357 lines
11 KiB
Markdown
357 lines
11 KiB
Markdown
# 后端模块 (backend/app/)
|
||
|
||
这是一个基于 LangGraph 的个人助手系统，提供对话、工具调用、记忆管理、RAG 检索和子图功能。
|
||
|
||
---
|
||
|
||
## 📂 目录结构
|
||
|
||
```
|
||
backend/app/
|
||
├── agent/ # Agent 服务层
|
||
│ ├── service.py # AIAgentService - 主服务类
|
||
│ ├── rag_initializer.py # RAG 工具初始化
|
||
│ ├── history.py # 对话历史管理
|
||
│ └── prompts.py # 提示词模板
|
||
├── agent_subgraphs/ # 子图模块 ✅ 已实现
|
||
│ ├── common/ # 公共工具
|
||
│ │ ├── state_base.py # 状态基类
|
||
│ │ ├── intent.py # 意图理解（React 模式）
|
||
│ │ ├── formatter.py # 格式化输出工具
|
||
│ │ └── human_review.py # 人工审核节点
|
||
│ ├── contact/ # 通讯录子图
|
||
│ ├── dictionary/ # 词典子图
|
||
│ ├── news_analysis/ # 资讯分析子图
|
||
│ ├── research/ # 研究分析子图（规划中）
|
||
│ └── README.md
|
||
├── graph/ # LangGraph 主图构建
|
||
│ ├── graph_builder.py # 图构建器
|
||
│ ├── graph_tools.py # 工具定义
|
||
│ ├── state.py # 状态定义
|
||
│ ├── retrieve_memory.py # 记忆检索节点
|
||
│ ├── rag_nodes.py # RAG 集成节点
|
||
│ └── visualize_graph.py # 图可视化
|
||
├── memory/ # 记忆模块
|
||
│ └── mem0_client.py # Mem0 客户端
|
||
├── model_services/ # 模型服务层 ✅ 已重构
|
||
│ ├── __init__.py
|
||
│ ├── base.py # 基类和降级机制
|
||
│ ├── chat_services.py # 生成式大模型服务
|
||
│ ├── embedding_services.py # 嵌入服务
|
||
│ └── rerank_services.py # 重排服务
|
||
├── nodes/ # LangGraph 节点实现
|
||
│ ├── llm_call.py # LLM 调用节点
|
||
│ ├── tool_call.py # 工具调用节点
|
||
│ ├── router.py # 路由节点
|
||
│ ├── summarize.py # 摘要节点
|
||
│ ├── finalize.py # 最终节点
|
||
│ └── memory_trigger.py # 记忆触发节点
|
||
├── rag/ # RAG 检索模块 ✅ 已重构
|
||
│ ├── pipeline.py # RAG 流水线
|
||
│ ├── tools.py # RAG 工具
|
||
│ ├── rerank.py # 重排业务逻辑
|
||
│ ├── retriever.py # 检索器
|
||
│ ├── query_transform.py # 查询转换
|
||
│ └── fusion.py # 结果融合
|
||
├── utils/ # 工具函数
|
||
├── __init__.py
|
||
├── backend.py # FastAPI 后端入口
|
||
├── config.py # 配置管理
|
||
└── logger.py # 日志模块
|
||
```
|
||
|
||
---
|
||
|
||
## ✅ 已实现功能
|
||
|
||
### 1. Agent 服务 (agent/)
|
||
- **AIAgentService** - 主服务类
|
||
- 接收外部 checkpointer，管理图生命周期
|
||
- 支持多模型动态切换
|
||
- 提供流式和非流式接口
|
||
- **多模型支持** - 通过 chat_services
|
||
- 智谱 AI (glm-4.7-flash)
|
||
- DeepSeek (deepseek-reasoner)
|
||
- 本地模型 (vLLM/llama.cpp)
|
||
- **对话历史** - 基于 LangGraph 状态持久化
|
||
|
||
### 2. LangGraph 主图 (graph/)
|
||
- **GraphBuilder** - 图构建器
|
||
- 模块化节点创建，依赖注入
|
||
- 支持 Mem0 客户端集成
