agent、知识库、Skills 与 MCP 通过清晰的运行时定义装配,降低业务代码对具体模型 SDK 的耦合。
  • 开放的协议入口:同时提供平台 API 与 OpenAI 兼容接口,便于现有客户端和内部系统接入。
  • 面向扩展的工具体系:技能文件、工具注册与 MCP 服务可以按 Agent 组合,适合持续接入企业工具和业务能力。
  • 从知识到数据分析:同一平台覆盖文档知识检索与结构化数据分析,减少多套 AI 工具之间的上下文割裂。
  • 模块化单体架构:后端按 common、auth、aigc、core、datasource、server 划分边界,兼顾开发效率与演进空间。
  • 完整管理界面:Vue 3 前端覆盖概览、模型、Agent、知识库、Skills、MCP、数据源、用户与角色等主要工作流。

界面预览

以下截图来自本地开发环境启动后的实际界面,按功能分类展示。信息密度较高的页面(Agent 构建器、文档导入、数据源详情)采用一行两张,其余一行三张。

登录与总览

登录页概览应用市场
LangChat 登录页LangChat 概览页,展示指标与趋势图LangChat 应用市场

Agent 应用

Agent 管理构建器 · 应用配置
Agent 管理列表Agent 构建器应用配置与聊天调试
构建器 · API 接入构建器 · 消息日志
Agent 构建器 API 接入页Agent 构建器消息日志页
构建器 · 统计报表应用对话
Agent 构建器统计报表页应用市场中的 Agent 对话页

知识库与文档导入

知识库管理导入文档 · 上传文件
知识库管理页知识库导入文档的上传文件步骤
知识库 · 文档管理知识库 · 文档分段
知识库文档管理、向量化状态与任务操作知识库文档分段列表、元数据与向量化状态
导入文档 · 分段配置导入文档 · 执行向量化
知识库导入文档的分段配置步骤知识库导入文档的执行向量化步骤

智能问数与图片能力

智能问数图片生成图片识别
智能问数页图片生成页图片识别页

数据源

数据源管理数据源详情 · 表内省
数据源管理页数据源详情页,展示数据库表内省结果

模型与扩展能力

模型管理向量存储技能管理
模型管理页向量存储管理页技能管理页
MCP 管理模型监控
MCP 管理页模型监控页

权限与治理

用户管理角色管理
用户管理页角色管理页,展示菜单授权标签
菜单管理关于
菜单管理页关于页面

技术架构

flowchart LR
    U[用户 / 外部系统] --> UI[Vue 3 管理端]
    U --> API[REST / OpenAI-compatible API]
    UI --> API

    API --> AUTH[langchat-auth<br/>认证与 RBAC]
    API --> AIGC[langchat-aigc<br/>配置与资源管理]
    API --> CORE[langchat-core<br/>Agent / Chat / RAG / Skills]
    API --> DS[langchat-datasource<br/>数据源与智能问数]

    CORE --> LLM[模型服务<br/>OpenAI / Gemini / Ollama / ...]
    CORE --> MCP[MCP 服务与工具]
    CORE --> VECTOR[Pgvector / Milvus]
    AIGC --> MYSQL[(MySQL)]
    AUTH --> MYSQL
    DS --> DATA[(业务数据源)]

技术栈

层级主要技术
后端Java 17、Spring Boot 3.3、LangChain4j 1.12、MyBatis-Plus、Sa-Token
前端Vue 3、TypeScript、Vite、Pinia、Naive UI、Tailwind CSS、VXE Table、ECharts
数据MySQL、PostgreSQL / Pgvector、Milvus
工程Maven 多模块、pnpm workspace、SSE、OpenAI-compatible API

项目结构

langchat
├── build-release.sh      # 构建后端、前端并生成非 Docker 交付目录
├── build-docker.sh       # Docker 配置准备、镜像构建与服务管理入口
├── langchat-common       # 公共基础能力与依赖管理
├── langchat-auth         # 认证、用户、角色、菜单与权限
├── langchat-aigc         # 模型、Agent、知识库、Skills 等业务管理
├── langchat-core         # 对话运行时、RAG、MCP、图像与数据分析
├── langchat-datasource   # 数据源接入、结构读取与查询能力
├── langchat-server       # Spring Boot 启动与应用配置
├── langchat-ui           # Vue 3 前端工作区
└── docs/db               # 数据库初始化脚本

快速开始

环境要求

  • JDK 17+
  • Maven 3.9+
  • Node.js 22.22+
  • pnpm 10.32+
  • MySQL 8+

1. 获取代码

git clone -b next https://github.com/langchat/langchat.git
cd langchat

2. 配置本地环境

本地配置文件已被 Git 忽略,不会被提交:

cp langchat-server/src/main/resources/application-local.example.yml \
  langchat-server/src/main/resources/application-local.yml

编辑 application-local.yml,填写数据库连接和本地管理员密码。生产环境请使用环境变量,不要将密码或密钥写入仓库。

数据库初始化脚本位于 docs/db/langchat.sql。

3. 安装前端依赖

cd langchat-ui
corepack enable
pnpm install
cd ..

