ailine/backend/app/README.md

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

   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

# 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

# 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

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

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

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)