最近几个月业余时间一直在折腾 AI 应用，发现自己从想法到原型，90% 时间在搭架子。每次想验证一个数据驱动的 AI Agent 点子（比如连上数据库做个智能 BI 助手），都逃不掉重复劳动：
先用 FastAPI 搭个项目，配 CORS 、写路由... 基础操作一堆。然后再纠结用 LangChain 还是 LLamaIndex ，琢磨怎么设计状态、编排 Agent 的 ReAct 逻辑链。再写一堆胶水代码，让 Agent 能查 SQL 数据库或者调其他 API 。 最后还得手搓个聊天窗口，方便测试和演示。
说实话，这些活技术难度不高，但特别琐碎、重复！ 一个新想法的核心 Agent 逻辑可能几小时就能理清，但为了让它能跑起来、能交互，可能得花几天去折腾这些“脚手架”，太磨人了！
Dingent: 专注“数据问答 Agent”的开箱即用全栈框架 Dingent 实在不想每次都从头造轮子，我就把这套流程打包成了一个开箱即用的框架：Dingent。
Dingent 的目标很明确：帮你跳过所有重复的工程搭建，直接切入 Agent 的核心业务逻辑开发。
亮点：
- 🚀 一键生成可用项目：告别手动配置。一行命令
uvx dingent init basic，一个包含后端、Agent 核心（ LangGraph ）和前端（ React ）的全栈项目就生成了。直接cd然后uvx dingent run，打开localhost:3000就能开聊！ - 🔌 专注数据问答：连接数据是核心。不用再写一堆
SQLDatabaseChain的模板代码，只需在 TOML 配置文件里填上数据库连接字符串，Agent 立刻就能查库。 - 🛠️ 轻松扩展工具 (Tool)：Dingent 提供了清晰的插件目录结构，你只需要按约定写个 Python 类，就能快速给 Agent 加新工具，比如“查天气”、“调内部 API”。
想试试看？ 本地安装 uv node 和 bun ，然后几个命令就能跑一个基本的项目
# 1. 安装脚手架并初始化项目
uvx dingent init basic
# 2. 进目录，配 Key ，跑起来
cd my-agent
export OPENAI_API_KEY=sk-xxxxxxx
# 3. 运行
uvx dingent run
现在打开浏览器访问 http://localhost:3000，你的第一个数据 Agent 就已经在线了！
技术栈速览：
- Agent: LangGraph + FastMCP
- 前端: CopilotKit (React) + bun (不够锈)
- 配置: TOML
- 包管理: uv (锈！)
Dingent 现在还是非常早期的阶段，文档和功能都在快速迭代。想听听大家最真实、最直接的想法：
- 大家觉得这方向靠谱吗？ 能解决你开发中遇到的类似问题吗？
- 试用时有没有踩到坑？ 或者哪里用着不顺手？
- 你希望它未来原生支持哪些数据源？ （比如 Notion, Github, ...）或者什么新功能？
未来规划： Dingent 现在还在起步，除了完善文档，我们接下来的重点是：
- 更强大的插件系统：计划支持 CLI 管理、甚至图形化的插件市场。
- 核心插件增强：比如开箱即用的知识库问答插件，让你能快速基于自己的文档做问答。 目标是把社区认为重要的功能直接内置进来，而不是让大家重复维护自己的轮子。
任何反馈、Star 、Issue 或者 PR ，对我来说都是巨大的鼓励！🙏
项目链接:
- GitHub: https://github.com/saya-ashen/Dingent (图穷匕见：求 Star ⭐️ ！)
- 文档: https://saya-ashen.github.io/Dingent/ (持续更新中)
感谢各位 V 友花时间阅读！期待和大家交流讨论！
1
Select Language