项目简介
晶圆智选是一个面向半导体领域的技术问答与技术选型智能体。
它基于 LangGraph 构建多级工作流:主路由图先识别请求类型,再把请求分发到普通问答(向量 + 图谱混合检索)或技术选型(证据驱动的多轮评估)子工作流。系统还内置了两套记忆机制:短期记忆(会话)和长期记忆(持久化)。
核心特性
- 🧠 智能路由:识别请求类型(普通问答 / 技术选型 / 直接响应),自动分发到对应的子工作流
- 🔍 混合检索:Milvus 向量检索和 Neo4j 图谱检索两路并行,融合后再按证据相关性筛选
- 🛡️ 质量门控:生成结果要经过幻觉评估和问题解决评估,不通过时按「改写查询 → 重新生成 → 联网搜索」的顺序有限次修复
- 📊 证据驱动选型:候选生成 → 硬约束筛选 → 多轮证据补检(最多 3 轮)→ 评分 → 风险分析 → 审查(最多 2 轮)→ 导出 Markdown / Word 报告
- 💾 双记忆机制:短期记忆保存会话上下文摘要;长期记忆用 MySQL 存储、Milvus 做语义索引
- ⏸️ 断点续跑:用 LangGraph 检查点(MySQL,兼容 SQLite)保存进度,中断后可以从上次的位置继续
- 🌐 Web 交互:FastAPI REST 接口 + Vue 3 前端,支持会话管理、报告下载和工作流进度跟踪
工作流总览
系统由三个工作流组成:主路由负责入口和记忆编排,里面嵌套普通问答和技术选型两个子工作流。下图是主路由工作流:
graph TD
START([开始]) --> prepare[prepare_short_term_memory<br/>准备短期记忆]
prepare -->|"正常"| classify[classify_query<br/>识别请求类型]
prepare -->|"status=error"| build[build_query_response<br/>整理统一响应]
classify -->|"direct_response"| direct[respond_directly<br/>生成直接响应]
classify -->|"rag_qa / technology_selection"| recall[recall_memory<br/>召回长期记忆]
classify -->|"status=error"| build
recall -->|"technology_selection"| invoke_sel[invoke_technology_selection<br/>执行技术选型子工作流]
recall -->|"rag_qa 默认"| invoke_rag[invoke_rag_qa<br/>执行普通问答子工作流]
recall -->|"status=error"| build
direct --> build
invoke_rag --> build
invoke_sel --> build
build --> finalize[finalize_short_term_memory<br/>完成短期记忆]
finalize --> stage[stage_memory_candidates<br/>暂存记忆候选]
stage --> persist[persist_memory_candidates<br/>持久化记忆候选]
persist --> END([结束])
style recall fill:#f0e1ff
style invoke_sel fill:#e1f5ff
style invoke_rag fill:#fff4e1
style direct fill:#e8f5e9两个子工作流的分工:
| 工作流 | 主要流程 | 修复机制 |
|---|---|---|
| 普通问答 | 分析问题 → 向量 + 图谱并行检索 → 证据筛选 → 生成回答 → 质量评估 | 改写查询 / 重新生成 / 联网搜索 |
| 技术选型 | 需求解析 → 候选生成 → 硬约束筛选 → 证据检索 → 评分与风险分析 → 推荐审查 → 报告导出 | 需求澄清 / 证据补检 / 审查回退 |
系统架构
从上到下分为四层:
- 前端(Vue 3 + Vite):会话界面、进度展示、报告下载
- FastAPI 后端:会话创建、消息发送、查询、取消、关闭、报告下载、进度跟踪;由
MemoryAwareRunner负责检查点和记忆注入 - 主路由工作流:短期记忆 → 请求分类 → 长期记忆召回 → 子工作流 → 统一响应 → 记忆持久化
- 基础设施:DeepSeek / 智谱 LLM、BGE / 智谱 Embedding、Milvus、Neo4j、MySQL、Tavily 联网搜索,以及文档入库和报告导出
技术栈
| 类别 | 技术 |
|---|---|
| 工作流编排 | LangGraph(StateGraph + 条件边 + 检查点) |
| LLM / Embedding | DeepSeek、智谱 embedding-3、BGE |
| 向量库 | Milvus(文档集合 + 长期记忆语义索引) |
| 图数据库 | Neo4j(知识图谱检索) |
| 检查点 / 记忆 | MySQL(langgraph-checkpoint-mysql + 记忆仓库),SQLite 兜底 |
| 联网搜索 | Tavily 等 |
| 后端 API | FastAPI + aiomysql |
| 前端 | Vue 3 + TypeScript + Pinia + Vite |
| 报告导出 | Markdown / DOCX(python-docx) |
运行方式
项目需要 Python 3.12+、Node.js,以及 Milvus、Neo4j、MySQL 等外部服务。完整的安装和启动步骤见 GitHub 仓库的 README。