ai-pdf-chatbot-langchain

合同报告丢进去，想问哪页问哪页，秒出答案

基于 LangChain 与 LangGraph 构建的 AI PDF 聊天机器人，支持上传 PDF 文档后进行自然语言问答、内容检索与摘要，是学习 RAG 与文档对话应用的绝佳开源参考。

开源 free 对话助手

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 16591

维护状态低维护

是否开源是

定价模式 free

项目数据

分类对话助手

开发团队mayooear

所属国家

官网地址

GitHubhttps://github.com/mayooear/ai-pdf-chatbot-langchain

定价模式free

价格说明开源项目，MIT许可证，完全免费，可自行部署使用。

访问状态

是否开源是

开源协议MIT

主要语言TypeScript

技术栈/模型agents,ai,chatbot,langchain,langgraph,nextjs,openai,pdf,typescript

GitHub 星标★ 16591

30天Star增速

HF 下载量

上线时间2023-03-17 00:00:00

最近更新2026-09-22 00:00:00

维护状态低维护

中文支持

访问方式

移动端支持

综合评分

收录时间2026-08-09

浏览次数4

使用教程

难度：进阶约 20 分钟部署方式：本地安装 6 步

环境要求

Node.js 与 Yarn（README 全程使用 yarn 安装依赖和启动服务）
OpenAI API Key（用于 LLM 问答）
Supabase 项目（用于存储 PDF 向量嵌入）
本地端口 2024 与 3000 可用

安装与启动步骤

1克隆仓库

把项目克隆到本地并进入 monorepo 根目录，后续所有安装命令都在根目录执行。
```
git clone https://github.com/mayooear/ai-pdf-chatbot-langchain.git
cd ai-pdf-chatbot-langchain
```
2安装依赖

在 monorepo 根目录一次性安装前后端依赖，README 说明根目录装完即可，无需重复安装。
```
yarn install
```
3配置环境变量

在 backend 和 frontend 下分别按各自的 .env.example 创建环境变量文件，填写 OpenAI、Supabase 等密钥。README 未给出具体变量清单，请以 .env.example 为准。
4启动后端服务

进入 backend 目录以开发模式启动 LangGraph，默认监听 2024 端口，并会跳转到 LangGraph Studio UI。
```
cd backend
yarn langgraph:dev
```
5启动前端服务

另开一个终端进入 frontend 目录启动 Next.js 开发服务器，默认监听 3000 端口。
```
cd frontend
yarn dev
```
6上传 PDF 并提问

浏览器打开 http://localhost:3000，用页面底部的上传按钮上传一个小体积 PDF，等摄取完成后再在输入框提问。

关键配置

配置项	必填	说明	示例
`NEXT_PUBLIC_LANGGRAPH_API_URL`	是	前端访问后端 LangGraph 服务的地址，部署时必须指向已部署的后端 URL	`http://localhost:2024`

如何确认成功

浏览器打开 http://localhost:3000 能看到聊天界面，后端 LangGraph 默认运行在 2024 端口并可打开其 Studio UI。

常见问题

Q：后端和前端分别在哪个端口？

A：README 说明 LangGraph 开发服务器默认端口为 2024，Next.js 开发服务器默认端口为 3000，浏览器访问 http://localhost:3000 使用聊天界面。

Q：上传 PDF 后没有正常回答怎么办？

A：先用 LangGraph Studio UI 确认工作流运行正常，再通过页面底部按钮上传体积较小的 PDF；摄取完成后才会把文本与嵌入写入 Supabase 供检索使用。

Q：怎么部署到线上？

A：后端可部署到 LangGraph Cloud 或按官方自托管指南部署，前端可部署到 Vercel、Netlify 等支持 Next.js 的平台，并确保 NEXT_PUBLIC_LANGGRAPH_API_URL 指向部署后的后端地址。

Q：项目还在维护吗？

A：README 明确说明项目已不再积极维护，仅作为参考保留，不保证回应新的 issue 或 PR。

注意事项

项目已停止积极维护，仅供学习 RAG 与文档对话应用参考。
必须同时运行后端 LangGraph 与前端 Next.js 两个服务才能完整使用。
环境变量需在 backend 和 frontend 两处分别配置，具体变量名以各自的 .env.example 为准。
前端部署后记得把 NEXT_PUBLIC_LANGGRAPH_API_URL 改为线上后端地址。

核心亮点

基于 LangChain 和 LangGraph 构建，支持复杂的 agent 工作流和状态管理，而非简单的检索问答
使用 Next.js 全栈框架，前后端一体化，部署体验好，便于快速搭建生产级应用
支持 PDF 文档解析与对话，结合向量检索和 LLM 生成，提供引用来源，回答可追溯

不足之处

深度依赖 OpenAI 和 LangChain 生态，若更换模型或框架需较大改动
PDF 解析质量受限于底层库，复杂排版（如表格、扫描件）可能效果不佳
文档/社区待观察

适用场景

企业内部文档智能问答，如员工手册、规章制度查询
学术论文阅读辅助，快速定位关键信息并生成摘要
法律或金融领域合同审阅，通过对话提取条款要点

替代项目

quivr、gpt4-pdf-chatbot-langchain、pdfGPT

项目介绍

ai-pdf-chatbot-langchain 是智能体领域的开源项目，由 mayooear 开发，2023 年首次发布。

在全站 13,014 个收录项目中，它的 GitHub 星标数（16,591）位列前 3%，在智能体分类的 2,499 个项目里位列前 4%。

项目已超过三个月没有代码更新，维护节奏明显放缓，最近一次代码更新于 2026-09-22。MIT许可证，完全免费，可自行部署使用。

它主要面向的使用场景是：企业内部文档智能问答，如员工手册、规章制度查询。同类可对比的替代方案包括 quivr、gpt4-pdf-chatbot-langchain、pdfGPT。

上一篇：eliza

下一篇：guizang-social-card-skill