开源AI工作流：Build Agentic AI-Powered Search
AI Skill Hub 推荐使用：开源AI工作流：Build Agentic AI-Powered Search 是一款优质的Agent工作流。AI 综合评分 7.5 分，在同类工具中表现稳健。如果你正在寻找可靠的Agent工作流解决方案，这是一个值得深入了解的选择。
📚 深度解析
开源AI工作流：Build Agentic AI-Powered Search 工作流的设计遵循"最小配置，最大复用"原则：核心逻辑已经封装好，用户只需配置自己的 API Key 和业务参数即可快速上手。工作流内置错误处理和重试机制，在网络波动或 API 限速等情况下仍能稳定运行，适合作为生产环境的自动化基础设施。
在实际部署时，建议先在测试环境中运行 3-5 次，验证各个环节的输出结果符合预期，再部署到生产环境。AI Skill Hub 评分 7.5 分，是同类 Agent 工作流中的精选推荐。
📋 工具概览
基于Amazon Aurora和Amazon RDS的Agentic AI-Powered Search开源AI工作流，提供高效的搜索功能和智能分析能力，值得关注。
开源AI工作流：Build Agentic AI-Powered Search 是一套完整的 AI Agent 自动化工作流方案。通过可视化的节点编排，将复杂的多步骤任务拆解为清晰的自动化流程，实现全程无人值守的智能处理。支持与数百种外部服务和 API 无缝集成，适合构建数据处理管线、业务自动化和 AI 辅助决策系统。
📖 中文文档
基于Amazon Aurora和Amazon RDS的Agentic AI-Powered Search开源AI工作流，提供高效的搜索功能和智能分析能力，值得关注。
开源AI工作流：Build Agentic AI-Powered Search 是一套完整的 AI Agent 自动化工作流方案。通过可视化的节点编排，将复杂的多步骤任务拆解为清晰的自动化流程，实现全程无人值守的智能处理。支持与数百种外部服务和 API 无缝集成，适合构建数据处理管线、业务自动化和 AI 辅助决策系统。
- 可视化 Agent 工作流编排，无需编写复杂代码
- 支持多步骤自动化任务链，实现全流程无人值守
- 与外部 API、数据库和第三方服务无缝集成
- 内置错误处理与自动重试机制，保障稳定运行
- 提供可复用的自动化模板，快速在同类场景部署
- 自动化日常重复性工作，将精力集中于创造性任务
- 构建数据采集 → 处理 → 输出的完整自动化管线
- 实现跨平台、跨系统的数据流转和业务协同
# 方式一：npm 全局安装 npm install -g sample-pellier-agentic-search-apg # 方式二：npx 直接运行（无需安装） npx sample-pellier-agentic-search-apg --help # 方式三：项目依赖安装 npm install sample-pellier-agentic-search-apg # 方式四：从源码运行 git clone https://github.com/aws-samples/sample-pellier-agentic-search-apg cd sample-pellier-agentic-search-apg npm install npm start
- 访问 GitHub 仓库获取工作流文件
- 在对应平台（Dify / Flowise / Make 等）中找到「导入工作流」功能
- 上传工作流文件
- 按照提示配置必要的环境变量和 API Key
- 运行测试确认流程正常后投入使用
# 命令行使用
sample-pellier-agentic-search-apg --help
# 基本用法
sample-pellier-agentic-search-apg [options] <input>
# Node.js 代码中使用
const sample_pellier_agentic_search_apg = require('sample-pellier-agentic-search-apg');
const result = await sample_pellier_agentic_search_apg.run(options);
console.log(result);
# sample-pellier-agentic-search-apg 配置说明 # 查看配置选项 sample-pellier-agentic-search-apg --config-example > config.yml # 常见配置项 # output_dir: ./output # log_level: info # workers: 4 # 环境变量（覆盖配置文件） export SAMPLE_PELLIER_AGENTIC_SEARCH_APG_CONFIG="/path/to/config.yml"
Pellier — Agentic AI-Powered Search with Amazon Aurora, Amazon RDS for PostgreSQL & Bedrock AgentCore
</div>
Educational reference implementation for AWS re:Invent and Summit sessions. Not intended for production deployment without security hardening.
---
2. Apply schema + seed 40-product catalog + required workshop tables (one-time)
PGPASSWORD="$DB_PASSWORD" psql -h "$DB_HOST" -p "$DB_PORT" \ -U "$DB_USER" -d "$DB_NAME" \ -v ON_ERROR_STOP=1 \ -f scripts/migrations/001_schema.sql python3 scripts/seed_boutique_catalog.py for migration in \ 002_workshop_telemetry.sql \ 003_persona_seed.sql \ 004_anna_hybrid_search.sql \ 005_theo_returns.sql \ 006_warehouse_inventory.sql \ 007_chat_session_tables.sql do PGPASSWORD="$DB_PASSWORD" psql -h "$DB_HOST" -p "$DB_PORT" \ -U "$DB_USER" -d "$DB_NAME" \ -v ON_ERROR_STOP=1 \ -f "scripts/migrations/$migration" done
Quick start (local dev)
The production flow is a single FastAPI process on :8000 serving both the built React SPA and the API. For interactive iteration, run the backend with --reload and rebuild the frontend on save.