4. 启动项目

SPRING_PROFILES_ACTIVE=local ./langchat.sh

默认地址:

  • 前端:http://localhost:5888
  • 后端:http://localhost:8080
  • 健康检查:http://localhost:8080/actuator/health

也可以分别运行后端与前端:

mvn -pl langchat-server -am spring-boot:run
pnpm --dir langchat-ui --filter @vben/web-naive dev

构建与部署

项目根目录提供两个统一入口脚本。两者用途不同:build-release.sh 用于生成可复制到服务器的传统交付目录,build-docker.sh 用于构建和管理 Docker Compose 服务。

生成非 Docker 交付目录

执行:

bash build-release.sh

脚本会依次完成 Maven 后端打包、Vue 前端生产构建和交付文件检查,并在根目录生成已被 Git 忽略的 release/:

release/
├── app/langchat.jar
├── config/
├── html/
├── logs/
├── nginx/default.conf
├── sql/01-langchat.sql
└── langchat-workspace/

可以通过环境变量修改输出目录:

LANGCHAT_RELEASE_DIR=/opt/releases/langchat bash build-release.sh

脚本不会自动安装前端依赖。首次构建前请先在 langchat-ui/ 中执行 pnpm install。部署后端时,应复制并修改 release/config/application-runtime.example.yml,再通过 Spring Boot 的 spring.config.additional-location 参数加载真实配置。

Docker Compose 部署

首次部署先生成本地配置:

bash build-docker.sh prepare

该命令仅在文件不存在时创建以下配置,不会覆盖已有内容:

  • docker/.env:MySQL、Pgvector、RustFS 和镜像等基础设施参数;
  • docker/application-docker.yml:LangChat 后端数据库、管理员和 S3 客户端配置。

修改两份配置并确保数据库与 RustFS 凭据相互一致,然后执行:

bash build-docker.sh deploy

deploy 会构建 LangChat 镜像并在后台启动 LangChat、MySQL、Pgvector 与 RustFS。后端业务配置通过 Compose 同目录的 YAML 文件挂载到容器中,不需要在 docker-compose.yml 内维护大量应用参数。

常用命令:

命令作用
bash build-docker.sh build仅构建 LangChat 应用镜像
bash build-docker.sh up使用现有镜像启动全部服务
bash build-docker.sh down停止并删除容器,保留数据卷
bash build-docker.sh restart重启 LangChat 应用容器
bash build-docker.sh logs [服务名]持续查看日志,默认服务为 langchat
bash build-docker.sh status查看服务状态
bash build-docker.sh config展开并校验 Compose 配置
bash build-docker.sh release调用 build-release.sh 生成传统交付目录

可通过 LANGCHAT_DOCKER_ENV_FILE 指定其他 Compose 环境变量文件,通过 LANGCHAT_CONFIG_SOURCE 指定相对于 docker/docker-compose.yml 的后端 YAML。完整的容器端口、存储和健康检查说明见 Docker 部署文档。

配置与安全

  • application.yml 保存通用配置。
  • application-dev.yml、application-test.yml 和 application-prod.yml 对应不同运行环境。
  • application-local.yml 仅用于本机真实配置,已加入 .gitignore。
  • Docker 部署的后端业务参数写入本地 docker/application-docker.yml,基础设施参数写入 docker/.env;两个文件均已被 Git 忽略。
  • 部署前必须替换示例中的 change-me、默认密码和访问密钥;build-docker.sh 会拒绝使用仍包含 change-me 的配置启动。
  • 非 Docker 部署可以使用外部 YAML 或环境变量覆盖配置,不要直接修改并提交生产凭据。
  • 不要在 Issue、日志、提交记录或截图中公开 API Key、数据库密码和访问令牌。

参与贡献

欢迎通过 Issue 报告问题、讨论设计或提出功能建议。提交代码前请阅读 贡献指南 与 行为准则。安全问题请按照 安全政策 私下报告。

当前开发基线为 next 分支,请基于该分支创建功能分支并向 next 提交 Pull Request。

商业支持

LangChat Agentic 是面向企业采购的完整商业产品。如果你的组织正在建设企业级智能体平台,或需要私有化部署、系统集成、实施交付与持续服务,建议直接评估 LangChat Agentic。

