data-enrichment

给残缺表格自动上网查资料，一键补全结构化字段

data-enrichment 是 LangGraph Studio 的官方模板项目，用于构建一个能自动上网研究并生成或补全结构化数据的智能体。它解决的核心问题是：当你手头只有不完整的结构化数据（如公司名、人名、产品清单），需要补充行业、官网、简介、联系方式等字段时，传统做法靠人工逐条搜索整理，效率低且易出错。该模板用 LangGraph 编排多步工作流：先解析输入数据，再针对缺失字段发起网络搜索，抓取并筛选可信来源，最后由大模型抽取信息并回填到结构化 schema 中。项目以 Jupyter Notebook 形式提供，可直接在 LangGraph Studio 中可视化调试、修改提示词和节点逻辑，适合作为数据补全类 Agent 的起点，而非开箱即用的成品工具。

开源 free 自动化工作流

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 254

维护状态较活跃

是否开源是

定价模式 free

项目数据

分类自动化工作流

开发团队langchain-ai

所属国家

官网地址

GitHubhttps://github.com/langchain-ai/data-enrichment

定价模式free

价格说明开源免费，需自行部署

访问状态

是否开源是

开源协议MIT

主要语言Jupyter Notebook

技术栈/模型langgraph,langgraph-python,langgraph-template

GitHub 星标★ 254

30天Star增速

HF 下载量

上线时间2024-08-28 00:00:00

最近更新2026-09-14 00:00:00

维护状态较活跃

中文支持

访问方式

移动端支持

综合评分

收录时间2026-09-12

浏览次数0

使用教程

核心亮点

基于 LangGraph 官方模板，节点与状态图结构清晰，便于二次开发
直接在 LangGraph Studio 中可视化运行和调试，改提示词即可调整抽取逻辑
聚焦结构化数据补全这一具体场景，输入输出 schema 明确，落地路径短

不足之处

仅为模板/示例，缺少生产级错误处理、限流和结果校验
依赖网络搜索与大模型，补全结果的准确性和来源可信度需人工复核

适用场景

销售线索清洗：补全公司官网、行业、规模等字段
市场调研：批量补全竞品或客户名单的公开信息
数据集构建：为训练或分析用表格自动填充缺失列

替代项目

LangChain、CrewAI

项目介绍

data-enrichment 是一个自动化工作流领域的开源项目，官方简介：LangGraph Studio template for creating an agent that does web research to genearte or enrich structured data.。项目使用 Jupyter Notebook 开发，在 GitHub 上获得 253 星标。

上一篇：social-media-agent

下一篇：HuggingFists