docs: 清理 0.7 历史遗留内容并优化 README
对照 0.7 BREAKING CHANGE 逐文件复核 docs/，移除/修正已下线功能的描述： - 移除 LightRAG、独立图谱上传、Ollama、旧版 v1 模型配置等已删除能力的描述 - 知识库类型更新为 Milvus + 只读连接器（Dify、Notion），补全图谱存储链路 （Neo4j + PostgreSQL + Milvus 语义索引，RRF 融合） - 补全知识库工具集（find_kb_document/open_kb_document），修正 Skills 沙盒路径 为 /home/gem/skills、中间件目录为 agents/middlewares、评估入口为侧边栏 tab - 知识库权限三档修正为 全局共享/部门共享/指定人可访问 - 下载版本统一为 0.7.0.dev0 - README 新增简介、技术栈与 0.7 动态，特性描述细化 经核实保留 Neo4j（仍用于 Milvus 知识库内图谱）与 MCP enabled 机制（仍在用）， 未误删。vitepress build 验证通过。
This commit is contained in:
Wenjie Zhang
parent
e20bb63c8d
commit
0fdc0acf91
41
README.en.md
41
README.en.md
@ -1,5 +1,7 @@
|
||||
<div align="center">
|
||||
<h1>Yuxi - A Multi-tenant Harness Platform Combining Knowledge Bases and Knowledge Graphs</h1>
|
||||
<h1>Yuxi</h1>
|
||||
|
||||
<p><strong>A multi-tenant agent platform combining RAG and knowledge graphs</strong><br/>Make enterprise knowledge retrievable, reasoned over, and deliverable by agents</p>
|
||||
|
||||
[](https://github.com/xerrors/Yuxi/blob/main/docker-compose.yml)
|
||||
[](https://github.com/xerrors/Yuxi/issues)
|
||||
@ -18,19 +20,36 @@
|
||||
|
||||
**Image generated by GPT-Image-2.*
|
||||
|
||||
## Introduction
|
||||
|
||||
Yuxi is an LLM-powered platform for building knowledge-base and knowledge-graph agents. It unifies **RAG retrieval**, **LightRAG knowledge graphs**, and **LangGraph multi-agent orchestration** into a single multi-tenant workspace: administrators configure knowledge bases, models, and permissions, while users chat — in a ChatGPT-like interface — with agents that can mount Skills, MCPs, sub-agents, and sandbox tools, and receive answers with cited sources, graph-based reasoning, and deliverable artifacts.
|
||||
|
||||
## Core Features
|
||||
|
||||
- **Agent development**: Built on LangGraph, with support for sub-agents, Skills, MCPs, Tools, and middleware.
|
||||
- **Knowledge base (RAG)**: Multi-format document parsing, Embedding / Rerank configuration, and knowledge base evaluation.
|
||||
- **Knowledge graph**: Graph construction and visualization based on LightRAG, with property graph support for agent reasoning.
|
||||
- **Platform and engineering**: Vue + FastAPI architecture with dark mode, Docker-based development, and production-oriented deployment.
|
||||
- 🤖 **Agent development** — Built on LangGraph, with sub-agents (SubAgents), Skills, MCPs, Tools, and middleware; long-running tasks run asynchronously on a background worker, backed by a sandbox file system for persisting, previewing, and downloading tool artifacts.
|
||||
- 📚 **Knowledge base (RAG)** — Multi-format document parsing (MinerU / PaddleX / OCR), configurable Embedding and Rerank models, knowledge base evaluation, in-app PDF / image preview, and retrieval sources backfilled as chat citations.
|
||||
- 🕸️ **Knowledge graph** — Graph construction and visualization based on LightRAG, with property graph support that feeds directly into agent reasoning.
|
||||
- 🏢 **Multi-tenancy & permissions** — User / department-level access control, unified model provider configuration, and API Key authentication for external system integration.
|
||||
- ⚙️ **Platform & engineering** — Vue + FastAPI architecture, ready-to-run Docker Compose deployment, dark mode, a lightweight LITE startup mode, and production-grade orchestration.
