企业官网建设流程全解析

【更新日志】

1、实现 skill 技能加载，并可在 ymal 中配置全局和项目 skill 路径；

2、增加知识库与知识图谱库的自定义重构；

3、历史记忆管理更新；

4、RAG、Agent 等异常处理；

【系统介绍】

TaiXu-Admin 是 AI 技术集成的智能技术系统，后端用 Python 编写实现，前端用 React 开发交互页面，涉及到的大模型技术有 LLM 对话、RAG 和 Agent 等，大模型应用框架组件有 LangChain 和 LangGraph，支持 RAG 模式、Agent 模式、Prompt 工程、工具调用、记忆管理等功能，引入了对话式交互、知识检索增强生成（RAG）、多智能体协同（Agent）等 AI 能力。

【软件架构】

TaiXu-Admin 采用 前后端分离 + 模块化分层 的架构风格，确保系统高内聚、低耦合，便于功能迭代。

后端框架：采用 Python 作为核心开发语言，基于轻量高效且灵活的 Flask Web 框架构建 RESTful API 服务。

AI 应用框架：集成 LangChain 与 LangGraph，分别用于构建模块化的大模型应用流水线和复杂状态驱动的多智能体协作流程。

那么，RAG 模式和 Agent 模式具体有哪些类型呢？

RAG 模式：

文档检索：NativeRAG (原生 RAG)、MultiQuery (多问题)、RAGFusion (检索融合)、SubQuestion (子问题)、HYDE (假设提问)、RoutingLogic (逻辑路由)、RoutingSemantic (语义路由)、MultiQueryConstruction (查询重构)、MultiRepresentation (多重表示)、RAPTOR (层级索引)；

智能检索：Corrective (纠错型)、SelfCheck (反思型)、Adaptive (自适应型)；

特殊检索：GraphRAG (知识图谱)、KeyWord (关键字 BM25)、HybridRAG (混合检索)、KMean (K 均值聚类)、MMRRAG (最大边际相关)。

Agent 模式：

智能问答：ReAct (推理行动)、ReWOO (无观察推理)、PlanExecute (规划执行)、LLMCompile (LLM 编译)、Reflection (反思型)、SelfDiscover (自发现)、Reflexion (反射型)、LATS (智能树搜索)；

多智能体：Supervisor (监督型)、Collaboration (协作型)、Hierarchical (层级型)。

前端技术栈：使用 React 构建响应式用户界面，结合 Umi（蚂蚁集团开源的企业级前端应用框架）进行工程化管理，并依托 Ant Design 组件库提供一致、美观、高效的交互体验。

数据基础设施：

* 向量数据库：选用高性能、云原生的 Qdrant，用于存储和检索文本嵌入（Embeddings），支撑 RAG 场景下的语义相似性搜索；

* 图数据库：引入 Neo4j，用于建模实体间复杂关系（如用户 - 角色 - 资源权限拓扑、知识图谱等），赋能关系推理与路径分析；

* 关系型数据库：采用稳定可靠的 PostgreSQL 存储结构化业务数据（如用户信息、操作日志、配置项等）。

【安装教程】

1. taixu-system-web 安装依赖，用 npm 或 yarn。

2. taixu-system-service 安装依赖，用 pip 或 poetry。

3. 安装 Qdrant，并根据 taixu-system-service/src/resources/application.yml 进行账号密码配置。

4. 安装 Neo4j，并根据 taixu-system-service/src/resources/application.yml 进行账号密码配置。

5. 安装 PostgreSQL，并手动执行 taixu-system-service/src/resources/database 下的 sql 脚本。

注：本地尝鲜体验可只执行 1、2 和 5 步骤，即可演示不使用 Qdrant 和 Neo4j 的模块功能。

【使用说明】

按安装步骤即可启动项目，直接访问页面 http://localhost:8000/，账号：admin，密码：admin。

项目功能截图展示：

||

||

||

||

这样一个功能强大的 TaiXu-Admin V0.1.1，在实际应用中还会有哪些表现呢？