Startseite Projekte shopkeeper-agent
shopkeeper-agent
Python

shopkeeper-agent

📊 E-Commerce-Datenlager intelligenter Fragen AI-Agent, am besten geeignet für systematisches Lernen von LangGraph: Basierend auf LangGraph, FastAPI, Qdrant, Elasticsearch, MySQL und React, vollständige Implementierung von Metadaten-Wissensdatenbank, hybrider Suche, natürliche Sprachgenerierung NL2SQL-Generierung, SQL-Ausführung und Streaming-Abfrageanzeige. Vollständiger Code für Frontend und Backend, Docker-Umgebung mit einem Klick bereitgestellt, unterstützt ai-agents-from-zero kostenlose Tutorials und Kapitelcode-Zweige. Geeignet für systematisches Lernen von großen Modellanwendungen, Datenanalyse-Agenten und unternehmensgerechter KI-Implementierung.

von didilili · GitHub
Sterne
Forks
Lizenz
Erstellt
Letzter Commit
Sprache
Wahrscheinlich
Selbst gehostet
agent-workflowai-agentelasticsearchMITPythonSelbst gehostet
Auf GitHub ansehen
In einfachen Worten

Lernen Sie, ein intelligentes Datenanalysetool für den E-Commerce zu erstellen, das verschiedene Technologien für effektives Abfragen kombiniert.

Betreuen Sie dieses Projekt?

Beanspruchen Sie die Seite: indexiert unabhangig vom Rang, in sechs Sprachen ubersetzt und mit Ihren eigenen Worten erganzt.

Diese Seite beanspruchen →
shopkeeper-agent — GitHub preview card
📈 Sternhistorie
332198
2026-07-202026-08-31
📈 shopkeeper-agent verfolgen

Erhalten Sie eine E-Mail-Benachrichtigung beim nächsten Release oder wenn es durchstartet.

Kostenlos · ohne Karte · jederzeit abbestellbar
E-Mail-Alerts erhalten →
📄 Über

📊 E-Commerce-Datenlager intelligenter Fragen AI-Agent, am besten geeignet für systematisches Lernen von LangGraph: Basierend auf LangGraph, FastAPI, Qdrant, Elasticsearch, MySQL und React, vollständige Implementierung von Metadaten-Wissensdatenbank, hybrider Suche, natürliche Sprachgenerierung NL2SQL-Generierung, SQL-Ausführung und Streaming-Abfrageanzeige. Vollständiger Code für Frontend und Backend, Docker-Umgebung mit einem Klick bereitgestellt, unterstützt ai-agents-from-zero kostenlose Tutorials und Kapitelcode-Zweige. Geeignet für systematisches Lernen von großen Modellanwendungen, Datenanalyse-Agenten und unternehmensgerechter KI-Implementierung.

shopkeeper-agent hat 332 Sterne auf GitHub. Es wurde 101-mal geforkt. shopkeeper-agent ist hauptsächlich in Python geschrieben. Es wird seit 2026 aktiv entwickelt. shopkeeper-agent ist unter der MIT-Lizenz verfügbar. Die Hauptthemen sind: agent-workflow, ai-agent, elasticsearch, fastapi.

Frequently asked questions

Was ist shopkeeper-agent?

📊 E-Commerce-Datenlager intelligenter Fragen AI-Agent, am besten geeignet für systematisches Lernen von LangGraph: Basierend auf LangGraph, FastAPI, Qdrant, Elasticsearch, MySQL und React, vollständige Implementierung von Metadaten-Wissensdatenbank, hybrider Suche, natürliche Sprachgenerierung NL2SQL-Generierung, SQL-Ausführung und Streaming-Abfrageanzeige. Vollständiger Code für Frontend und Backend, Docker-Umgebung mit einem Klick bereitgestellt, unterstützt ai-agents-from-zero kostenlose Tutorials und Kapitelcode-Zweige. Geeignet für systematisches Lernen von großen Modellanwendungen, Datenanalyse-Agenten und unternehmensgerechter KI-Implementierung.

Ist shopkeeper-agent Open Source?

shopkeeper-agent ist ein Open-Source-Projekt. Es wird unter der MIT-Lizenz veröffentlicht.

Ist shopkeeper-agent kostenlos?

Ja. shopkeeper-agent ist kostenlos und Open Source — Sie können es nutzen, anpassen und selbst hosten.

Unter welcher Lizenz steht shopkeeper-agent?

shopkeeper-agent ist unter der MIT-Lizenz verfügbar.

In welcher Sprache ist shopkeeper-agent geschrieben?

shopkeeper-agent ist hauptsächlich in Python geschrieben.

🏅 Wartender dieses Projekts?
olud.ai badge — shopkeeper-agent

Fügen Sie dieses Live-Abzeichen zu Ihrem README hinzu — Ihre GitHub-Sterne und Verzeichnisrang, täglich aktualisiert.

[![olud.ai](https://olud.ai/badge.php?tool=didilili-shopkeeper-agent)](https://olud.ai/project/didilili-shopkeeper-agent.html)
Weitere Abzeichenoptionen →
🧬 Teilt DNA mit🧬 DNA-Karte ansehen →

Ermittelt aus gemeinsamen GitHub-Topics beider Projekte, gewichtet nach ihrer Seltenheit.