|
||||
|
||||
## Tech Stack
|
||||
|
||||
| Layer | Technologies |
|
||||
| --- | --- |
|
||||
| Frontend | Vue 3 · Vite · Pinia |
|
||||
| Backend | FastAPI · LangGraph · ARQ (async worker) |
|
||||
| Storage | PostgreSQL · Redis · MinIO · Milvus · Neo4j |
|
||||
| Doc parsing | MinerU · PaddleX · RapidOCR |
|
||||
| Deployment | Docker Compose |
|
||||
|
||||
## Quick Start
|
||||
|
||||
Clone the repository and initialize the project:
|
||||
**Prerequisites**: [Docker](https://docs.docker.com/get-docker/) and Docker Compose installed, plus at least one OpenAI-compatible LLM API.
|
||||
|
||||
**1. Clone and initialize**
|
||||
|
||||
```bash
|
||||
git clone --branch v0.6.2 --depth 1 https://github.com/xerrors/Yuxi.git
|
||||
git clone --branch v0.7.0.dev0 --depth 1 https://github.com/xerrors/Yuxi.git
|
||||
cd Yuxi
|
||||
|
||||
# Linux/macOS
|
||||
@ -40,13 +59,17 @@ cd Yuxi
|
||||
.\scripts\init.ps1
|
||||
```
|
||||
|
||||
Start the project with Docker:
|
||||
**2. Start with Docker**
|
||||
|
||||
```bash
|
||||
docker compose up --build
|
||||
```
|
||||
|
||||
After the services are ready, open `http://localhost:5173`.
|
||||
**3. Open the platform**
|
||||
|
||||
Once the services are ready, open `http://localhost:5173` in your browser and sign in with the admin account generated during initialization.
|
||||
|
||||
> 💡 If you don't need heavy dependencies like knowledge bases / graphs, run `make up-lite` for a lightweight LITE mode with faster cold starts. See the [docs](https://xerrors.github.io/Yuxi) for more deployment details.
|
||||
|
||||
## Examples and Demo
|
||||
|
||||
|
||||
60
README.md
60
README.md
@ -1,5 +1,7 @@
|
||||
<div align="center">
|
||||
<h1>语析 - 结合知识库与知识图谱的多租户 Harness 平台</h1>
|
||||
<h1>语析 Yuxi</h1>
|
||||
|
||||
<p><strong>融合 RAG 与知识图谱的多租户智能体平台</strong><br/>让企业知识可被智能体检索、推理与交付</p>
|
||||
|
||||
[](https://github.com/xerrors/Yuxi/blob/main/docker-compose.yml)
|
||||
[](https://github.com/xerrors/Yuxi/issues)
|
||||
@ -20,16 +22,46 @@
|
||||
|
||||
**图由 GPT-Image-2 生成*
|
||||
|
||||
## 简介
|
||||
|
||||
语析（Yuxi）是一个基于大模型的智能知识库与知识图谱智能体开发平台。它把 **RAG 检索**、**LightRAG 知识图谱** 与 **LangGraph 多智能体编排** 整合进统一的多租户工作台：管理员配置知识库、模型与权限，用户在类 ChatGPT 的界面中与可挂载 Skills、MCP、子智能体和沙盒工具的智能体对话，并获得带引用来源、知识图谱推理与可交付产物的回答。
|
||||
|
||||
## 核心特性
|
||||
|
||||
- **智能体开发**：基于 LangGraph，支持子智能体、Skills、MCPs、Tools 与中间件机制
|
||||
- **知识库（RAG）**：多格式文档解析，支持 Embedding / Rerank 配置及知识库评估
|
||||
- **知识图谱**：基于 LightRAG 的图谱构建与可视化，支持属性图谱并参与智能体推理
