目 录

这次在做什么

前面已经搭建起了RAG论文检索智能体的AI内核，但是这个项目没有合适的对外壳层，看起来始终像是工程师代码，所以这次需要对这个AI内核进行包装，让项目变得更像是一个可以使用的产品。

目前智能体系统已经使用LangGraph实现编排，存在工作流：

选工具->执行工具->工具执行结果和问题结果->交给大模型重新经大模型思考->返回答案

在工具层，目前已经手写了一条RAG的工具，其中包括：文档切分、embedding、FASII检索、Rerank以及基于上下文生成回答。此外，本地工具还包括表达式计算、时间和语言模型工具，外部工具有联网搜索MCP工具。

在工程化方面，目前的系统包括会话管理，异常处理、系统日志以及FastAPI封装的服务接口。

现阶段适合计划交给Django的能力包括：

1.用户上传论文/文档

  • 上传页面
  • 文件记录
  • 文件列表
  • 上传状态
  • 文件归属到哪个用户/哪个会话/哪个任务

2.发起问答

  • 聊天页面
  • 输入框
  • 问答记录展示
  • 调用FastAPI/ask

3.查看历史会话

  • 会话列表页
  • 单个会话详情页
  • 每轮user/assistant
  • 按时间查看历史

4.展示检索片段和回答结果

目前系统能做到的能力是系统获得会话id以及用户问题后，能得到工具运行的回答，返回用了哪个会话id、用户原始问题以及对应的回答结果。未来还将进行扩展，当用户使用RAG功能时，返回的结果不光是最终答案，还要有检索到的知识，让用户知道这些回答是基于哪些知识来的。

5.基础任务记录 / 管理

未来将下列功能列入Django的数据库模型和后台管理，包括：

  • 一次上传任务
  • 一次问答任务
  • 文档处理状态
  • 最近会话
  • 最近提问
  • 最近上传的论文

项目总体结构设计暂定如下：
项目暂定架构

今天的目标

  • 一个 Django 项目骨架
  • 一个聊天页
  • 一个上传页占位版
  • 一条 Django 调 FastAPI /ask 的调用链路

Django是一个集成好的环境，在安装好Django库以后，可以原来的RAG论文检索智能体根目录通过命令创建Django壳层的工作目录：

django-admin startproject config django_shell

创建好Django的工作目录后在Django目录下有manage.py文件，这个从这个文件可以创建app以及启动Django服务。今天要实现一个聊天页面，以及一个文档上传页，所以先创建两个app分别是chat以及documents：

cd django_shell
python manage.py startapp chat
python manage.py startapp documents

在Django的工作目录下有config子目录，子目录下有setting.py文件，这个文件会有Django的运行配置，包括数据库、路由以及项目的app等，今天要创建两个应用，首先需要在配置文件中注册应用并设置模版目录。

说到模版需要简单提一嘴Django的工作模式，Django属于MVT架构的web框架，M代表model他负责在后端定义数据模型，这种模型将来会涉及到数据库的操作，V代表view视图层，虽然说是视图层，但是我个人感觉view和咱们看到的网站页面没有半毛钱关系，在这里view当中，我们主要写业务逻辑，逻辑写好后相关的的返回结果会传递给模版Template层，模版才是咱们最终能看到的页面。

INSTALLED_APPS = [
    ...
    "chat",
    "documents",
]

TEMPLATES[0]["DIRS"] = [BASE_DIR / "templates"]

ALLOWED_HOSTS = ["127.0.0.1", "localhost"]

通常我们访问一个网站需要什么？一般需要连接，是的，连接是我们访问网站需要的地址也叫路由，Django项目有自己的跟理由，一般根路由负责分配任务到某一个具体的app，所以根路由的配置在项目的config子目录下，修改该目录下的url.py文件，将访问请求分配到具体的app，在app中会继续配置应用路由，应用路由会根据任务具体需求配置处理的view视图业务。但是先修改config目录下的路由：

from django.contrib import admin
from django.urls import path, include

urlpatterns = [
    path("admin/", admin.site.urls),
    path("", include("chat.urls")),
    path("documents/", include("documents.urls")),
]

在配置中有写path("", include("chat.urls")),这表示当传入默认请求，主路由会将业务分配到chat应用到子路由中处理，下一步给chat应用到子路由配置具体的处理view逻辑：

from django.urls import path
from . import views

urlpatterns = [
    path("", views.chat_home, name="chat_home"),
]

在这个配置中，path("", views.chat_home, name="chat_home")中为默认请求地址(空地址)，配置视图层的views.chat_home业务逻辑，并且为这个子路由取了一个代称chat_home，未来在模版层，项目可以使用代称使用该路由。