许可证

除子目录另有声明外,本项目基于 Apache License 2.0 开源。langchat-ui 包含基于 MIT License 分发的 Vue Vben Admin 相关代码,详情请参阅 langchat-ui/LICENSE 和 NOTICE。

Copyright © 2026 LangChat Team.

agent
ai-agent
java
knowledge-base
langchain4j
llm
mcp
rag
spring-boot
vue3

LangChat/langchat

LangChat 是Java&LangChain4j生态的开源 AI Agent 应用平台,支持多模型、Agent、知识库 RAG、Skills、MCP 与智能问数。

Vue

1,313

22 commits

updated Sep 27, 2026

See the code

README

LangChat 开源 AI 智能体应用平台能力总览

LangChat

由 LangChat Team 开发的开源 AI Agent 应用平台

官网 · 企业商业版 · English

Apache-2.0 License Java 17 Spring Boot 3.3 Vue 3

LangChat Agentic 企业商业版

LangChat Agentic 是 LangChat Team 面向企业采购、交付与长期运营推出的商业产品。商业版拥有比当前开源版本更丰富、完整的产品能力,适合需要将 AI 应用规模化部署到真实业务流程中的组织。

商业版主要提供:

  • 标准智能体、工作流智能体与 Agentic 智能体三种应用构建范式;
  • 长期记忆、记忆压缩、独立会话工作空间与容器化沙箱执行;
  • Supervisor、顺序、并行和循环等多 Agent 协同编排;
  • 企业知识库、混合检索、索引版本切换、融合排序与可选重排;
  • 受控 Text2SQL 智能问数、企业数据源接入与可解释图表;
  • Function Call、MCP、A2A、Skill、OpenAPI 与 HTTP 扩展通道;
  • 模型治理、权限安全、内容安全、用量与成本控制、运行审计;
  • 私有化部署、信创适配、实施交付、培训与持续版本服务。
LangChat Agentic 企业智能体应用工作平台产品界面

如果你正在进行企业级 AI 平台选型或采购,建议优先了解 LangChat Agentic:

查看商业版完整能力 · 阅读商业白皮书 · 查看价格与交付方案 · 了解团队

关于 LangChat

LangChat 是一个模块化、可扩展的开源 AI Agent 应用平台。它将模型接入、Agent 构建、知识库 RAG、Skills、MCP、数据分析和权限管理整合到同一套 Java 与 Vue 技术体系中,帮助开发者快速搭建可运行、可集成的 AI 应用。

开源版本适合技术验证、二次开发和团队内部场景建设。项目采用模块化单体架构,在保持部署简单的同时,为后续按领域拆分和能力扩展保留清晰边界。

功能体系

能力说明
多模型接入统一管理 OpenAI、Azure OpenAI、Anthropic、Gemini、DeepSeek、通义千问、智谱、Ollama 及 OpenAI 兼容服务
Agent 构建配置模型、系统提示词、知识库、Skills 与 MCP,提供构建、调试和运行界面
对话运行时支持会话与消息管理、SSE 流式响应,并提供 OpenAI 兼容的 Chat Completions 接口
知识库 RAG管理知识库、文档上传、解析预览、分段、索引状态和向量存储配置
Skills 扩展支持技能包或文件夹上传、文件浏览、下载和运行时工具注册
MCP 集成管理外部 MCP 服务配置,并在 Agent 运行时复用客户端会话
智能问数接入数据源、读取结构目录,以自然语言生成分析结果与图表
图像能力提供图像生成与图像识别接口,复用统一模型配置体系
应用市场发布和发现 Agent,并从统一聊天界面直接运行应用
权限与治理提供登录、用户、角色、菜单、动态路由与 RBAC 权限管理

核心亮点

  • 统一的 AI 运行时:模型、Agent、知识库、Skills 与 MCP 通过清晰的运行时定义装配,降低业务代码对具体模型 SDK 的耦合。
  • 开放的协议入口:同时提供平台 API 与 OpenAI 兼容接口,便于现有客户端和内部系统接入。
  • 面向扩展的工具体系:技能文件、工具注册与 MCP 服务可以按 Agent 组合,适合持续接入企业工具和业务能力。
  • 从知识到数据分析:同一平台覆盖文档知识检索与结构化数据分析,减少多套 AI 工具之间的上下文割裂。
  • 模块化单体架构:后端按 common、auth、aigc、core、datasource、server 划分边界,兼顾开发效率与演进空间。
  • 完整管理界面:Vue 3 前端覆盖概览、模型、Agent、知识库、Skills、MCP、数据源、用户与角色等主要工作流。