|
||||
- **平台与工程化**：Vue + FastAPI 架构，支持暗黑模式、Docker 与生产级部署
|
||||
- 🤖 **智能体开发** —— 基于 LangGraph 构建，支持子智能体（SubAgents）、Skills、MCP、Tools 与中间件机制；长耗时任务由后台 worker 异步执行，配套沙盒文件系统支持工具产物落盘、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，支持知识库评估与 PDF / 图片在线预览，检索来源回填到对话引用。
|
||||
- 🕸️ **知识图谱** —— 基于 LightRAG 的图谱构建与可视化，支持属性图谱，并作为检索增强直接参与智能体推理。
|
||||
- 🏢 **多租户与权限** —— 用户 / 部门级权限管理，模型供应商统一配置，支持 API Key 认证供外部系统集成调用。
|
||||
- ⚙️ **平台与工程化** —— Vue + FastAPI 架构，开箱即用的 Docker Compose 部署，支持暗黑模式、LITE 轻量启动与生产级编排。
|
||||
|
||||
## 技术栈
|
||||
|
||||
| 层 | 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 |
|
||||
|
||||
## 最新动态
|
||||
|
||||
|
||||
<details open>
|
||||
<summary>[2026/06] v0.7.0 开发中（重要不兼容变更）</summary>
|
||||
|
||||
### 重大变更
|
||||
|
||||
- **模型配置收敛**：移除旧版 v1 模型配置与 Ollama 支持，运行时统一使用 `provider_id:model_id` 与独立 provider 模块，自定义 provider 迁移到数据库
|
||||
- **智能体运行时收敛**：用户可见的 `AgentConfig` 收敛为数据库持久化的一级 `Agent`，新增 `/api/agent` 管理与运行接口，前端只提交 `agent_id`
|
||||
- **知识库能力收敛**：移除 Upload 与 LightRAG 知识库/图谱能力，知识库类型收敛为 **Milvus** 与只读连接器（**Dify**、**Notion**）；知识图谱仅保留 Milvus 知识库内的构建/展示/检索
|
||||
- **Skill 安装与权限收敛**：以 `source_type / share_config / enabled` 表达来源、生效范围与启用状态；内置 Skill 启动自动入库并默认全局启用，上传/远程统一改为「解析草稿 → 确认安装」
|
||||
- **用户身份命名收敛**：业务登录标识统一为字符串 `uid`
|
||||
|
||||
详见 [开发路线图](docs/develop-guides/roadmap.md)。
|
||||
|
||||
</details>
|
||||
|
||||
<details>
|
||||
<summary>[2026/04/01] v0.6.0 版本发布</summary>
|
||||
|
||||
@ -87,10 +119,12 @@
|
||||
|
||||
## 快速开始
|
||||
|
||||
克隆代码，并初始化
|
||||
**前置要求**：已安装 [Docker](https://docs.docker.com/get-docker/) 与 Docker Compose，并准备至少一个兼容 OpenAI 接口的大模型 API。
|
||||
|
||||
```
|
||||
git clone --branch v0.6.2 --depth 1 https://github.com/xerrors/Yuxi.git
|
||||
**1. 克隆代码并初始化**
|
||||
|
||||
```bash
|
||||
git clone --branch v0.7.0.dev0 --depth 1 https://github.com/xerrors/Yuxi.git
|
||||
cd Yuxi
|
||||
|
||||
# Linux/macOS
|
||||
@ -100,13 +134,17 @@ cd Yuxi
|
||||
.\scripts\init.ps1
|
||||
```
|
||||
|
||||
然后需要使用 docker 启动项目
|
||||
**2. 使用 Docker 启动**
|
||||
|
||||
```
|
||||
```bash
|
||||
docker compose up --build
|
||||
```
|
||||
|
||||
等待启动完成后，访问 `http://localhost:5173`
|
||||
**3. 访问平台**
|
||||
|
||||
等待启动完成后，浏览器打开 `http://localhost:5173`，使用初始化时生成的管理员账户登录即可。
|
||||
|
||||
> 💡 不需要知识库 / 知识图谱等重依赖时，可使用 `make up-lite` 以 LITE 轻量模式启动，加快冷启动速度。更多部署说明见 [项目文档](https://xerrors.github.io/Yuxi)。
|
||||
|
||||
## 示例与演示
|
||||
|
||||
|
||||
@ -119,3 +119,4 @@ HOST_IP=your_server_ip
|
||||
