Często zadawane pytania

Open-source'owy generator projektów, który tworzy gotowe do produkcji aplikacje AI/LLM z backendem FastAPI i frontendem Next.js. Jedna komenda CLI lub konfigurator webowy generuje kompletny projekt z wybranym frameworkiem AI, bazą danych, uwierzytelnianiem i ponad 75 opcjami konfiguracji.

Wybierz Pydantic AI dla typowo bezpiecznych, produkcyjnych agentów z obserwowalnością Logfire. Wybierz LangChain dla największego ekosystemu integracji. Użyj LangGraph dla złożonych wieloetapowych przepływów pracy ze zarządzaniem stanem. Wypróbuj CrewAI dla współpracy wielu agentów. Wybierz DeepAgents dla autonomicznych agentów z planowaniem i zatwierdzaniem przez człowieka.

Tak. Wygeneruj projekt ponownie z inną flagą --ai-framework. Twój niestandardowy kod poza wygenerowanym modułem agenta jest zachowany, jeśli używasz kontroli wersji. Konfigurator webowy pozwala też wyeksportować konfigurację jako JSON i zaimportować ją później.

Tak, całkowicie za darmo. Szablon jest na licencji MIT — używaj go do projektów osobistych i komercyjnych bez ograniczeń. Brak planów premium, brak limitów użytkowania, nie wymaga rejestracji.

PostgreSQL jest zalecany do produkcji — obsługuje panel administracyjny, historię konwersacji i pełne funkcje ORM SQLAlchemy/SQLModel. Użyj MongoDB dla obciążeń zorientowanych na dokumenty. SQLite jest świetny do developmentu i małych wdrożeń bez konfiguracji. Wybierz 'None' dla bezstanowych serwisów tylko z API.

Szablon zawiera gotowy endpoint WebSocket, który strumieniuje odpowiedzi agenta AI token po tokenie do frontendu. Obsługuje uwierzytelnione połączenia, wizualizację wywołań narzędzi i automatyczne zapisywanie historii konwersacji. Frontend Next.js zawiera interfejs czatu renderujący odpowiedzi w czasie rzeczywistym.

Konfigurator to 9-etapowy kreator działający całkowicie w przeglądarce — nie wymaga serwera. Używa Nunjucks (silnika JavaScript kompatybilnego z Jinja2) do renderowania 246 szablonów projektów po stronie klienta, a następnie pakuje je do ZIP za pomocą JSZip. Cały proces trwa 1-2 sekundy. Możesz też wyeksportować konfigurację jako komendę CLI lub plik JSON.

Szablon zawiera produkcyjne pliki Docker Compose z health checkami i politykami restartu. Skopiuj .env.example do .env.prod, skonfiguruj dane uwierzytelniające i URL bazy danych, a następnie uruchom: docker compose -f docker-compose.prod.yml up -d --build. Opcjonalny reverse proxy Traefik lub Nginx obsługuje automatyczne certyfikaty TLS.

Python 3.11, 3.12 i 3.13. Wersję wybierasz podczas generowania projektu. Wszystkie frameworki AI i zależności są testowane dla każdej obsługiwanej wersji.

Oczywiście. Wygenerowany projekt to zwykły kod Python i TypeScript — bez vendor lock-in, bez własnościowego runtime'u. Zawiera pliki CLAUDE.md i AGENTS.md, dzięki czemu asystenci programistyczni AI jak Claude Code, Cursor czy Copilot rozumieją strukturę projektu od pierwszego dnia.

Trzy opcje: Logfire (od Pydantic) automatycznie instrumentuje FastAPI, zapytania do bazy danych, Redis, Celery i wywołania HTTPX — idealne dla agentów Pydantic AI. Sentry zapewnia śledzenie błędów i monitorowanie wydajności. Prometheus zbiera metryki dla dashboardów Grafana. Włącz dowolną kombinację podczas generowania.

Szablon konfiguruje jednego głównego dostawcę (OpenAI, Anthropic lub OpenRouter). Z OpenRouter masz dostęp do 200+ modeli od wielu dostawców przez jeden klucz API. Możesz też ręcznie dodać dodatkowych dostawców po wygenerowaniu — wygenerowany kod to standardowy Python bez vendor lock-in.

Framework Python do budowy autonomicznych agentów AI inspirowany architekturą Claude Code. Implementuje wzorzec deep agent — agenty, które mogą planować, czytać/pisać pliki, delegować do subagentów i utrzymywać trwałą pamięć między sesjami.

DeepAgents jest domyślnie typowo bezpieczny (modele Pydantic, nie słowniki), modularny (kompozycja narzędzi, nie łańcuchy) i obserwowalny (integracja Logfire). Skupia się na wzorcu deep agent — długotrwałych agentach, które planują i wykonują autonomicznie — zamiast prostego chain-of-thought.

Każdy dostawca obsługiwany przez Pydantic AI — OpenAI, Anthropic, Google Gemini, Groq, Mistral i każde API kompatybilne z OpenAI (jak Ollama dla lokalnych modeli). Zmiana dostawcy jedną linią konfiguracji.

Tak. Definiuj narzędzia za pomocą dekoratora @tool z Pydantic AI. Narzędzia są sprawdzane typowo, obsługują wykonanie asynchroniczne i integrują się z systemem uprawnień. Możesz też używać gotowych zestawów narzędzi (filesystem, baza danych, konsola) z bibliotek towarzyszących.

Tak. DeepAgents napędza ponad 30 wdrożeń produkcyjnych w Vstorm. Zawiera strukturalne logowanie przez Logfire, odzyskiwanie po błędach, śledzenie zużycia tokenów i został przetestowany w prawdziwych aplikacjach agentów AI.

Rozszerzenie Chrome z backendem FastAPI, które dodaje panel boczny z AI do dashboardu Pydantic Logfire. Zadawaj pytania o traces w języku naturalnym, otrzymuj automatycznie generowane zapytania SQL i zobacz wyniki jako tabele lub wykresy — bez opuszczania przeglądarki.

Tak. Logfire Assistant odpytuje Twoje dane Logfire przez API Logfire. Potrzebujesz konta Logfire z co najmniej jednym projektem z danymi traces. Asystent używa Twojego tokenu odczytu Logfire do bezpiecznego dostępu do danych.

OpenAI, Anthropic, Google Gemini i każde API kompatybilne z OpenAI. Skonfiguruj preferowanego dostawcę w ustawieniach backendu. AI generuje zapytania SQL specyficzne dla Logfire, zoptymalizowane dla schematu traces.

Tak. Twórz wielorazowe szablony promptów z komendami slash jak /errors, /costs lub /slow. Szablony mogą zawierać zmienne i są zapisywane per-projekt. Udostępniaj je zespołowi dla spójnych procesów debugowania.

Konwersacje są przechowywane w Twojej własnej bazie PostgreSQL, którą hostujesz. Żadne dane nie są wysyłane do stron trzecich poza wywołaniami API LLM. Rozszerzenie Chrome komunikuje się tylko z Twoim własnym backendem FastAPI.