|
||
- **状态管理**
|
||
- MessagesState - 对话状态（消息、token、时间、摘要轮数）
|
||
- GraphContext - 执行上下文（用户 ID）
|
||
- **工具定义**
|
||
- get_current_temperature - 示例温度工具
|
||
- read_local_file - 读取本地文件
|
||
- read_pdf_summary - 读取 PDF
|
||
- read_excel_as_markdown - 读取 Excel
|
||
- fetch_webpage_content - 抓取网页
|
||
- **React 模式** - 循环推理 + 超时重试 + 结构化错误处理
|
||
|
||
### 3. 节点实现 (nodes/)
|
||
- **llm_call** - LLM 调用节点
|
||
- **tool_call** - 工具调用节点
|
||
- **router** - 路由节点（should_continue）
|
||
- **summarize** - 记忆摘要节点
|
||
- **finalize** - 最终响应节点
|
||
- **memory_trigger** - 记忆触发节点
|
||
|
||
### 4. 记忆管理 (memory/)
|
||
- **Mem0Client** - Mem0 记忆客户端
|
||
- 异步初始化和连接测试
|
||
- 支持记忆检索和添加
|
||
- 可集成到 LangGraph 中
|
||
|
||
### 5. 模型服务层 (model_services/)
|
||
架构：纯服务层 + 业务逻辑分离
|
||
|
||
#### 5.1 基类与公共机制 (base.py)
|
||
- **BaseServiceProvider** - 服务提供者基类
|
||
- 统一接口：is_available() 和 get_service()
|
||
- **FallbackServiceChain** - 链式降级机制
|
||
- 优先尝试主服务，失败自动尝试备用服务
|
||
- **SingletonServiceManager** - 单例管理器
|
||
- 全局单例，避免重复创建
|
||
|
||
#### 5.2 生成式大模型 (chat_services.py)
|
||
- **LocalVLLMChatProvider** - 本地 VLLM 服务（gemma-4-E4B-it）
|
||
- **ZhipuChatProvider** - 智谱 AI 服务（glm-4.7-flash）
|
||
- **DeepSeekChatProvider** - DeepSeek 服务（deepseek-reasoner）
|
||
- **get_chat_service()** - 默认服务（自动降级）
|
||
- **get_all_chat_services()** - 获取所有可用模型
|
||
|
||
#### 5.3 嵌入服务 (embedding_services.py)
|
||
- **LocalLlamaCppEmbeddingProvider** - 本地 llama.cpp 嵌入
|
||
- **ZhipuEmbeddingProvider** - 智谱 AI 嵌入
|
||
- **get_embedding_service()** - 统一接口，自动降级
|
||
|
||
#### 5.4 重排服务 (rerank_services.py)
|
||
- **LocalLlamaCppRerankProvider** - 本地 llama.cpp 重排
|
||
- **ZhipuRerankProvider** - 智谱 AI 重排
|
||
- **get_rerank_service()** - 统一接口，自动降级
|
||
|
||
### 6. RAG 检索模块 (rag/)
|
||
架构：业务逻辑层 + 服务层分离
|
||
|
||
- **RAGPipeline** - RAG 流水线
|
||
- 查询改写 → 并行检索 → RRF 融合 → 重排 → 返回结果
|
||
- **DocumentReranker** - 重排业务逻辑（rag/rerank.py）
|
||
- **ParentDocumentRetriever** - 父文档检索器
|
||
- **查询转换** - MultiQueryGenerator
|
||
- **结果融合** - Reciprocal Rank Fusion
|
||
|
||
### 7. 子图模块 (agent_subgraphs/) ✅ 已实现
|
||
|
||
#### 7.1 公共工具 (common/)
|
||
- **state_base.py** - TypedDict 类型安全的状态基类
|
||
- **intent.py** - 意图理解（React 模式）- 是否调用 RAG、是否重新检索
|
||
- **formatter.py** - 格式化输出工具（Jinja2 + Markdown）
|
||