2. **GPU 要求**：MinerU 和 PP-Structure-V3 需要 GPU 支持
|
||||
3. **API 密钥**：部分服务需要额外的 API 密钥配置
|
||||
4. **超时处理**：复杂文档解析可能耗时较长，可通过 `MINERU_TIMEOUT` 环境变量调整超时时间
|
||||
5. **文件大小限制**：单个上传文件大小不超过 100 MB
|
||||
|
||||
@ -41,4 +41,4 @@ async def get_graph(self):
|
||||
|
||||
## 自定义中间件
|
||||
|
||||
新增中间件时，将其放入 `backend/package/yuxi/agents/common/middlewares` 目录，然后在智能体的 `middleware` 列表中引用即可。
|
||||
新增中间件时，将其放入 `backend/package/yuxi/agents/middlewares` 目录，然后在智能体的 `middleware` 列表中引用即可。该目录下已内置知识库挂载（`knowledge_base`）、Skills 注入（`skills`）、附件上下文（`attachment`）、子智能体任务（`subagent_task`）、上下文压缩（`summary`）、动态工具（`dynamic_tool`）等中间件。
|
||||
|
||||
@ -293,7 +293,7 @@ CHECK_YUXI_SANDBOX_ENV_EXISTS=True
|
||||
|
||||
## 十四、和旧版文档相比，今天最重要的理解方式
|
||||
|
||||
当前项目不应再按“应用直接管理一个长期存在的本地 sandbox 服务”去理解。更准确的认识应该是：Yuxi 只管理线程和上下文；provisioner 负责创建线程对应的沙盒实例；文件系统不是简单地暴露一个容器根目录，而是把可写工作区、只读 skills 和只读知识库组合成一个受控命名空间。
|
||||
当前项目不应再按“应用直接管理一个长期存在的本地 sandbox 服务”去理解。更准确的认识应该是：Yuxi 只管理线程和上下文；provisioner 负责创建线程对应的沙盒实例；文件系统不是简单地暴露一个容器根目录，而是把可写工作区、只读 skills 等组合成一个受控命名空间（知识库不再映射为沙盒目录，改由 `query_kb`/`open_kb_document` 等工具访问）。
|
||||
|
||||
因此，当你在界面上“启用沙盒”或者在文档里“选择 K8s”时，本质上做的不是切换一段业务逻辑，而是在切换 provisioner 的底层实例承载方式。选择 `docker` 时，沙盒由当前部署机上的 Docker daemon 动态创建；选择 `kubernetes` 时，沙盒由目标 K8s 集群动态创建。Yuxi 自己始终只面对一个 provisioner 服务地址。
|
||||
|
||||
|
||||
@ -164,11 +164,11 @@ Skills 之间可以建立依赖关系，形成一个松耦合的技能网络。
|
||||
2. 递归展开 `skill_dependencies`，派生 `_prompt_skills` 和 `_readable_skills`
|
||||
3. 将 `_prompt_skills` 对应的技能说明注入到系统提示词中
|
||||
|
||||
这意味着：只要配置了某个 Skill，它的依赖 Skill 就会立即进入提示词和 `/home/gem/skills` 只读范围。
|
||||
这意味着：只要配置了某个 Skill，它的依赖 Skill 就会立即进入提示词和沙盒 `/home/gem/skills` 只读范围。
|
||||
|
||||
**阶段二：技能激活**
|
||||
|
||||
当 Agent 通过 `read_file` 工具读取 `/skills/<slug>/SKILL.md` 时，视为"激活"该技能。系统会：
|
||||
当 Agent 通过 `read_file` 工具读取 `/home/gem/skills/<slug>/SKILL.md` 时，视为"激活"该技能。系统会：
|
||||
1. 验证该技能在可见列表中
|
||||
2. 将其添加到 `activated_skills` 列表
|
||||
3. 后续的模型调用会使用激活列表来加载依赖
|
||||
@ -211,13 +211,13 @@ Skills 管理采用基于角色的权限控制：
|
||||
|
||||
### Agent 如何使用 Skills
|
||||
|
||||
1. **提示词注入**：系统会在 Agent 的系统提示词开头自动插入可用 Skills 的描述
|
||||
2. **文件访问**：Skills 目录以只读方式挂载到 `/skills/<slug>/...`
|
||||
1. **提示词注入**：系统在每次模型请求时动态注入可用 Skills 的描述（请求级注入，避免污染 runtime context）
|
||||
2. **文件访问**：Skills 目录以只读方式挂载到 `/home/gem/skills/<slug>/...`
|
||||
3. **工具调用**：当 Agent 需要使用某个 Skill 时，会先读取对应的 SKILL.md 了解使用方法
|
||||
|
||||
### 文件操作限制
|
||||
|
||||
运行时 `/skills` 路径有以下限制：
|
||||
运行时 `/home/gem/skills` 路径有以下限制：
|
||||
- **只读**：Agent 只能读取文件内容