刚刚有讲子路由会将空地址分配给视图层的views.chat_home处理业务逻辑，下一步便是在view层中处理具体业务，这里我个人对view层的理解是view层的输入一般是一些网络请求，返回结果模版层渲染时所需的业务处理。下一步在chat应用的view.py写业务处理逻辑：

from django.shortcuts import render
from .services.ai_client import ask_ai


def chat_home(request):
    result = None
    error = None

    if request.method == "POST":
        session_id = request.POST.get("session_id", "").strip()
        question = request.POST.get("question", "").strip()

        if session_id and question:
            try:
                result = ask_ai(session_id=session_id, question=question)
            except Exception as e:
                error = str(e)
        else:
            error = "session_id 和 question 不能为空"

    return render(
        request,
        "chat/chat_home.html",
        {
            "result": result,
            "error": error,
        }
    )

Django做的目的并不是覆盖原有论文检索智能体系统，他的目的是做一个产品外壳，原来的论文检索智能体内核仍会保留，所以在这里将会通过HTTP请求调用FastAPI服务使用智能体，但是这里需要写一个中间件用来连接Django外壳与智能体内核，在chat应用下创建一个services目录，再新建ai_client.py文件：

import requests

FASTAPI_BASE_URL = "http://127.0.0.1:8000"


def ask_ai(session_id: str, question: str) -> dict:
    resp = requests.post(
        f"{FASTAPI_BASE_URL}/ask",
        json={
            "session_id": session_id,
            "question": question,
        },
        timeout=120,
    )
    resp.raise_for_status()
    return resp.json()

至此，现已完成view视图层的业务逻辑，随后创建页面模版Template，在根目录的模版目录创建templates/子目录，随后创建与app对应的模版目录app/，然后创建chat_home.html:

<!DOCTYPE html>
<html lang="zh-CN">
<head>
    <meta charset="UTF-8">
    <title>Paper RAG Agent</title>
</head>
<body>
    <h1>Paper RAG Agent with Django Shell</h1>

    <form method="post">
        {% csrf_token %}
        <div>
            <label>Session ID:</label>
            <input type="text" name="session_id" value="demo-session">
        </div>
        <div>
            <label>Question:</label>
            <textarea name="question" rows="6" cols="80"></textarea>
        </div>
        <button type="submit">Ask</button>
    </form>

    {% if error %}
        <hr>
        <h3>Error</h3>
        <p>{{ error }}</p>
    {% endif %}

    {% if result %}
        <hr>
        <h3>Result</h3>
        <p><strong>Session:</strong> {{ result.session_id }}</p>
        <p><strong>Question:</strong> {{ result.question }}</p>
        <p><strong>Answer:</strong> {{ result.answer }}</p>
    {% endif %}
</body>
</html>

至此我们有了聊天页，同样的原理下一步创建文档上传页，首先在documents应用下创建子路由django_shell/documents/urls.py：

from django.urls import path
from . import views

urlpatterns = [
    path("upload/", views.upload_page, name="upload_page"),
]

接着创建视图逻辑django_shell/documents/views.py：

from django.shortcuts import render


def upload_page(request):
    return render(request, "documents/upload.html")

在模版层创建文档上传模版django_shell/templates/documents/upload.html：

<!DOCTYPE html>
<html lang="zh-CN">
<head>
    <meta charset="UTF-8">
    <title>Upload Papers</title>
</head>
<body>
    <h1>Upload Papers</h1>
    <p>这里先做最小上传页面占位，下一步再接文件保存和知识库重建。</p>

    <form method="post" enctype="multipart/form-data">
        {% csrf_token %}
        <input type="file" name="paper_file">
        <button type="submit">Upload</button>
    </form>
</body>
</html>

遇到问题

项目启动应该先启动FastAPI的AI核心，然后再启动Django壳，首先运行：

uvicorn app.main:app --reload

随后：

cd django_shell
python manage.py runserver

但是这里有个坑，Django服务服务默认在8000端口启动，FastAPI已经在8000端口启动了，所以Django的服务需要在另一个端口运行，启动命令应该改为：

python manage.py runserver 8001

如果这篇文章对你有帮助，可以点个赞～
完整代码地址（分支选择feature/djiango-wrapper）：https://github.com/1186141415/Paper-RAG-Agent-with-LangGraph

# django # sqlite # 数据库 # python # fastapi
Logo
2048 AI社区

有“AI”的1024 = 2048，欢迎大家加入2048 AI社区

更多推荐

cover

成都本土GEO优化公司推荐榜单

avatar 2048 AI社区

2026年公考备考：全国头部培训机构多维度选课指南

2026年公考培训机构深度评测：三大头部机构特色对比 粉笔公考以科技驱动为核心优势，AI智能分析错题+全封闭基地班模式，适合追求高效备考的考生；中公教育凭借全国线下网点覆盖和多品类班型，适合偏好面授和就近学习的考生；华图教育则以深厚教研积累见长，特别擅长申论和面试科目教学。评测显示：粉笔学员平均提分效果显著（部分科目提升30%），中公在下沉市场优势突出但存在服务差异，华图在体系化教学方面保持传统优

avatar 2048 AI社区
cover

「跨境电商实战」DeepSeek+萤火AI，半天搞定全套亚马逊电商图，成本不到10块钱

avatar 2048 AI社区