界面预览

以下截图来自本地开发环境启动后的实际界面,按功能分类展示。信息密度较高的页面(Agent 构建器、文档导入、数据源详情)采用一行两张,其余一行三张。

登录与总览

登录页概览应用市场
LangChat 登录页LangChat 概览页,展示指标与趋势图LangChat 应用市场

Agent 应用

Agent 管理构建器 · 应用配置
Agent 管理列表Agent 构建器应用配置与聊天调试
构建器 · API 接入构建器 · 消息日志
Agent 构建器 API 接入页Agent 构建器消息日志页
构建器 · 统计报表应用对话
Agent 构建器统计报表页应用市场中的 Agent 对话页

知识库与文档导入

知识库管理导入文档 · 上传文件
知识库管理页知识库导入文档的上传文件步骤
知识库 · 文档管理知识库 · 文档分段
知识库文档管理、向量化状态与任务操作知识库文档分段列表、元数据与向量化状态
导入文档 · 分段配置导入文档 · 执行向量化
知识库导入文档的分段配置步骤知识库导入文档的执行向量化步骤

智能问数与图片能力

智能问数图片生成图片识别
智能问数页图片生成页图片识别页

数据源

数据源管理数据源详情 · 表内省
数据源管理页数据源详情页,展示数据库表内省结果

模型与扩展能力

模型管理向量存储技能管理
模型管理页向量存储管理页技能管理页
MCP 管理模型监控
MCP 管理页模型监控页

权限与治理

用户管理角色管理
用户管理页角色管理页,展示菜单授权标签
菜单管理关于
菜单管理页关于页面

技术架构

flowchart LR
    U[用户 / 外部系统] --> UI[Vue 3 管理端]
    U --> API[REST / OpenAI-compatible API]
    UI --> API

    API --> AUTH[langchat-auth<br/>认证与 RBAC]
    API --> AIGC[langchat-aigc<br/>配置与资源管理]
    API --> CORE[langchat-core<br/>Agent / Chat / RAG / Skills]
    API --> DS[langchat-datasource<br/>数据源与智能问数]

    CORE --> LLM[模型服务<br/>OpenAI / Gemini / Ollama / ...]
    CORE --> MCP[MCP 服务与工具]
    CORE --> VECTOR[Pgvector / Milvus]
    AIGC --> MYSQL[(MySQL)]
    AUTH --> MYSQL
    DS --> DATA[(业务数据源)]

技术栈

层级主要技术
后端Java 17、Spring Boot 3.3、LangChain4j 1.12、MyBatis-Plus、Sa-Token
前端Vue 3、TypeScript、Vite、Pinia、Naive UI、Tailwind CSS、VXE Table、ECharts
数据MySQL、PostgreSQL / Pgvector、Milvus
工程Maven 多模块、pnpm workspace、SSE、OpenAI-compatible API

项目结构

langchat
├── build-release.sh      # 构建后端、前端并生成非 Docker 交付目录
├── build-docker.sh       # Docker 配置准备、镜像构建与服务管理入口
├── langchat-common       # 公共基础能力与依赖管理
├── langchat-auth         # 认证、用户、角色、菜单与权限
├── langchat-aigc         # 模型、Agent、知识库、Skills 等业务管理
├── langchat-core         # 对话运行时、RAG、MCP、图像与数据分析
├── langchat-datasource   # 数据源接入、结构读取与查询能力
├── langchat-server       # Spring Boot 启动与应用配置
├── langchat-ui           # Vue 3 前端工作区
└── docs/db               # 数据库初始化脚本

快速开始

环境要求

  • JDK 17+
  • Maven 3.9+
  • Node.js 22.22+
  • pnpm 10.32+
  • MySQL 8+

1. 获取代码

git clone -b next https://github.com/langchat/langchat.git
cd langchat

2. 配置本地环境

本地配置文件已被 Git 忽略,不会被提交:

cp langchat-server/src/main/resources/application-local.example.yml \
  langchat-server/src/main/resources/application-local.yml

编辑 application-local.yml,填写数据库连接和本地管理员密码。生产环境请使用环境变量,不要将密码或密钥写入仓库。

数据库初始化脚本位于 docs/db/langchat.sql。

3. 安装前端依赖

cd langchat-ui
corepack enable
pnpm install
cd ..

