# MindCrew

**Repository Path**: laohuangshu/MindCrew

## Basic Information

- **Project Name**: MindCrew
- **Description**: No description available
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: main
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 1
- **Created**: 2026-07-21
- **Last Updated**: 2026-08-11

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# MindCrew

MindCrew 是一套面向企业知识服务台场景的 Agentic RAG 智能知识库系统。它不是简单的“上传文档后问答”，而是把业务工单、MindCrewAgent、QueryPlanner、RAG 检索、人工审核、Golden Pair、RAG Eval 和 Agent Trace 串成一个可运行、可演示、可评测、可追溯的企业 AI 应用闭环。

> 面试介绍一句话：MindCrew 是一个企业知识服务台 Agent Copilot，核心目标是让 AI 回答不仅能生成，还能被业务审核、沉淀、评测和追踪。

## 项目亮点

- **真实业务闭环**：服务台工单进入系统后，由 MindCrewAgent 生成答复草稿，人工采纳后沉淀为 Golden Pair，驳回后生成知识缺口。
- **数据工程增强**：入库阶段生成文档清洗质量报告，统计噪音行、重复行、超长段落、切片质量分，并在知识库详情页展示。
- **语义元数据增强**：为文档生成摘要、关键词和可回答问题，作为 embedding 前缀提升语义召回，同时用于前端可解释展示。
- **Agentic RAG**：支持意图识别、Query Variants、HyDE、低置信度二次检索、向量召回、BM25 召回、RRF 融合、Rerank 和引用溯源。
- **父子/邻接 chunk 召回**：命中某个切片后自动补回同文档相邻切片，小文档直接补全文档上下文，降低“搜到了但答不出来”的概率。
- **RAG Eval 自动化**：内置 30 条评测 Case，支持 Vector、BM25、Hybrid、Hybrid + Rerank 策略对比；服务台采纳样本会自动转成动态评测用例。
- **Agent Trace 可观测**：每次问答生成 traceId，记录 QueryPlanner、检索、融合、重排、上下文构造、模型生成、安全检查等 Span。
- **MCP 权限治理**：支持 client/tool policy、rate limit、audit log，避免 Agent 任意调用外部工具。
- **安全防护**：覆盖 Prompt Injection、检索内容污染、工具越权、密钥泄露和最终答案脱敏。
- **工程化交付**：提供 SQL、Docker Compose、前后端页面、单元测试、演示文档、面试讲稿和简历描述。

## 架构图

![MindCrew 架构图](docs/assets/mindcrew-architecture.svg)

```mermaid
flowchart LR
    A["企业服务台工单"] --> B["MindCrewAgent"]
    B --> C["QueryPlanner\nintent / variants / HyDE / retry"]
    C --> D["RAG Retrieval"]
    D --> D1["Vector Search\nMilvus"]
    D --> D2["BM25 Search\nMySQL Fulltext"]
    D1 --> E["RRF Fusion + Rerank"]
    D2 --> E
    E --> F["LLM Draft\nSSE Streaming"]
    F --> G{"人工审核"}
    G -->|采纳| H["Golden Pair"]
    H --> I["RAG Eval Case"]
    I --> J["策略评测\nRecall@K / MRR / Hit@K"]
    G -->|驳回| K["Knowledge Gap"]
    B --> L["Agent Trace"]
    C --> L
    D --> L
    E --> L
    F --> L
    M["MCP Governance"] --> B
    N["Safety Guard"] --> B
```

## 界面截图

| 服务台闭环 | RAG 评测 |
|---|---|
| ![服务台闭环](docs/assets/screenshots/service-desk.svg) | ![RAG 评测](docs/assets/screenshots/rag-eval.svg) |

| Agent Trace | MCP 治理 |
|---|---|
| ![Agent Trace](docs/assets/screenshots/agent-trace.svg) | ![MCP 治理](docs/assets/screenshots/mcp-governance.svg) |

## 核心流程

1. 员工或业务人员提交企业服务台工单。
2. 文档入库时生成清洗质量报告、摘要、关键词和可回答问题。
3. MindCrewAgent 调用 QueryPlanner 判断意图，生成查询变体和 HyDE 查询。
4. 系统从企业知识库中执行向量召回、BM25 召回、RRF 融合、父子/邻接 chunk 扩展和 Rerank。
5. LLM 基于证据生成答复草稿，并输出引用来源、置信度和 Trace ID。
6. 人工审核员采纳或驳回草稿。
7. 采纳样本同步为 Golden Pair，并自动进入 RAG Eval 动态评测集。
8. 驳回样本进入知识缺口池，后续补充 SOP 后重建向量。
9. Trace ID 可跳转 Agent Trace 页面，定位检索、重排、生成或安全拦截问题。

