Temporal

一个简易的使用Qdrant数据库配合Temporal工作流引擎的RAG项目

分支说明

• main 分支：包含完整的RAG功能实现，使用Qdrant进行向量存储和检索，Temporal进行数据处理和保存。
• tool_use 分支：包含了llms使用tools以及mcp的示例代码

目录结构

client是temporal的client示例

worker文件夹下是temporal的worker示例

workflow 中写了workflow的详细逻辑，并且调用了activity

activity 中写了activity的详细逻辑

activity_rag 中写了RAG相关的activity逻辑

llm_helper 中封装了调用大模型的逻辑, 使用openrouter调用embedding和chat模型，进行向量数据的生成和RAG检索对话。

rag_search 中写了一个简单的RAG检索逻辑，即通过把用户的问题生成embedding，然后在Qdrant中进行向量检索，最后把检索到的上下文信息给LLM，LLM根据上下文信息生成回答并返回。

运行步骤

1. 安装并运行Qdrant数据库，可以参考Docker运行Qdrant。
2. 安装并运行Temporal服务器，可以参考Temporal安装文档。
3. 配置环境变量：

      export OPENROUTER_API_KEY=your_openrouter_api_key

4. 启动worker：

      go run ./worker/main.go

5. 启动client，提交workflow：

      go run ./client/main.go

6. 此时qdrant数据库中会保存被抓去到的新闻的向量数据
7. 启动rag_search，进行RAG检索对话：

      go run ./client/rag_search.go

编辑器

推荐使用GoLand作为编辑器，支持Go语言的开发和调试。