wehub-resource-sync
10 KiB
10 KiB
Note
本文档由 WeHub 基于上游 README 翻译整理，属于社区翻译，非官方中文文档。
English · 原始项目 · 上游 README
原作者、版权与许可证归属以原始项目及本仓库 LICENSE 文件为准。
图片由 GPT-Image-2 生成。
简介
Yuxi 是一个由大语言模型（LLM）驱动的平台，用于构建知识库与知识图谱智能体。它将 RAG 检索、基于 Milvus 的知识库内图谱，以及 LangGraph 多智能体编排 统一于单一多租户工作空间：管理员配置知识库、模型与权限，用户则可在类 ChatGPT 的界面中与智能体对话——智能体可挂载 Skills、MCP、子智能体（SubAgents）与沙箱工具，并获得附带引用来源、基于图谱的推理以及可交付产物的回答。
导航：简介 ｜ 快速开始 ｜ 路线图; 最新更新请参见 更新日志.
核心功能
- 🤖 智能体开发 — 基于 LangGraph，支持子智能体（SubAgents）、Skills、MCP、Tools 与中间件；长时间运行的任务在后台 worker 上异步执行，并由沙箱文件系统支持工具产物的持久化、预览与下载。
- 📚 知识库（RAG） — 多格式文档解析（MinerU / PaddleX / OCR），可配置 Embedding 与 Rerank 模型，知识库评测，应用内 PDF / 图片预览，检索来源回填为对话引用。
- 🕸️ 知识图谱 — 在 Milvus 知识库内构建、可视化并检索实体关系图谱，再将图谱命中与分块检索融合，供智能体推理使用。
- 🏢 多租户与权限 — 用户 / 部门级访问控制，统一的模型提供商配置，以及面向外部系统集成的 API Key 认证。
- ⚙️ 平台与工程 — Vue + FastAPI 架构，开箱即用的 Docker Compose 部署，深色模式，轻量级 LITE 启动模式，以及生产级编排能力。
技术栈
| 层级 | 技术 |
|---|---|
| 前端 | Vue 3 · Vite · Pinia |
| 后端 | FastAPI · LangGraph · ARQ（异步 worker） |
| 存储 | PostgreSQL · Redis · MinIO · Milvus · Neo4j |
| 文档解析 | MinerU · PaddleX · RapidOCR |
| 部署 | Docker Compose |
快速开始
前置条件：Docker 与 Docker Compose 已安装，并至少拥有一个兼容 OpenAI 的 LLM API。
1. 克隆并初始化
git clone --branch v0.7.1.beta1 --depth 1 https://github.com/xerrors/Yuxi.git
cd Yuxi
# Linux/macOS
./scripts/init.sh
# Windows PowerShell
.\scripts\init.ps1
2. 使用 Docker 启动
docker compose up --build
3. 打开平台
服务就绪后，在浏览器中打开 http://localhost:5173，并使用初始化时生成的管理员账号登录。
💡 若不需要知识库 / 图谱等重型依赖，可运行
make up-lite以启用轻量级 LITE 模式，冷启动更快。更多部署细节请参阅文档。
示例与演示
首页 |
仪表盘统计 |
智能体配置 |
知识库调用 |
|
创建知识库 |
知识库管理 |
|
知识图谱可视化 |
项目文档 |
扩展管理（Skills） |
扩展管理（MCPs） |
|
用户 / 部门权限管理 |
模型提供商配置 |
致谢
Yuxi 参考并基于以下优秀的开源项目构建：
- LightRAG - 用作图构建与检索的基础。
- DeepAgents - 用作深度智能体（deep agent）框架。
- DeerFlow - 参考了其 Sandbox 智能体架构思路。
- RAGflow - 参考了其文档文本分块策略。
- LangGraph - 多智能体编排框架，亦是本项目的核心架构基础。
- QwenPaw - 参考了其模型配置与个人文件区设计。
参与贡献
感谢所有贡献者对本项目的支持！
Star 历史
📄 许可证
本项目基于 MIT 许可证开源。详情请参阅 LICENSE。
如果本项目对你有所帮助，请给我们一个 ⭐️。