## 技术栈

- 后端：Java 17、Spring Boot 3、Spring AI、MyBatis-Plus、MySQL、Redis、Milvus、MinIO。
- 前端：Vue 3、TypeScript、Vite、Element Plus、ECharts。
- AI 工程：Agentic RAG、QueryPlanner、HyDE、RRF、Rerank、Golden Pair、RAG Eval、Agent Trace、MCP Governance。
- 部署：Docker Compose、Nginx、环境变量隔离，支持后续迁移到阿里云 ECS/RDS/OSS。

## 核心页面

- `/service-desk`：企业知识服务台闭环，包含工单队列、AI 草稿、人工采纳、驳回补知识、Trace 跳转。
- `/rag-eval`：RAG 评测，支持多策略对比和动态评测 Case。
- `/agent-trace`：Agent 执行链路、Span 时间线、安全事件。
- `/mcp`：MCP 工具治理、调用审计和权限控制。
- `/knowledge`：知识库上传、解析、切片和索引。
- `/chat`：通用知识库问答。

## 本地启动

### 1. 准备环境变量

```powershell
Copy-Item .env.example .env
```

按需填写 `.env` 中的 `BAILIAN_API_KEY`、数据库、Redis、MinIO、Milvus 等配置。不要把真实密钥提交到 Git。

### 2. 启动中间件

```powershell
docker compose up -d mysql redis minio minio-init etcd milvus
```

如果本机 `9000` 端口冲突，可以在 `.env` 里设置：

```env
MINIO_PORT=19000
MINIO_CONSOLE_PORT=19001
MILVUS_WEB_PORT=19091
```

### 3. 初始化数据库

当前数据库名仍兼容原始 schema：`docmind`。项目外显名称统一为 MindCrew。

```powershell
mysql -u root -p docmind < sql/docmind-init.sql
mysql -u root -p docmind < sql/kb-category-schema.sql
mysql -u root -p docmind < sql/rag-eval-schema.sql
mysql -u root -p docmind < sql/agent-trace-safety-schema.sql
mysql -u root -p docmind < sql/mcp-governance-schema.sql
mysql -u root -p docmind < sql/rag-data-quality-metadata-schema.sql
mysql -u root -p docmind < sql/service-desk-loop-schema.sql
mysql -u root -p docmind < sql/rag-eval-seed-50-cases.sql
```

### 4. 启动后端

```powershell
mvn spring-boot:run
```

### 5. 启动前端

```powershell
cd MindCrew-frontend
npm install
npm run dev
```

## 验证命令

```powershell
mvn test
cd MindCrew-frontend
npm run build
```

当前已验证：

- 后端全量测试通过。
- 前端生产构建通过。
- `rag_eval_dataset`、`rag_eval_case`、服务台闭环相关表可正常初始化。

## 演示路径

建议面试演示按这个顺序：

1. 打开“服务台闭环”，选择安全合规类工单。
2. 点击“生成答复”，展示 MindCrewAgent + QueryPlanner + RAG 生成草稿。
3. 点击 Trace ID，跳到 Agent Trace 页面展示执行链路。
4. 回到服务台点击“采纳沉淀”，展示 Golden Pair 同步和 RAG Eval Case 自动生成。
5. 打开“RAG 评测”，运行策略对比。
6. 选择低置信度样本点击“驳回补知识”，展示知识缺口闭环。

完整演示清单见：[演示验收清单](docs/DEMO_ACCEPTANCE_CHECKLIST.md)。

## 面试材料

- [面试讲稿](docs/INTERVIEW_SCRIPT.md)
- [简历项目描述](docs/RESUME_PROJECT_DESCRIPTION.md)
- [截图替换指南](docs/SCREENSHOT_GUIDE.md)
- [服务台闭环交付说明](docs/SERVICE_DESK_DELIVERY_NOTES.md)
- [服务台闭环设计](docs/SERVICE_DESK_LOOP_DESIGN.md)

## 文档导航

- [架构设计](docs/ARCHITECTURE.md)
- [RAG Eval 设计](docs/RAG_EVAL_DESIGN.md)
- [RAG Eval 评测报告](docs/RAG_EVAL_REPORT.md)
- [Agent Trace 设计](docs/AGENT_TRACE_DESIGN.md)
- [Safety Guard 设计](docs/SAFETY_GUARD_DESIGN.md)
- [Feedback Loop 设计](docs/FEEDBACK_LOOP_DESIGN.md)
- [演示指南](docs/DEMO_GUIDE.md)
- [踩坑记录](docs/PITFALLS.md)
- [阿里云部署指导](docs/阿里云部署指导.md)

## 简历关键词

`Java` `Spring Boot` `Spring AI` `Agentic RAG` `Data Cleaning` `Semantic Metadata` `Parent-child Retrieval` `QueryPlanner` `HyDE` `Milvus` `BM25` `RRF` `Rerank` `RAG Eval` `Agent Trace` `MCP Governance` `Prompt Injection Defense` `Golden Pair` `Vue3`