4. 启动项目

SPRING_PROFILES_ACTIVE=local ./langchat.sh

默认地址:

  • 前端:http://localhost:5888
  • 后端:http://localhost:8080
  • 健康检查:http://localhost:8080/actuator/health

也可以分别运行后端与前端:

mvn -pl langchat-server -am spring-boot:run
pnpm --dir langchat-ui --filter @vben/web-naive dev

构建与部署

项目根目录提供两个统一入口脚本。两者用途不同:build-release.sh 用于生成可复制到服务器的传统交付目录,build-docker.sh 用于构建和管理 Docker Compose 服务。

生成非 Docker 交付目录

执行:

bash build-release.sh

脚本会依次完成 Maven 后端打包、Vue 前端生产构建和交付文件检查,并在根目录生成已被 Git 忽略的 release/:

release/
├── app/langchat.jar
├── config/
├── html/
├── logs/
├── nginx/default.conf
├── sql/01-langchat.sql
└── langchat-workspace/

可以通过环境变量修改输出目录:

LANGCHAT_RELEASE_DIR=/opt/releases/langchat bash build-release.sh

脚本不会自动安装前端依赖。首次构建前请先在 langchat-ui/ 中执行 pnpm install。部署后端时,应复制并修改 release/config/application-runtime.example.yml,再通过 Spring Boot 的 spring.config.additional-location 参数加载真实配置。

Docker Compose 部署

首次部署先生成本地配置:

bash build-docker.sh prepare

该命令仅在文件不存在时创建以下配置,不会覆盖已有内容:

  • docker/.env:MySQL、Pgvector、RustFS 和镜像等基础设施参数;
  • docker/application-docker.yml:LangChat 后端数据库、管理员和 S3 客户端配置。

修改两份配置并确保数据库与 RustFS 凭据相互一致,然后执行:

bash build-docker.sh deploy

deploy 会构建 LangChat 镜像并在后台启动 LangChat、MySQL、Pgvector 与 RustFS。后端业务配置通过 Compose 同目录的 YAML 文件挂载到容器中,不需要在 docker-compose.yml 内维护大量应用参数。

常用命令:

命令作用
bash build-docker.sh build仅构建 LangChat 应用镜像
bash build-docker.sh up使用现有镜像启动全部服务
bash build-docker.sh down停止并删除容器,保留数据卷
bash build-docker.sh restart重启 LangChat 应用容器
bash build-docker.sh logs [服务名]持续查看日志,默认服务为 langchat
bash build-docker.sh status查看服务状态
bash build-docker.sh config展开并校验 Compose 配置
bash build-docker.sh release调用 build-release.sh 生成传统交付目录

可通过 LANGCHAT_DOCKER_ENV_FILE 指定其他 Compose 环境变量文件,通过 LANGCHAT_CONFIG_SOURCE 指定相对于 docker/docker-compose.yml 的后端 YAML。完整的容器端口、存储和健康检查说明见 Docker 部署文档。

配置与安全

  • application.yml 保存通用配置。
  • application-dev.yml、application-test.yml 和 application-prod.yml 对应不同运行环境。
  • application-local.yml 仅用于本机真实配置,已加入 .gitignore。
  • Docker 部署的后端业务参数写入本地 docker/application-docker.yml,基础设施参数写入 docker/.env;两个文件均已被 Git 忽略。
  • 部署前必须替换示例中的 change-me、默认密码和访问密钥;build-docker.sh 会拒绝使用仍包含 change-me 的配置启动。
  • 非 Docker 部署可以使用外部 YAML 或环境变量覆盖配置,不要直接修改并提交生产凭据。
  • 不要在 Issue、日志、提交记录或截图中公开 API Key、数据库密码和访问令牌。

参与贡献

欢迎通过 Issue 报告问题、讨论设计或提出功能建议。提交代码前请阅读 贡献指南 与 行为准则。安全问题请按照 安全政策 私下报告。

当前开发基线为 next 分支,请基于该分支创建功能分支并向 next 提交 Pull Request。

商业支持

LangChat Agentic 是面向企业采购的完整商业产品。如果你的组织正在建设企业级智能体平台,或需要私有化部署、系统集成、实施交付与持续服务,建议直接评估 LangChat Agentic。

许可证

除子目录另有声明外,本项目基于 Apache License 2.0 开源。langchat-ui 包含基于 MIT License 分发的 Vue Vben Admin 相关代码,详情请参阅 langchat-ui/LICENSE 和 NOTICE。

Copyright © 2026 LangChat Team.

agent
ai-agent
java
knowledge-base
langchain4j
llm
mcp
rag
spring-boot
vue3

Significant stargazers

Guide

11,076 followers · starred Jul 2024

读钓

15 followers · starred Sep 2024

Ray Xi

29 followers · starred Feb 2025