277 lines
9.8 KiB
Markdown
277 lines
9.8 KiB
Markdown
# 智扫通智能客服项目 - 项目大纲
|
||
|
||
## 1. 项目概述
|
||
|
||
**项目名称**: 智扫通智能机器人客服
|
||
|
||
**项目类型**: 基于 LangChain + RAG + Agent 的智能问答系统
|
||
|
||
**核心功能**:
|
||
- 提供扫地机器人/扫拖一体机器人的专业智能客服
|
||
- 支持 ReAct 思考框架的 Agent 自主工具调用
|
||
- 基于向量检索(RAG)的专业知识库问答
|
||
- 个性化用户报告生成
|
||
|
||
**目标用户**: 扫地机器人用户
|
||
|
||
---
|
||
|
||
## 2. 技术架构
|
||
|
||
### 2.1 技术栈
|
||
|
||
| 层级 | 技术/框架 | 用途 |
|
||
|------|----------|------|
|
||
| 前端 | Streamlit | Web 交互界面 |
|
||
| AI Agent | LangChain + LangGraph | Agent 推理与工具调用 |
|
||
| LLM | 通义千问 (qwen3-max) | 大语言模型 |
|
||
| 向量数据库 | Chroma | 知识向量存储与检索 |
|
||
| Embedding | DashScope (text-embedding-v4) | 文本向量化 |
|
||
| 配置管理 | YAML | 配置文件管理 |
|
||
|
||
### 2.2 系统架构图
|
||
|
||
```
|
||
┌─────────────────────────────────────────────────────────┐
|
||
│ Streamlit Web UI │
|
||
└─────────────────────┬───────────────────────────────────┘
|
||
│
|
||
▼
|
||
┌─────────────────────────────────────────────────────────┐
|
||
│ ReactAgent (Agent) │
|
||
│ ┌─────────────────────────────────────────────────┐ │
|
||
│ │ ReAct 思考框架 │ │
|
||
│ │ Thought → Action → Observation → ... │ │
|
||
│ └─────────────────────────────────────────────────┘ │
|
||
│ │ │
|
||
│ ┌─────────────┼─────────────┐ │
|
||
│ ▼ ▼ ▼ │
|
||
│ ┌──────────────┐ ┌───────────┐ ┌──────────────┐ │
|
||
│ │ RAG工具 │ │ 天气工具 │ │ 用户信息工具 │ │
|
||
│ │ rag_summarize│ │ get_weather│ │ get_user_id │ │
|
||
│ └──────────────┘ └───────────┘ └──────────────┘ │
|
||
│ │ │
|
||
│ ┌──────────────────────────────────────────────────┐ │
|
||
│ │ Middleware 中间件 │ │
|
||
│ │ monitor_tool | log_before_model | prompt_switch│ │
|
||
│ └──────────────────────────────────────────────────┘ │
|
||
└─────────────────────┬───────────────────────────────────┘
|
||
│
|
||
┌───────────┴───────────┐
|
||
▼ ▼
|
||
┌─────────────────┐ ┌─────────────────────┐
|
||
│ VectorStore │ │ 外部数据源 │
|
||
│ (Chroma DB) │ │ (CSV 用户记录) │
|
||
└─────────────────┘ └─────────────────────┘
|
||
```
|
||
|
||
---
|
||
|
||
## 3. 目录结构
|
||
|
||
```
|
||
agent_proj/
|
||
├── agent/ # Agent 核心模块
|
||
│ ├── tools/
|
||
│ │ ├── agent_tools.py # Agent 工具定义
|
||
│ │ └── middleware.py # 中间件实现
|
||
│ └── react_agent.py # ReAct Agent 封装
|
||
│
|
||
├── config/ # 配置文件
|
||
│ ├── agent.yaml # Agent 配置
|
||
│ ├── chroma.yaml # Chroma 向量库配置
|
||
│ ├── prompts.yaml # Prompt 路径配置
|
||
│ └── rag.yaml # RAG 模型配置
|
||
│
|
||
├── data/ # 数据目录
|
||
│ ├── external/
|
||
│ │ └── records.csv # 用户使用记录
|
||
│ └── 知识库文件 (pdf/txt) # RAG 知识库
|
||
│
|
||
├── model/ # 模型工厂
|
||
│ └── factory.py # LLM/Embedding 模型工厂
|
||
│
|
||
├── prompts/ # Prompt 模板
|
||
│ ├── main_prompt.txt # 主系统 Prompt
|
||
│ ├── rag_summarize.txt # RAG 总结 Prompt
|
||
│ └── report_prompt.txt # 报告生成 Prompt
|
||
│
|
||
├── rag/ # RAG 服务
|
||
│ ├── rag_service.py # RAG 总结服务
|
||
│ └── vector_store.py # 向量存储服务
|
||
│
|
||
├── utils/ # 工具模块
|
||
│ ├── config_handler.py # 配置加载器
|
||
│ ├── file_handler.py # 文件处理
|
||
│ ├── logger_handler.py # 日志管理
|
||
│ ├── path_tool.py # 路径工具
|
||
│ └── prompt_loader.py # Prompt 加载器
|
||
│
|
||
├── chroma_db/ # Chroma 向量数据库
|
||
│
|
||
├── logs/ # 日志目录
|
||
│
|
||
├── app.py # Streamlit 主应用
|
||
├── 01_Agent.py # Agent 基础示例
|
||
