FastAPI + LangGraph 从零开发智能实验室预约系统

课程简介

先做一套能跑的实验室预约系统：学生约实验室 / 设备、管理员审核；再逐步接入大模型，做出能查规则、查库存、辅助提交预约的 AI 助手。

开发路线：业务系统 → AI 对话 → RAG → Tool Calling → LangGraph Agent → SSE 过程可见。

%%{init: {
  "theme": "base",
  "themeVariables": {
    "fontFamily": "inherit",
    "primaryTextColor": "#1f2328",
    "lineColor": "#59636e",
    "secondaryColor": "#ddf4ff",
    "tertiaryColor": "#dafbe1"
  }
}}%%
flowchart LR
  A[业务系统] --> B[AI 对话]
  B --> C[RAG 知识库]
  C --> D[Tool Calling]
  D --> E[LangGraph Agent]
  E --> F[SSE 过程可见]

  classDef c1 fill:#ddf4ff,stroke:#0969da,color:#1f2328,stroke-width:1.5px
  classDef c2 fill:#dafbe1,stroke:#1a7f37,color:#1f2328,stroke-width:1.5px
  classDef c3 fill:#fff8c5,stroke:#9a6700,color:#1f2328,stroke-width:1.5px
  classDef c4 fill:#ffebe9,stroke:#cf222e,color:#1f2328,stroke-width:1.5px
  classDef c5 fill:#fbefff,stroke:#8250df,color:#1f2328,stroke-width:1.5px
  classDef c6 fill:#ddf4ff,stroke:#0550ae,color:#1f2328,stroke-width:1.5px
  class A c1
  class B c2
  class C c3
  class D c4
  class E c5
  class F c6

适合谁

有一点 Python 或前端基础，想跟完一个能跑的全栈项目
会调大模型 API，但还没把 RAG / Tool Calling / Agent 串进真实业务
想看清「能聊天」到「能查库、能办事」中间差哪些步骤

能学到什么

Vue3 + FastAPI 前后端分离：登录注册、JWT、统一响应与异常、Axios 联调
后台 CRUD：用户、实验室、设备；学生端列表与预约、我的预约、审核
文件上传与个人资料
从「能聊天」推到「能查库、能办事」的 Agent 链路
RAG、Tool Calling、LangGraph、SSE 在同一业务里怎么串

环境要求

Node.js（建议最新 LTS）
Python 3.12+
MySQL 8.0+
VS Code（可选，便于跟笔记调试）

技术栈

端	技术
前端	Vue 3 · Vite · Element Plus · Axios
后端	Python · FastAPI · SQLAlchemy · JWT
数据库	MySQL
AI	LangChain · ChromaDB · RAG · Tool Calling · LangGraph · SSE

大模型按 OpenAI 兼容协议接入（如 DeepSeek）。

业务场景

学校有多间实验室，各有设备、人数上限、开放时段与使用规则。学生需要查实验室与设备、选时段提交预约；管理员审核通过或驳回；本人可取消待审 / 已通过的预约。

%%{init: {
  "theme": "base",
  "themeVariables": {
    "fontFamily": "inherit",
    "primaryTextColor": "#1f2328",
    "lineColor": "#59636e",
    "secondaryColor": "#ddf4ff",
    "tertiaryColor": "#fff8c5"
  }
}}%%
flowchart TD
  S[学生] --> L[查看实验室 / 设备]
  L --> T[选择日期与时段]
  T --> P[提交预约 · 待审核]
  P --> A{管理员审核}
  A -->|通过| OK[可使用]
  A -->|驳回| NO[结束]
  P -->|本人取消| X[已取消]
  OK -->|本人取消| X

  classDef actor fill:#ddf4ff,stroke:#0969da,color:#1f2328,stroke-width:1.5px
  classDef step fill:#dafbe1,stroke:#1a7f37,color:#1f2328,stroke-width:1.5px
  classDef wait fill:#fff8c5,stroke:#9a6700,color:#1f2328,stroke-width:1.5px
  classDef decision fill:#fbefff,stroke:#8250df,color:#1f2328,stroke-width:1.5px
  classDef ok fill:#dafbe1,stroke:#1a7f37,color:#1f2328,stroke-width:1.5px
  classDef bad fill:#ffebe9,stroke:#cf222e,color:#1f2328,stroke-width:1.5px
  class S actor
  class L,T step
  class P wait
  class A decision
  class OK ok
  class NO,X bad