```bash
What it demonstrates
Every claim in the Builder's Session abstract maps to something runnable in this repo:
| Claim | Where it lives |
|---|---|
| **RAG** with embeddings on **Aurora PostgreSQL & RDS for PostgreSQL** | pellier.product_catalog.embedding vector(1024) · pgvector 0.8.0 · HNSW index · <=> cosine operator |
| **Agentic AI — reasoning + tool use** | Strands Agents SDK · 5 specialists × 12 @tool functions · dispatcher routes intent → one specialist → cosine-discovered tools |
| **Model Context Protocol (MCP)** | [awslabs.postgres-mcp-server](https://github.com/awslabs/mcp/tree/main/src/postgres-mcp-server) installed via uvx, read-only against the Aurora cluster ARN · pellier/config/mcp-server-config.json is the literal contract · any MCP host (VS Code chat extension, Claude Code, Strands MCPClient, AgentCore Gateway) consumes the same JSON |
| **Personalization** | Long-term taste in pellier.customers + pellier.customer_episodic_seed · session-scoped STM via Bedrock AgentCore Memory |
| **Managed agent runtime** | @app.entrypoint in pellier/backend/agentcore_runtime.py · bedrock-agentcore:InvokeRuntime from services/agentcore_runtime.py |
---
该项目提供了一个开源的AI工作流，基于Amazon Aurora和Amazon RDS，支持Agentic AI-Powered Search功能，值得关注和学习。
- 需要让 Claude / Cursor 操作本地工具的 AI 工程师
- 构建多智能体协作系统的 Agent 开发者
- 构建企业知识库 / RAG 检索应用的团队
- 配置 MCP 服务器时建议使用 stdio 传输 + JSON-RPC，避免暴露公网
- 分块大小建议 256-512 tokens，向量库优选 pgvector 或 Qdrant
- Agent 任务先做 dry-run 验证工具调用链，再开启自主执行
- API key 直接提交到 git 仓库（请用 .env 并加入 .gitignore）
- MCP 配置路径拼错或权限不足，重启 Claude Desktop 才生效
- embedding 模型与查询模型不一致导致检索失效
- CLI：直接 npm install -g / pip install，命令行调用
- 云端托管：可放在 Vercel / Railway / Fly.io 等 PaaS 平台
⚡ 核心功能
- 可视化 Agent 工作流编排，无需编写复杂代码
- 支持多步骤自动化任务链，实现全流程无人值守
- 与外部 API、数据库和第三方服务无缝集成
- 内置错误处理与自动重试机制，保障稳定运行
- 提供可复用的自动化模板，快速在同类场景部署
- 需要让 Claude / Cursor 操作本地工具的 AI 工程师
- 构建多智能体协作系统的 Agent 开发者
- 构建企业知识库 / RAG 检索应用的团队
- 配置 MCP 服务器时建议使用 stdio 传输 + JSON-RPC，避免暴露公网
- 分块大小建议 256-512 tokens，向量库优选 pgvector 或 Qdrant
- Agent 任务先做 dry-run 验证工具调用链，再开启自主执行
- API key 直接提交到 git 仓库（请用 .env 并加入 .gitignore）
- MCP 配置路径拼错或权限不足，重启 Claude Desktop 才生效
- embedding 模型与查询模型不一致导致检索失效
👥 适合人群
🎯 使用场景
- 自动化日常重复性工作，将精力集中于创造性任务
- 构建数据采集 → 处理 → 输出的完整自动化管线
- 实现跨平台、跨系统的数据流转和业务协同
⚖️ 优点与不足
- +MIT 协议，可免费商用
- +大幅减少重复性人工操作
- +可视化流程，清晰直观
- +可扩展性强，支持复杂场景
- −初始配置和调试需投入一定时间
- −强依赖外部服务的稳定性
- −复杂场景需具备一定技术基础
AI Skill Hub 为第三方内容聚合平台，本页面信息基于公开数据整理，不对工具功能和质量作任何法律背书。
建议在沙箱或测试环境中充分验证后，再部署至生产环境，并做好必要的安全评估。
✅ MIT 协议 — 最宽松的开源协议之一，可自由商用、修改、分发，仅需保留版权声明。
🔗 相关工具推荐
❓ 常见问题 FAQ
总体来看，开源AI工作流：Build Agentic AI-Powered Search 是一款质量良好的Agent工作流，在同类工具中具备一定竞争力。AI Skill Hub 将持续追踪其更新动态，建议收藏备用，结合自身场景选择合适时机引入使用。
| 原始名称 | sample-pellier-agentic-search-apg |
| 原始描述 | 开源AI工作流：Build Agentic AI-Powered Search with Amazon Aurora and Amazon RDS。⭐10 · TypeScript |
| Topics | workflowtypescript |
| GitHub | https://github.com/aws-samples/sample-pellier-agentic-search-apg |
| License | MIT |
| 语言 | TypeScript |
收录时间：2026-05-23 · 更新时间：2026-05-30 · License：MIT · AI Skill Hub 不对第三方内容的准确性作法律背书。
🤖 交给 Agent 安装 · 开源AI工作流：Build Agentic AI-Powered Search
选择 Agent 类型，复制安装指令后粘贴到对应客户端