|
||||
- **禁止写入**：不能创建、修改或删除文件
|
||||
- **路径安全**：所有路径都经过安全校验，防止目录穿越攻击
|
||||
|
||||
@ -62,14 +62,16 @@ Qwen-Image 生成能力已迁移为内置 Skill `image-gen`。模型调用与图
|
||||
from yuxi.agents.toolkits.kbs import get_common_kb_tools
|
||||
|
||||
kb_tools = get_common_kb_tools()
|
||||
# 返回: [list_kbs, get_mindmap, query_kb]
|
||||
# 返回: [list_kbs, get_mindmap, query_kb, find_kb_document, open_kb_document]
|
||||
```
|
||||
|
||||
| 工具 | 说明 |
|
||||
|------|------|
|
||||
| `list_kbs` | 列出用户可访问的知识库 |
|
||||
| `get_mindmap` | 获取知识库的思维导图结构 |
|
||||
| `query_kb` | 在指定知识库中检索内容 |
|
||||
| `query_kb` | 在指定知识库中检索内容，返回结构化的 `resource_id`（即 `kb_id`）/`file_id`/`chunk` |
|
||||
| `find_kb_document` | 在已知文件内按关键词或正则定位内容 |
|
||||
| `open_kb_document` | 按 `file_id` 分段打开知识库文档（默认窗口 1800 行） |
|
||||
|
||||
## 工具组装
|
||||
|
||||
@ -99,6 +101,6 @@ async def get_tools_from_context(self, context) -> list:
|
||||
|
||||
## Skills 集成
|
||||
|
||||
Skills 与工具是两种不同的扩展机制。工具是具体的功能实现，而 Skills 是包含提示词、工具依赖和元数据的完整技能包。通过 `context.skills` 配置 Skills 时，对应的技能文件会被挂载到 `/skills/<slug>/...`，智能体可以通过读取 SKILL.md 来了解如何使用这些技能。
|
||||
Skills 与工具是两种不同的扩展机制。工具是具体的功能实现，而 Skills 是包含提示词、工具依赖和元数据的完整技能包。通过 `context.skills` 配置 Skills 时，对应的技能文件会被挂载到沙盒的 `/home/gem/skills/<slug>/...`，智能体可以通过读取 SKILL.md 来了解如何使用这些技能。
|
||||
|
||||
关于 Skills 的详细机制，请参阅 [Skills 管理](./skills-management.md)。
|
||||
|
||||
@ -56,7 +56,7 @@ JSONL 只是导入和导出的交换格式。导入后，系统会把评估数
|
||||
|
||||
## 运行评估
|
||||
|
||||
在知识库详情页点击「评估」标签，选择评估基准后配置：
|
||||
在知识库详情页左侧边栏，「评估基准」Tab 用于管理评估数据集，「RAG 评估」Tab 用于运行评估并查看结果。在「RAG 评估」中选择评估数据集后配置：
|
||||
|
||||
1. **答案生成模型**（可选）：基于检索到的文档块生成答案
|
||||
2. **评判模型**（可选）：评估生成答案与标准答案的一致性
|
||||
|
||||
@ -1,6 +1,6 @@
|
||||
# 知识库与知识图谱
|
||||
|
||||
Yuxi 提供文档知识库、向量检索和知识图谱构建能力。当前支持 Milvus 知识库、Milvus 知识库内的图谱构建/展示/检索，以及 Dify Dataset 只读检索。
|
||||
Yuxi 提供文档知识库、向量检索和知识图谱构建能力。当前支持 Milvus 知识库、Milvus 知识库内的图谱构建/展示/检索，以及 Dify Dataset、Notion Data Source 只读检索。
|
||||
|
||||
## 为什么需要知识库
|
||||
|
||||
@ -15,17 +15,18 @@ Yuxi 提供文档知识库、向量检索和知识图谱构建能力。当前支
|
||||
| 类型 | 特点 | 适用场景 |
|
||||
|------|------|----------|
|
||||
| **Milvus** | 高性能向量检索，支持文档入库、检索测试、评估和知识图谱构建 | 自建文档知识库与生产检索 |
|
||||
| **Dify** | 连接 Dify Dataset 检索 API，只读使用 | 复用已有 Dify 数据集 |
|
||||
| **Dify** | 连接 Dify Dataset 检索 API，只读连接器 | 复用已有 Dify 数据集 |
|
||||
| **Notion** | 连接 Notion Data Source 检索 API，只读连接器 | 复用已有 Notion 页面内容 |
|
||||
|
||||
历史 LightRAG 类型不再作为受支持类型展示或创建。
|
||||
只读连接器（Dify、Notion）仅用于检索，不支持上传与入库；历史 LightRAG 类型不再作为受支持类型展示或创建。
|
||||
|
||||