├── 02_Stream.py # Stream 流式输出示例
|
||
├── 03_ReAct.py # ReAct 框架示例
|
||
└── 04_middle_ware.py # 中间件示例
|
||
```
|
||
|
||
---
|
||
|
||
## 4. 核心模块详解
|
||
|
||
### 4.1 Agent 模块 (agent/)
|
||
|
||
#### react_agent.py
|
||
- **职责**: 封装 LangChain Agent，提供流式输出能力
|
||
- **核心方法**: `excute_stream(query)` - 流式执行用户查询
|
||
|
||
#### agent_tools.py
|
||
- **职责**: 定义 Agent 可调用的工具
|
||
- **工具列表**:
|
||
- `rag_summarize`: 向量库检索专业资料
|
||
- `get_weather`: 查询城市天气
|
||
- `get_user_location`: 获取用户所在城市
|
||
- `get_user_id`: 获取用户ID
|
||
- `get_current_month`: 获取当前月份
|
||
- `fetch_external_data`: 获取外部用户使用记录
|
||
- `fill_context_for_report`: 触发报告生成上下文
|
||
|
||
#### middleware.py
|
||
- **职责**: 实现 Agent 中间件
|
||
- **中间件列表**:
|
||
- `monitor_tool`: 工具调用监控
|
||
- `log_before_model`: 模型调用前日志
|
||
- `repoet_prompt_switch`: 动态提示词切换
|
||
|
||
### 4.2 RAG 模块 (rag/)
|
||
|
||
#### vector_store.py
|
||
- **职责**: 向量存储与检索
|
||
- **功能**:
|
||
- 文档加载 (PDF/TXT)
|
||
- 文本分片 (RecursiveCharacterTextSplitter)
|
||
- 向量入库 (Chroma)
|
||
- 相似度检索 (Retriever)
|
||
|
||
#### rag_service.py
|
||
- **职责**: RAG 总结服务
|
||
- **流程**: 用户查询 → 向量检索 → Prompt 模板 → LLM 总结 → 返回结果
|
||
|
||
### 4.3 模型工厂 (model/factory.py)
|
||
- **ChatModelFactory**: 创建通义千问聊天模型
|
||
- **EmbeddingsFactory**: 创建 DashScope Embedding 模型
|
||
|
||
### 4.4 工具模块 (utils/)
|
||
|
||
| 模块 | 功能 |
|
||
|------|------|
|
||
| config_handler | YAML 配置文件加载 |
|
||
| logger_handler | 日志管理 (双写: 控制台+文件) |
|
||
| prompt_loader | Prompt 模板加载 |
|
||
| file_handler | PDF/TXT 文件加载, MD5 计算 |
|
||
| path_tool | 绝对路径获取 |
|
||
|
||
---
|
||
|
||
## 5. 数据流
|
||
|
||
### 5.1 知识库构建流程
|
||
|
||
```
|
||
知识库文件 (PDF/TXT)
|
||
│
|
||
▼
|
||
文件加载器 (PyPDFLoader/TextLoader)
|
||
│
|
||
▼
|
||
文本分片 (RecursiveCharacterTextSplitter)
|
||
│
|
||
▼
|
||
向量化 (DashScope Embeddings)
|
||
│
|
||
▼
|
||
Chroma 向量库存储
|
||
│
|
||
▼
|
||
MD5 去重记录
|
||
```
|
||
|
||
### 5.2 用户问答流程
|
||
|
||
```
|
||
用户提问
|
||
│
|
||
▼
|
||
Streamlit UI 接收
|
||
│
|
||
▼
|
||
ReactAgent.excute_stream()
|
||
│
|
||
▼
|
||
ReAct Agent 推理循环
|
||
│
|
||
├─→ 判断是否需要调用工具
|
||
├─→ 选择工具 (RAG/天气/用户信息/外部数据)
|
||
├─→ 执行工具获取结果
|
||
├─→ 观察结果，更新思考
|
||
└─→ 生成最终回答
|
||
│
|
||
▼
|
||
流式输出到 UI
|
||
```
|
||
|
||
---
|
||
|
||
## 6. 配置说明
|
||
|
||
### 6.1 rag.yaml
|
||
```yaml
|
||
chat_model_name: "qwen3-max" # LLM 模型
|
||
embeddings_model_name: "text-embedding-v4" # Embedding 模型
|
||
```
|
||
|
||
### 6.2 chroma.yaml
|
||
```yaml
|
||
collection_name: "agent" # 向量库集合名
|
||
persist_directory: "chroma_db" # 持久化目录
|
||
k: 3 # 检索Top-K
|
||
chunk_size: 200 # 分片大小
|
||
chunk_overlap: 20 # 分片重叠
|
||
```
|
||
|
||
### 6.3 agent.yaml
|
||
```yaml
|
||
external_data_path: "data/external/records.csv" # 外部数据路径
|
||
```
|
||
|
||
---
|
||
|
||
## 7. 运行方式
|
||
|
||
### 7.1 启动 Web 应用
|
||
```bash
|
||
streamlit run app.py
|
||
```
|
||
|
||
### 7.2 知识库初始化
|
||
```bash
|
||
python -m rag.vector_store
|
||
```
|
||
|
||
---
|
||
|
||
## 8. 面试要点总结
|
||
|
||
| 知识点 | 项目中的应用 |
|
||
|--------|--------------|
|
||
| LangChain Agent | create_agent, ReAct 框架 |
|
||
| LangGraph | 中间件机制, 动态提示词 |
|
||
| RAG | 向量检索, 文档分片, Chain 组合 |
|
||
| Chroma | 向量数据库存储与检索 |
|
||
| Streamlit | Web 前后端交互 |
|
||
| 中间件模式 | 工具调用监控, 动态 Prompt |
|
||
| 设计模式 | 工厂模式, 配置中心化 |
|