GustoBot 菜谱知识客服

这个 Agent 能做什么，适合哪些场景？

GustoBot 是一个基于 LangGraph 的菜谱知识问答与多模态服务系统，提供 React 前端和 FastAPI 后端。主路由将问题分发给知识库或 GraphRAG 多工具子图，后者可调用 Neo4j、MySQL、PostgreSQL pgvector、Milvus 和外部检索 API。系统通过 Text2SQL、Cypher 查询、向量检索和 LightRAG 检索整合结果，并可生成带来源的回答；README 还描述了菜品图片识别与生成、文件分析和 Redis 会话管理。快速开始采用 Docker Compose 启动后端，并在本地运行前端。它适合需要可迁移的垂直领域客服模板、且愿意配置多项数据服务的团队。

用户提交文本问题、图片或文件后，LangGraph 主工作流先运行 analyze_and_route_query，并根据意图选择通用回答、知识库查询、GraphRAG 查询、图片处理或文件处理。多工具子图会执行 Guardrails 检查，必要时由 Planner 拆解任务，再选择 cypher_query、predefined_cypher、microsoft_graphrag_query 或 text2sql_query 等工具。知识库流程优先查 PostgreSQL pgvector，无结果时以 Milvus 兜底，并可通过 reranker 和外部检索补充结果。系统汇总检索或数据库结果，生成带来源的回答；图片能力使用 Vision Model 和 CogView-4，文件流程支持 Excel、TXT、Markdown、JSON。README 未给出可核验的 API 路径或首个请求示例。

1. 菜谱平台团队希望让用户用自然语言查询菜品、食材、菜系或烹饪步骤。
2. 饮食文化编辑希望检索菜品典故、历史背景，并融合本地知识库与外部搜索结果。
3. 数据团队希望用自然语言查询菜谱统计、排行榜或聚合数据，再由 MySQL 执行 SQL。
4. 希望分析用户上传的 Excel、TXT、Markdown 或 JSON 菜谱资料的运营团队。
5. 希望根据菜品图片识别菜品，或按描述生成菜品图片的产品团队。

如何安装或部署这个 Agent？

快速开始要求 Python 3.10、Node.js 16+、Docker 和 Docker Compose。README 展示了克隆仓库、复制环境文件、启动 Docker 后端及本地启动前端的步骤。还需编辑 .env 配置必要的 API 密钥；README 没有列出所有必填变量、密钥提供方或每个数据库服务的初始化步骤。

git clone https://github.com/skygazer42/GustoBot.git
cd GustoBot
cp .env.example .env
# 编辑 .env 文件，配置必要的 API 密钥
docker-compose up -d
cd web
npm install
npm run dev

如何使用这个 Agent？

启动后，在浏览器打开 http://localhost:5173 使用前端；README 将后端 API 地址列为 http://localhost:8000，并说明可通过 VITE_PORT 修改前端端口。文档没有提供具体 API 路径、请求格式或可复制的首个 API 调用。要使用查询、图片或外部检索能力，还需在 .env 中配置相应服务和 API 密钥。

前端：http://localhost:5173
后端 API：http://localhost:8000

这个 Agent 有哪些优点和局限？

这个 Agent 与同类方案有什么区别？

与相关度最高的同类 agent 并排比较关键指标。

FollowAgents 如何评估这个 Agent？

常见问题