Backend App - 后端应用目录
本目录包含 AI Agent 系统的所有后端代码，采用模块化设计，层级清晰。
📁 目录结构
app/
├── __init__.py # 应用初始化
├── backend.py # FastAPI 主入口，包含 API 端点
├── config.py # 配置管理
├── logger.py # 日志工具
│
├── core/ # ⭐ 核心模块 - 基类和通用工具
│ ├── __init__.py
│ ├── state_base.py # 子图状态基类
│ ├── intent.py # 意图理解（React 模式）
│ ├── intent_classifier.py # 意图分类器
│ ├── formatter.py # 格式化输出工具
│ └── human_review.py # 人工审核节点
│
├── agent/ # ⭐ Agent 服务层
│ ├── __init__.py
│ ├── service.py # AIAgentService - 核心服务类
│ ├── history.py # 历史查询服务
│ └── prompts.py # 提示词模板
│
├── main_graph/ # ⭐ 主图 - LangGraph 主流程
│ ├── __init__.py
│ ├── state.py # 主图状态定义
│ ├── graph_builder.py # 主图构建器
│ │
│ ├── nodes/ # 主图节点
│ │ ├── __init__.py
│ │ ├── router.py # 路由决策节点
│ │ ├── llm_call.py # LLM 调用节点（React 模式）
│ │ ├── tool_call.py # 工具执行节点
│ │ ├── retrieve_memory.py # 记忆检索节点
│ │ ├── summarize.py # 记忆摘要节点
│ │ ├── finalize.py # 最终处理节点
│ │ ├── memory_trigger.py # 记忆触发节点
│ │ ├── rag_nodes.py # RAG 相关节点
│ │ └── react_nodes.py # React 模式节点
│ │
│ ├── tools/ # 主图工具
│ │ ├── __init__.py
│ │ ├── graph_tools.py # 图工具定义
│ │ └── subgraph_tools.py # 子图调用工具
│ │
│ └── utils/ # 主图工具函数
│ ├── __init__.py
│ ├── retry_utils.py # 重试工具
│ ├── subgraph_builder.py # 子图构建器
│ ├── rag_initializer.py # RAG 初始化工具
│ └── visualize_graph.py # 图可视化工具
│
├── subgraphs/ # ⭐ 子图模块
│ ├── __init__.py
│ │
│ ├── contact/ # 通讯录子图
│ │ ├── __init__.py
│ │ ├── state.py # 状态定义
│ │ ├── nodes.py # 节点实现
│ │ ├── graph.py # 图构建
│ │ └── api_client.py # API 客户端
│ │
│ ├── dictionary/ # 词典子图
│ │ ├── __init__.py
│ │ ├── state.py # 状态定义
│ │ ├── nodes.py # 节点实现
│ │ ├── graph.py # 图构建
│ │ └── api_client.py # API 客户端
│ │
│ └── news_analysis/ # 资讯分析子图
│ ├── __init__.py
│ ├── state.py # 状态定义
│ ├── nodes.py # 节点实现
│ ├── graph.py # 图构建
│ └── api_client.py # API 客户端
│
├── model_services/ # 模型服务层
│ ├── __init__.py
│ ├── base.py # 基类：BaseServiceProvider, FallbackServiceChain, SingletonServiceManager
│ ├── chat_services.py # 生成式大模型服务
│ ├── embedding_services.py # 嵌入模型服务
│ └── rerank_services.py # 重排序服务
│
├── rag/ # RAG 模块
│ ├── __init__.py
│ ├── retriever.py # 检索器
│ ├── rerank.py # 重排序业务逻辑
│ ├── query_transform.py # 查询转换
│ ├── pipeline.py # RAG 流水线
│ ├── fusion.py # RAG-Fusion
│ ├── tools.py # RAG 工具
│ └── evaluate.py # RAG 评估
│
├── memory/ # 记忆模块
│ ├── __init__.py
│ └── mem0_client.py # Mem0 客户端封装
│
├── db/ # 数据库模块
│ ├── __init__.py
│ ├── base.py # 数据库基类
│ ├── models.py # 数据模型
│ └── init_db.py # 数据库初始化
│
└── utils/ # 工具模块
├── __init__.py
└── logging.py # 日志工具
📖 模块详解
1. core/ - 核心模块
这是整个系统的基础，被主图和所有子图共享：
| 文件 | 说明 |
|---|---|
state_base.py |
所有子图状态的基类，定义通用字段和方法 |
intent.py |
React 模式的意图理解，用于解析用户意图 |
intent_classifier.py |
意图分类器，用于混合路由 |
formatter.py |
输出格式化工具，用于统一美化子图输出 |
human_review.py |
人工审核节点，需要人工确认的操作 |
2. agent/ - Agent 服务层
对外提供服务的核心层：
| 文件 | 说明 |
|---|---|
service.py |
AIAgentService 类，管理模型、图、工具，提供 process_message 和 process_message_stream 方法 |
history.py |
历史对话查询服务 |
prompts.py |
系统提示词模板 |
3. main_graph/ - 主图
LangGraph 的主流程，处理普通对话和工具调用：
| 目录/文件 | 说明 |
|---|---|
state.py |
主图状态定义，包含消息、RAG 上下文、错误记录等 |
graph_builder.py |
构建主图的类，定义节点和边 |
nodes/ |
所有节点实现（router, llm_call, tool_call 等） |
tools/ |
图的工具定义（天气、文件、网页、RAG 等） |
utils/ |
辅助函数（重试、子图构建、初始化等） |
4. subgraphs/ - 子图模块
三个独立的子图，每个子图都有完整的 state.py、nodes.py、graph.py：
| 子图 | 功能 |
|---|---|
contact/ |
通讯录管理：CRUD、邮件处理、智能嗅探 |
dictionary/ |
词典：查词、翻译、生词本、专业术语提取 |
news_analysis/ |
资讯分析：获取资讯、内容分析、格式化展示 |
5. model_services/ - 模型服务层
统一的模型服务接口，支持自动降级：
| 文件 | 说明 |
|---|---|
base.py |
BaseServiceProvider（基类）、FallbackServiceChain（降级链）、SingletonServiceManager（单例管理） |
chat_services.py |
生成式大模型服务（智谱、DeepSeek、本地） |
embedding_services.py |
嵌入模型服务 |
rerank_services.py |
重排序服务 |
6. rag/ - RAG 模块
知识库检索相关：
| 文件 | 说明 |
|---|---|
retriever.py |
向量检索器 |
rerank.py |
重排序业务逻辑 |
pipeline.py |
RAG 流水线 |
fusion.py |
RAG-Fusion 多路召回融合 |
tools.py |
封装为 LangChain Tool 的 RAG 工具 |
evaluate.py |
RAG 评估工具 |
🔄 数据流
用户请求
└─> backend.py (FastAPI)
└─> agent/service.py (AIAgentService)
├─> model_services/ (获取模型)
├─> main_graph/ (执行主图)
│ ├─> nodes/ (执行节点)
│ ├─> tools/ (调用工具)
│ └─> rag/ (RAG 检索)
└─> subgraphs/ (可选：调用子图)
└─> core/ (共享工具)
🚀 启动方式
FastAPI 应用入口是 backend.py，可以通过以下方式启动：
# 方式 1：直接运行
cd backend && python -m app.backend
# 方式 2：Uvicorn
uvicorn app.backend:app --reload --host 0.0.0.0 --port 8079
# 方式 3：Docker
docker compose up