项目简介
Yuxi (语析) 是一个智能知识库和知识图谱 Agent 开发平台，能够帮助你构建结合检索增强生成 (RAG) 与知识图谱推理的生产级 AI 应用。该平台基于 LangGraph、Vue.js 3、FastAPI、Milvus 和 Neo4j 构建，提供创建对话式 AI 系统所需的智能体编排、知识检索、图谱推理、工具调用和文件系统能力。
设计理念
项目的设计目标是为开发者提供一个易于上手、功能强大的 AI 应用开发框架。我们坚持以下原则：
- 技术栈简洁：选择主流且成熟的技术，降低学习和维护成本
- MIT 开源协议：完全开源，允许自由使用和二次开发
- 容器化部署：通过 Docker Compose 管理，简化部署流程
技术架构
| 层级 | 技术 | 用途 |
|---|---|---|
| 前端 | Vue.js 3, Vite, Ant Design Vue | 现代响应式 UI 框架与组件库 |
| 状态管理 | Pinia | 前端集中式状态管理 |
| 后端 API | FastAPI, Uvicorn | 高性能异步 Python Web 框架 |
| Agent 框架 | LangGraph | Agent 编排、状态管理与 checkpoint |
| 知识库 | Milvus（可建库入库）、Dify / Notion（只读连接器） | 向量知识库 RAG 与外部只读数据源检索 |
| 图数据库 | Neo4j | Milvus 知识库内知识图谱存储与查询 |
| 文档处理 | MinerU, PaddleX, RapidOCR | 多格式文档解析与 OCR |
| 任务队列 | Redis, PostgreSQL Workers | 异步任务处理 |
| 对象存储 | MinIO | 文件与文档存储 |
| 关系型数据库 | PostgreSQL | 元数据与用户数据持久化 |
| 部署 | Docker, Docker Compose | 容器化部署与编排 |
核心能力
Yuxi 的核心能力不在于“把大模型接进来”，而在于把 智能体开发、知识库/RAG、知识图谱 放进同一套系统里，并让它们在运行时真正协同工作。
1. 面向真实业务的智能体开发
Yuxi 基于 LangGraph 提供智能体开发能力，不只是一个固定问答入口，而是一套可配置、可扩展的 Agent 运行框架。开发者可以围绕同一个 Agent 配置模型、提示词、工具、MCP、Skills、子智能体与中间件，使“对话能力”变成“可编排的业务能力”。
这一层是项目的控制中心，决定了模型如何调用工具、如何访问知识、如何接入文件系统以及如何与其他子智能体协作。
2. 知识库与 RAG 一体化能力
Yuxi 提供完整的知识入库链路，而不是只做检索接口封装。文档从上传开始，会经过解析、分块、向量化、检索配置和评估等阶段，最终成为 Agent 可直接调用的知识来源。
将组织的文档转换为智能对话助手。上传 PDF 手册、技术规格、政策文档和培训材料，以创建可搜索、具备推理能力的知识库，员工可以使用自然语言查询。 该系统能够理解复杂的问题，并提供带有来源引用的上下文感知答案。
3. 知识图谱参与推理，而不只是展示
Yuxi 的知识图谱能力不是孤立的可视化模块，而是和 Milvus 知识库入库链路联动的。系统可以从已入库 chunks 中抽取实体和关系，写入 Neo4j 与 PostgreSQL 并为唯一实体/三元组建立 Milvus 语义索引；检索时可召回图谱实体与三元组，并与 chunk 命中结果融合（RRF），在知识库详情页展示和检索子图。
4. 面向生产落地的文档理解与平台能力
为了让知识真正可用，Yuxi 集成了 MinerU、PP-Structure-V3、RapidOCR、DeepSeek OCR 等解析能力，覆盖 PDF、Office、Markdown、图片等常见格式，解决原始资料进入系统前的结构化处理问题。
在此基础上，平台还补齐了业务落地常用的工程能力，例如：
- 部门与权限管理
- 内容审查与守卫能力
- 文件管理与任务管理
- Docker Compose 部署与热重载开发
适用场景
Yuxi 适用于以下场景：
- 企业知识库：构建私有知识问答系统
- 智能客服：基于文档的自动问答
- 知识管理：文档自动解析、分类、构建图谱
- AI 应用开发：快速构建基于大模型的应用原型