- **human_review.py** - 人工审核节点（LangGraph interrupt）
|
||
|
||
#### 7.2 通讯录子图 (contact/)
|
||
- 联系人管理（CRUD）
|
||
- 邮件读取与审核
|
||
- 外发邮件
|
||
- 智能嗅探
|
||
- API 客户端
|
||
- 精美格式化展示
|
||
|
||
#### 7.3 词典子图 (dictionary/)
|
||
- 翻译、查词
|
||
- 每日一词
|
||
- 专业名词提炼
|
||
- 生词本管理
|
||
- API 客户端
|
||
- 精美格式化展示
|
||
|
||
#### 7.4 资讯分析子图 (news_analysis/)
|
||
- 资讯获取
|
||
- 内容分析
|
||
- API 客户端
|
||
- 精美格式化展示
|
||
|
||
#### 7.5 研究分析子图 (research/)
|
||
- 规划中
|
||
|
||
### 8. FastAPI 后端 (backend.py)
|
||
- POST /chat - 非流式对话
|
||
- POST /chat/stream - 流式对话
|
||
- 子图 API 端点
|
||
- 人工审核交互端点（确定/取消/继续）
|
||
|
||
### 9. 配置管理 (config.py)
|
||
- 集中管理环境变量
|
||
- 智谱 AI 配置
|
||
- ZHIPUAI_API_KEY
|
||
- ZHIPU_EMBEDDING_MODEL（默认 embedding-3）
|
||
- ZHIPU_RERANK_MODEL（默认 rerank-2）
|
||
- ZHIPU_API_BASE
|
||
- DeepSeek 配置
|
||
- DEEPSEEK_API_KEY
|
||
- 本地模型配置
|
||
- VLLM_BASE_URL（主 LLM）
|
||
- LLAMACPP_EMBEDDING_URL（嵌入）
|
||
- LLAMACPP_RERANKER_URL（重排）
|
||
- LLM_API_KEY / LLAMACPP_API_KEY
|
||
- 数据库和 Qdrant 配置
|
||
|
||
---
|
||
|
||
## 🚧 待完善功能
|
||
|
||
### 1. 子图模块
|
||
- **research/** - 研究分析子图（联网搜索、报告生成、引用溯源、可视化）
|
||
|
||
### 2. 其他
|
||
- 更完善的错误处理和日志
|
||
- 监控和指标收集
|
||
- API 文档完善（OpenAPI/Swagger）
|
||
- 单元测试和集成测试
|
||
|
||
---
|
||
|
||
## 🛠️ 技术栈
|
||
|
||
| 层级 | 组件 | 技术选型 |
|
||
|------|------|---------|
|
||
| Agent 框架 | 工作流编排 | LangGraph + LangChain |
|
||
| LLM 服务 | 模型调用 | 智谱 AI / DeepSeek / 本地模型 (llama.cpp/vLLM) |
|
||
| Embedding | 向量嵌入 | 本地 llama.cpp / 智谱 AI |
|
||
| Rerank | 重排序 | 本地 llama.cpp / 智谱 AI |
|
||
| 向量数据库 | 语义检索 | Qdrant |
|
||
| 关系数据库 | 结构化存储 | PostgreSQL |
|
||
| 后端框架 | API 服务 | FastAPI + Uvicorn |
|
||
| 记忆服务 | 长期记忆 | Mem0 |
|
||
|
||
---
|
||
|
||
## 📝 使用指南
|
||
|
||
### 快速开始
|
||
|
||
1. **配置环境变量**
|
||
复制 `.env` 文件并配置：
|
||
- 数据库配置（PostgreSQL）
|
||
- Qdrant 配置
|
||
- LLM 配置（智谱/DeepSeek/本地）
|
||
- 嵌入和重排服务配置
|
||
|
||
2. **启动后端**
|
||
```bash
|
||
cd backend
|
||
python -m app.backend
|
||
```
|
||
|
||
3. **API 接口**
|
||
- POST /chat - 非流式对话
|
||
- POST /chat/stream - 流式对话
|
||
|
||
### 配置说明
|
||
|
||
#### 必需配置
|
||
```env
|
||
# 数据库
|
||
DB_HOST=your_db_host
|
||
DB_PORT=5432
|
||
DB_USER=your_db_user
|
||
DB_PASSWORD=***
|
||
DB_NAME=langgraph_db
|
||
|
||
# Qdrant
|
||
QDRANT_URL=http://your_qdrant_host:6333
|
||
QDRANT_API_KEY=your_qdrant_api_key
|