助手侧要能：回答规则类问题、查询开放实验室与设备、在信息齐全时走预约流程，并把推理与工具调用过程展示出来。

Agent 能力

对话：实验室助手聊天，前后端联调
RAG：规则 / 开放时间等文档进知识库，按问题检索再回答
Tool Calling：需要实时数据时由模型决定调工具查 MySQL（实验室、设备等）
LangGraph Agent：多轮澄清意图，编排查空闲 → 确认 → 提交预约
SSE：流式输出，过程节点可见（思考 / 调工具 / 最终回复）

%%{init: {
  "theme": "base",
  "themeVariables": {
    "fontFamily": "inherit",
    "actorBkg": "#ddf4ff",
    "actorBorder": "#0969da",
    "actorTextColor": "#1f2328",
    "actorLineColor": "#0969da",
    "signalColor": "#1f2328",
    "signalTextColor": "#1f2328",
    "labelBoxBkgColor": "#fff8c5",
    "labelBoxBorderColor": "#9a6700",
    "labelTextColor": "#1f2328",
    "loopTextColor": "#1f2328",
    "noteBkgColor": "#dafbe1",
    "noteTextColor": "#1f2328",
    "noteBorderColor": "#1a7f37",
    "activationBkgColor": "#fbefff",
    "activationBorderColor": "#8250df",
    "sequenceNumberColor": "#ffffff"
  }
}}%%
sequenceDiagram
  participant U as 用户
  participant FE as 前端
  participant API as FastAPI
  participant LLM as 大模型
  participant RAG as ChromaDB
  participant DB as MySQL

  U->>FE: 自然语言提问 / 预约
  FE->>API: SSE 对话请求
  API->>RAG: 检索规则文档（可选）
  RAG-->>API: 相关片段
  API->>LLM: 上下文 + 工具定义
  LLM-->>API: 决定调工具或直接答
  API->>DB: Tool Calling 查实验室 / 设备 / 空闲
  DB-->>API: 业务数据
  API->>LLM: 工具结果
  LLM-->>API: 最终回复或继续预约节点
  API-->>FE: SSE 推送过程与答案
  FE-->>U: 流式展示

课程结构（27 节视频 + 1 节图文）

业务系统（约 00–19）：环境与框架 → 鉴权与用户 → 实验室 / 设备 → 预约与审核
AI 能力（约 20–23）：助手对话 → RAG 知识库 → Tool Calling 查业务数据
Agent 与收尾（约 24–26）：LangGraph 智能预约 → SSE 流式与过程可见 → 首页与收尾

%%{init: {
  "theme": "base",
  "themeVariables": {
    "fontFamily": "inherit",
    "primaryTextColor": "#1f2328",
    "lineColor": "#59636e",
    "clusterBkg": "#f7f8fa",
    "clusterBorder": "#c3c7cb",
    "titleColor": "#1f2328"
  }
}}%%
flowchart TB
  subgraph P1[业务系统 00–19]
    p1a[环境 / Vue / FastAPI]
    p1b[登录注册 JWT]
    p1c[用户 / 实验室 / 设备]
    p1d[预约与审核]
    p1a --> p1b --> p1c --> p1d
  end
  subgraph P2[AI 能力 20–23]
    p2a[助手对话]
    p2b[RAG]
    p2c[Tool Calling]
    p2a --> p2b --> p2c
  end
  subgraph P3[Agent 与收尾 24–26]
    p3a[LangGraph 预约 Agent]
    p3b[SSE 过程可见]
    p3c[首页与收尾]
    p3a --> p3b --> p3c
  end
  P1 --> P2 --> P3

  classDef biz fill:#ddf4ff,stroke:#0969da,color:#1f2328,stroke-width:1.5px
  classDef ai fill:#dafbe1,stroke:#1a7f37,color:#1f2328,stroke-width:1.5px
  classDef agent fill:#fbefff,stroke:#8250df,color:#1f2328,stroke-width:1.5px
  class p1a,p1b,p1c,p1d biz
  class p2a,p2b,p2c ai
  class p3a,p3b,p3c agent

图文笔记站内阅读，视频在 B 站对应分集。会员可下载配套源码。

第 27 节「项目图解」为纯图文笔记，汇总课程路线与项目架构。

源码说明

会员下载的源码包含：

前后端完整代码（已排除 node_modules、.venv、本地向量数据目录）
脱敏后的 .env 示例（需自行填写数据库与大模型密钥）
sql/lab_agent.sql 业务库结构与示例数据
《项目说明》《部署文档》

知识库向量需按笔记在本地重建，包内不附带已训练向量目录。

FastAPI + LangGraph 从零开发智能实验室预约系统

下载源码