全栈 AI Agent 模板
生成带智能体、RAG、实时聊天与认证的全栈应用。
证据显示生成项目提供 JWT、RBAC、HTTP-only Cookie、SSRF 与路径校验、Webhook 签名、密钥排除规则和加密令牌存储；项目看板工作流还将默认 GITHUB_TOKEN 权限设为空，并避免检出不受信任的 PR 代码。升级提供预览和专用分支，智能体界面也支持询问用户后暂停。扣分在于材料未给出所有集成和智能体工具的逐项权限、数据目的地及确认策略，默认播种公开管理员凭据只适合开发环境，数据库静态加密、密钥轮换、LLM 输出安全和合规审计均明确留给用户。依赖审计虽存在，但 CI 无说明地忽略五个 CVE，且没有提供风险评估或缓解措施，因此依赖安全仅属薄弱。来源标明 Vstorm、作者邮箱和安全联系人，但未提供可验证的个人或企业身份；按规则仅视为未知。
README、包元数据、CI 配置和认证测试总体一致，CI覆盖多种生成组合、Python 版本、认证错误、限流与委托认证边界。依赖声明和环境步骤较清楚，失败时也有 HTTP 状态码、工作流通知和日志命令。扣分在于未提供执行结果，部分工具和 GitHub Actions 使用 latest 或主版本标签而非不可变版本，生成组合矩阵也不能证明全部“20+”组合可用；错误消息证据主要集中在认证和一个工作流，未全面覆盖生成、升级、RAG及外部服务故障。
材料明确面向开发者、聊天机器人、ML、企业 SaaS 和创业团队，并提供向导、显式参数、预设、最小模式、五种智能体框架及大量可选集成。安全政策清楚划分模板提供与用户负责的事项，环境说明覆盖开发、预生产、生产、宿主机后端以及 Windows/WSL。满分授予受众场景、能力边界和环境适配。触发精度扣分是因为 CLI 选项虽明确，但所给材料没有展示完整选项约束、冲突处理或智能体工具在何种条件下调用。
README 有目录、快速开始、架构与功能导航、环境表、命令示例、FAQ入口和升级指南；安装及部署说明具体。MIT 文本完整且与元数据一致，因此许可证满分。SECURITY.md 给出支持版本、披露渠道、响应目标和维护范围，组织工作流也说明了问题分流责任。扣分在于仓库名、发行包名、命令名和生成项目命令存在多套命名，需要用户映射；虽有 0.2.19 和升级机制，却未提供实际变更日志或发布历史文件，版本演进只能部分核验。
输出是可直接继续开发的 FastAPI、Next.js、数据库、认证、智能体、RAG和部署骨架，配有启动命令、界面示例、管理功能和升级路径，静态材料充分支持较高可用性。相对从零搭建具有明显价值，但“production-ready”“under 60 seconds”和“20+ integrations”的收益主要由项目自身陈述，未给出独立量化比较。大量可选服务、容器、前后端工具链及生产安全责任会增加配置、运维和审查成本，因此边际价值和成本收益未给满分。
多个主张可在 README、pyproject、SECURITY、CI 和认证测试之间对应，例如版本、许可证、Python 范围、审计、认证、限流与生成组合，形成了良好的内部交叉印证。扣分在于材料被截断且仅展示少量实现测试，无法逐项追踪所有安全控制、集成和界面声明；100% 覆盖率、生产就绪、幂等升级及性能性描述没有附带静态报告或完整实现证据。限制条款与营销描述有所区分，但部分宣传性事实仍未明确标为未经验证的主张。
- CI 的 pip-audit 明确忽略五个 CVE，但所给材料没有解释严重性、受影响路径、补丁计划或替代缓解措施；采用前应逐项审查。
- make bootstrap 会创建 [email protected] / admin123。该凭据不得进入可被他人访问的环境，生产部署前必须禁用、删除或更换。
- 模板明确不默认提供数据库静态加密、密钥轮换、LLM 输出过滤、合规审计或正式渗透测试；生产使用者需自行实现和验证。
- 代码执行、网页搜索、RAG、云盘、S3、Stripe、Slack和Telegram等能力可能处理或外发敏感数据；所给文件不足以确认每项能力的最小权限、同意流程和保留策略。
- 本评估仅基于所给静态文件，未执行生成器、测试、依赖审计、部署或升级流程。
这个 Agent 能做什么，适合哪些场景？
这是一个可配置的项目生成器，用于创建 FastAPI 后端与 Next.js 15、React 19 前端组成的全栈 AI 应用。生成时可从 PydanticAI、PydanticDeep、LangChain、LangGraph 和 DeepAgents 中选择智能体框架，并接入 OpenAI、Anthropic、Gemini 或 OpenRouter。它提供 WebSocket 流式聊天、对话持久化、工具调用界面、文档摄取与向量检索，并可选用 Milvus、Qdrant、ChromaDB 或 pgvector。生成项目还可包含 JWT、API Key、Google OAuth、后台任务、Stripe 计费、管理后台、可观测性和消息渠道。部署边界是用户自行托管的普通代码项目，可通过 Docker Compose 或 Kubernetes运行，前端也可单独部署到 Vercel；生成后不依赖生成器运行。
运行 fastapi-fullstack 向导或 fastapi-fullstack create 后，生成器根据所选数据库、认证、智能体框架、模型提供商、RAG、任务队列和前端选项搭建项目。后端通过 FastAPI 暴露 REST、OpenAPI 和 WebSocket 接口；智能体调用网页搜索、URL 获取、知识库检索、图表、run_python、skills 和 ask_user 等工具，并把文本增量、推理、任务状态和工具结果流式发送到聊天界面。RAG 流程从本地文件、API、Google Drive 或 S3/MinIO 读取文档，完成解析、分块、嵌入、向量存储、检索及可选重排，为所有五种框架提供 search_knowledge_base 工具。系统将用户、会话、对话和业务数据保存在 PostgreSQL，可用 Redis、Celery、Taskiq、ARQ 或 Prefect处理缓存与后台任务。最终产物包含后端、前端、Alembic 迁移、测试、Docker Compose、Makefile，以及与所选功能匹配的配置和开发辅助文件。