||
|
||
# 至少配置一个 LLM
|
||
ZHIPUAI_API_KEY=***
|
||
DEEPSEEK_API_KEY=***
|
||
```
|
||
|
||
#### 可选配置
|
||
```env
|
||
# 本地模型服务
|
||
VLLM_BASE_URL=http://localhost:8000/v1
|
||
LLAMACPP_EMBEDDING_URL=http://localhost:8001/v1
|
||
LLAMACPP_RERANKER_URL=http://localhost:8002/v1
|
||
LLM_API_KEY=***
|
||
LLAMACPP_API_KEY=***
|
||
|
||
# 智谱其他配置
|
||
ZHIPU_EMBEDDING_MODEL=embedding-3
|
||
ZHIPU_RERANK_MODEL=rerank-2
|
||
```
|
||
|
||
### 使用模型服务
|
||
|
||
#### 生成式大模型
|
||
```python
|
||
from app.model_services import get_chat_service, get_all_chat_services
|
||
|
||
# 自动选择可用服务（优先本地，降级智谱，再降级 DeepSeek）
|
||
llm = get_chat_service()
|
||
|
||
# 获取所有可用模型（用于多模型切换）
|
||
all_llms = get_all_chat_services() # Dict[str, BaseChatModel]
|
||
```
|
||
|
||
#### 嵌入服务
|
||
```python
|
||
from app.model_services import get_embedding_service
|
||
|
||
# 自动选择可用服务（优先本地，降级智谱）
|
||
embeddings = get_embedding_service()
|
||
|
||
# 使用
|
||
vector = embeddings.embed_query("hello")
|
||
```
|
||
|
||
#### 重排服务
|
||
```python
|
||
from app.model_services import get_rerank_service
|
||
from app.rag.rerank import create_document_reranker
|
||
|
||
# 获取原始重排服务（仅计算分数）
|
||
rerank_service = get_rerank_service()
|
||
scores = rerank_service.compute_scores("query", ["doc1", "doc2"])
|
||
|
||
# 使用业务逻辑层（完整的文档重排）
|
||
reranker = create_document_reranker()
|
||
sorted_docs = reranker.compress_documents(docs, "query", top_n=5)
|
||
```
|
||
|
||
---
|
||
|
||
## 📁 架构说明
|
||
|
||
### 模型服务层架构
|
||
```
|
||
model_services/
|
||
├── base.py # 基类：BaseServiceProvider, FallbackServiceChain, SingletonServiceManager
|
||
├── chat_services.py # 生成式大模型（纯服务层）
|
||
├── embedding_services.py # 嵌入服务（纯服务层）
|
||
└── rerank_services.py # 重排服务（纯服务层）
|
||
|
||
业务逻辑层
|
||
├── rag/rerank.py # 重排业务逻辑（使用 model_services）
|
||
└── agent/service.py # Agent 服务（使用 model_services）
|
||
```
|
||
|
||
### 子图架构
|
||
```
|
||
agent_subgraphs/
|
||
├── common/ # 公共工具（所有子图共享）
|
||
│ ├── state_base.py # 状态基类
|
||
│ ├── intent.py # 意图理解
|
||
│ ├── formatter.py # 格式化输出
|
||
│ └── human_review.py # 人工审核
|
||
├── contact/ # 每个子图独立目录
|
||
│ ├── state.py # 状态定义
|
||
│ ├── nodes.py # 节点实现
|
||
│ ├── graph.py # 图构建
|
||
│ ├── api_client.py # API 客户端
|
||
│ └── __init__.py
|
||
└── dictionary/
|
||
└── (同 contact)
|
||
```
|