## 创建知识库
|
||||
|
||||
访问 Web 界面的「知识库」页面，点击「新建知识库」：
|
||||
|
||||
1. 填写知识库名称和描述
|
||||
2. 选择 Milvus 或 Dify
|
||||
3. Milvus 配置嵌入模型和分块策略；Dify 配置 API URL、Token 和 Dataset ID
|
||||
2. 选择知识库类型（Milvus、Dify 或 Notion）
|
||||
3. Milvus 配置嵌入模型和分块策略；只读连接器（Dify、Notion）按类型动态渲染连接参数（如 API URL、Token、Dataset ID 等）
|
||||
4. 配置访问权限
|
||||
5. 保存
|
||||
|
||||
@ -51,7 +52,7 @@ Milvus 文件从上传到可检索，经历三个阶段：
|
||||
|
||||
### 3. 入库阶段
|
||||
|
||||
系统对 Markdown 内容进行分块，将 chunk 元数据保存到 PostgreSQL，并将向量写入 Milvus。
|
||||
系统对 Markdown 内容进行分块，将 chunk 内容与元数据双写到 PostgreSQL 的 `knowledge_chunks` 表，并将向量写入 Milvus。
|
||||
|
||||
在前端界面中，默认会自动完成前两个阶段。如果需要自动入库，勾选「上传后自动入库」选项；否则需要手动点击入库按钮。
|
||||
|
||||
@ -60,8 +61,8 @@ Milvus 文件从上传到可检索，经历三个阶段：
|
||||
每个知识库可以配置独立的访问权限：
|
||||
|
||||
- **全局共享**：所有用户可访问
|
||||
- **部门授权**：仅指定部门可访问
|
||||
- **私有**：仅创建者和管理员可访问
|
||||
- **部门共享**：指定部门可访问，且必须包含当前用户所在部门
|
||||
- **指定人可访问**：仅创建者、管理员及被明确授权的人员可访问
|
||||
|
||||
权限规则：
|
||||
|
||||
@ -71,7 +72,7 @@ Milvus 文件从上传到可检索，经历三个阶段：
|
||||
|
||||
## 知识图谱
|
||||
|
||||
Milvus 知识库详情页提供「知识图谱」Tab。图谱构建流程会从已入库 chunks 中抽取实体和关系，并写入 Neo4j 作为图存储。
|
||||
Milvus 知识库详情页提供「知识图谱」Tab。图谱构建流程会从已入库 chunks 中抽取实体和关系，将 entity/triple 本体与 chunk 引用写入 Neo4j 和 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）。
|
||||
|
||||
主要能力：
|
||||
|
||||
|
||||
@ -18,8 +18,8 @@ Yuxi (语析) 是一个智能知识库和知识图谱 Agent 开发平台，能
|
||||
| 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 v1 | 声明式 Agent 编排与状态管理 |
|
||||
| 知识库 | Milvus, Dify | 基于向量存储与外部 Dataset 的 RAG 实现 |
|
||||
| 图数据库 | Neo4j | 知识图谱存储与查询 |
|
||||
| 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 |
|
||||
@ -47,11 +47,11 @@ Yuxi 提供完整的知识入库链路，而不是只做检索接口封装。文
|
||||
|
||||
### 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，并在知识库详情页展示和检索子图。
|
||||
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、Docling 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。
|
||||
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：
|
||||
|
||||
|
||||
@ -20,7 +20,7 @@
|
||||
|
||||
```bash
|
||||
# 克隆最新版本
|
||||
git clone --branch v0.6.2 --depth 1 https://github.com/xerrors/Yuxi.git
|
||||
git clone --branch v0.7.0.dev0 --depth 1 https://github.com/xerrors/Yuxi.git
|
||||
cd Yuxi
|
||||
```
|
||||
|
||||
@ -28,7 +28,7 @@ cd Yuxi
|
||||
|
||||
| 版本 | 适用场景 |
|
||||
|------|----------|
|
||||
| v0.6.x | 当前开发版本，包含最新特性 |
|
||||
| v0.7.x | 当前开发版本，包含最新特性 |
|
||||
| main | 开发版本，包含最新特性（可能不稳定） |
|
||||
|
||||
### 步骤二：配置环境变量
|
||||
|
||||
Loading…
Reference in New Issue
Block a user