- 需要快速交付内部知识助手的团队，可启用 RAG，将 PDF、DOCX、Google Drive 或 S3 文档接入可检索知识库。
- 正在开发客户支持或业务助手的 SaaS 团队，可使用流式聊天、对话记录、公开分享、团队空间、消息评分和管理后台。
- 需要比较智能体技术栈的工程团队，可用同一生成器分别建立 PydanticAI、LangGraph、LangChain、PydanticDeep 或 DeepAgents 项目。
- 准备推出付费 AI 产品的创业团队，可组合 Stripe 订阅、席位计费、积分账本、用量统计、认证和营销站点。
- 需要自托管生产基础设施的组织，可选择 Docker、Kubernetes、PostgreSQL、Redis、任务队列以及 Logfire、LangSmith、Sentry 或 Prometheus。
- 希望让同一助手服务于网页与消息渠道的开发者，可生成 WebSocket 聊天前端，并选配 Telegram 或 Slack 多机器人集成。
这个 Agent 有哪些优点和局限？
- 同一生成器明确支持五种智能体框架、四种模型提供商和四种向量存储，便于按团队栈与部署条件组合，而不是绑定单一运行时。
- 覆盖从文档摄取、检索和智能体工具调用，到 WebSocket 聊天、认证、管理、计费与观测的完整产品边界，减少跨前后端拼装工作。
- 生成结果是可修改的普通代码，不存在生成器运行时锁定；还提供保留本地改动的三方合并升级流程。
- 支持 Docker Compose、Kubernetes、独立 Vercel 前端以及多种后台任务和观测方案，开发与生产路径较完整。
- 完整配置会引入 PostgreSQL、Redis、向量数据库、任务队列、前后端运行时和外部 API，基础设施数量多，部署与排障成本可能较高。
- 并非所有框架都支持全部提供商：OpenRouter 仅列为 PydanticAI 支持，其他框架需要接受提供商选择受限的情况。
- RAG 后端的运维成本不同；Milvus 需要三个 Docker 服务，Qdrant 需要一个服务，而嵌入、重排、Google Drive 或 S3 功能还可能要求额外凭据。
- 模板选项很多，采用方仍需审查并调整默认认证、管理员账号、速率限制、密钥、计费和部署配置，不能把开发默认值直接视作生产安全配置。
如何安装或部署这个 Agent？
要求 Python 3.11+；Next.js 前端要求 Node.js 18+，项目推荐使用 uv 和 Bun。安装生成器可执行 uv tool install fastapi-fullstack，也可使用 pip install fastapi-fullstack 或 pipx install fastapi-fullstack。首次生成并启动：fastapi-fullstack，按向导创建项目；然后 cd my_ai_app 和 make bootstrap，该命令构建后端镜像、启动 PostgreSQL、执行 Alembic 迁移并创建默认管理员；另开终端执行 cd my_ai_app/frontend && bun install && bun dev。所选模型服务需要相应凭据，例如 OpenAI、Anthropic、Gemini 或 OpenRouter API 密钥；生产环境需复制 backend/.env.example 为 backend/.env 并填写真实密钥。Docker 流程需要 Docker，Windows 还需要 GNU Make，或改用 WSL2/Git Bash。
如何使用这个 Agent？
交互式创建可运行 fastapi-fullstack。非交互式示例为 fastapi-fullstack create my_ai_app --database postgresql --frontend nextjs；创建带流式智能体的项目可用 fastapi-fullstack create my_ai_app --preset ai-agent，启用 RAG 可用 fastapi-fullstack create my_app --rag --database postgresql --task-queue celery。启动后访问 http://localhost:8000、http://localhost:8000/docs、http://localhost:8000/admin 和 http://localhost:3000；由 make bootstrap 创建的开发管理员是 [email protected]，密码为 admin123，不应沿用于生产环境。项目内常用命令包括 make dev、make dev-down、make dev-logs 和 make dev-frontend。以项目名为 my_ai_app 为例，后端 CLI 可执行 uv run my_ai_app server run --reload、uv run my_ai_app db migrate -m "message"、uv run my_ai_app db upgrade 和 uv run my_ai_app user create-admin。已有生成项目可先用 make upgrade-dry-run 预览，再以 make upgrade 创建专用升级分支并进行三方合并。
这个 Agent 与同类方案有什么区别？
相较于 full-stack-fastapi-template，该项目定位于 AI/LLM 应用，额外提供五种智能体框架、RAG、WebSocket 流式传输、对话持久化、LLM 可观测性和 Next.js 聊天界面。相较于 create-t3-app，它使用 FastAPI 后端并加入 RAG、后台任务、管理后台与 Docker/Kubernetes 支持；create-t3-app 在来源对比中采用 NextAuth 和 Prisma，但不提供这些智能体与 RAG 功能。
常见问题
必须使用 OpenAI 吗？
可以只把它当作普通全栈模板吗？
使用 RAG 是否一定要单独维护向量数据库？
生成后还能升级模板吗？
make upgrade-dry-run 用于预览，make upgrade 在专用分支执行三方合并，最后以 make upgrade-finalize 更新版本记录；冲突仍需人工解决。