xerrors--yuxi/docs/intro/project-overview.md

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

下一步

• 快速开始：阅读 快速开始指南
• 模型配置：阅读 模型配置
• 知识库使用：阅读 知识库与知识图谱
• 智能体开发：阅读 智能体开发