# PRAGREPO

**Repository Path**: raphataila/pragrepo

## Basic Information

- **Project Name**: PRAGREPO
- **Description**: 面向科学研究智能体的语用仓库
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2025-12-25
- **Last Updated**: 2026-02-16

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# 面向科研智能体的语用仓库 (Agentic Pragmatic Repository)

## 项目简介

本系统是一个面向科研智能体的语用仓库，核心目标是**承接多模态异构科研数据，将其自动转化为图谱拓扑结构**，并通过 HTTP 和 MCP 协议暴露给外部大模型。

系统聚焦两大核心科研场景：
1. **氢能专利知识图谱**：专利、技术领域、申请机构、绿色分类等
2. **AI技术图谱**：论文、作者、技术模型、数据集等

## 核心特性

### 🎯 多模态数据接入
- 支持 JSON、Markdown、自然语言等多种输入格式
- 自动解析并转化为标准化的 DPML 格式
- 无需手动编写 Schema 或 Cypher 脚本

### 🧠 智能体驱动的数据处理
- 集成 Flowise 工作流进行智能解析
- 基于大模型的 Schema 自动生成
- 多模态感知与模式推断

### 🔗 星型拓扑结构
- **数字对象 (Digital Object)**: Patent, Paper, Code, Dataset 等
- **语义标签 (Semantic Tag)**: TechDomain, Author, Technique 等
- **数据语用 (Data Pragmatic)**: 连接数字对象与语义标签的关联关系

### 📡 双协议接口
- **REST API**: 面向 Web 应用的标准化接口
- **MCP Protocol**: 面向 AI 智能体的统一调用协议

## 技术架构

### 强制技术栈
- **后端语言与框架**: Python 3.10+, FastAPI
- **图数据库**: Neo4j 5.x (官方 Python driver)
- **向量/关系数据库**: PostgreSQL 15+ with pgvector 扩展
- **Agent 通信协议**: 官方 Model Context Protocol (MCP) Python SDK
- **大语言模型调用**: Qwen (通义千问) API / 兼容 OpenAI 格式
- **代码规范**: Type Hints, Pydantic 数据校验, try-except 异常处理

### 数据库架构
- **Neo4j**: 存储轻量级图谱拓扑
  - 数字对象节点（Patent, Paper 等）
  - 语义标签节点（TechDomain, Author 等）
  - 语用关系边（BELONGS_TO, APPLIES_TECHNIQUE 等）
  
- **PostgreSQL + pgvector**: 存储重型资产和向量
  - 全文内容、摘要、描述
  - 向量嵌入（用于语义搜索）
  - 语用节点属性

### 外部服务集成
- **Flowise API**: 承接 PDF/文档，智能提取结构化信息
- **Qwen API**: 自然语言解析和 Schema 推断

## 项目结构

```
pragrepo/
├── config/                      # 配置文件
│   ├── settings.yaml           # 数据库连接、API配置
│   └── logging.yaml            # 日志配置
│
├── src/
│   ├── core/                   # 核心基础设施 (已保留)
│   │   ├── config.py          # 配置管理
│   │   ├── database.py        # Neo4j & PostgreSQL 连接池
│   │   └── exceptions.py      # 异常定义
│   │
│   ├── models/                 # 数据模型 (待重构)
│   │   ├── base.py            # 基础模型
│   │   ├── patent_schema.py   # 专利图谱模型 (待实现)
│   │   ├── ai_tech_schema.py  # AI技术图谱模型 (待实现)
│   │   └── dpml.py            # DPML 标准格式 (待实现)
│   │
│   ├── dal/                    # 数据访问层 (待重构)
│   │   ├── patent_dal.py      # 专利图谱 CRUD (待实现)
│   │   ├── ai_tech_dal.py     # AI图谱 CRUD (待实现)
│   │   └── base_dal.py        # 通用 DAL 基类 (待实现)
│   │
│   ├── services/               # 业务逻辑层 (待重构)
│   │   ├── flowise_client.py  # Flowise API 调用 (待实现)
│   │   ├── dpml_parser.py     # DPML 解析服务 (待实现)
│   │   └── agent_service.py   # 智能体服务 (待实现)
│   │
│   └── api/                    # API接口层 (待重构)
│       ├── rest/               # REST API
│       │   ├── main.py        # FastAPI 主应用 (待重构)
│       │   ├── health_routes.py (已保留)
│       │   ├── patent_routes.py (待实现)
│       │   └── ai_tech_routes.py (待实现)
│       │
│       └── mcp/                # MCP协议接口
│           └── server.py      # MCP 服务器 (待重构)
│
├── scripts/                    # 脚本工具
│   ├── db_init.py             # 数据库初始化 (待实现)
│   ├── run_rest_api.py        # 启动 REST API (已保留)
│   └── run_mcp_server.py      # 启动 MCP 服务 (已保留)
│
└── docs/                       # 文档 (待更新)
```

## 当前状态

### ✅ 已完成
- [x] **数据模型层** (Stage 1)
  - 专利图谱模型（8种节点，11种关系）
  - AI技术图谱模型（Paper/Author/Technique/Dataset等）
  - DPML标准格式和多模态输入
  - 图谱拓扑结构定义
  
- [x] **数据访问层** (Stage 2)
  - Neo4j和PostgreSQL基础DAL
  - 专利图谱8个查询接口
  - AI技术图谱查询接口
  - 向量搜索和全文检索
  
- [x] **业务逻辑层** (Stage 3)
  - Flowise API客户端
  - DPML解析器（支持JSON/Markdown/自然语言）
  - 智能体服务（端到端数据处理）
  
- [x] **API接口层** (Stage 4)
  - FastAPI主应用和路由系统
  - 专利图谱REST API（8个接口）
  - AI技术图谱REST API（6个接口）
  - 数据入库API（多模态支持）
  - MCP协议服务器（8个工具）
  
- [x] **数据库初始化** (Stage 5)
  - Neo4j约束和索引
  - PostgreSQL表结构和pgvector
  - 种子数据导入脚本

### 🔜 待完成
- [ ] 单元测试
- [ ] 集成测试
- [ ] 部署文档
- [ ] 性能优化

## 数据模型设计

### 场景1: 氢能专利知识图谱

#### 节点类型 (8种)
**数字对象 (2类)**:
- `Patent`: 专利
- `Entity`: 申请机构/个人

**语义标签 (6类)**:
- `TechDomain`: 技术领域（3级树状结构，约60个节点）
- `GreenTechCategory`: 绿色技术分类 (GT1-GT5)
- `Date`: 日期
- `Province`: 省份
- `City`: 城市
- `Country`: 国家

#### 关系类型 (11种)
- `FILED_ON`: Patent → Date (申请日期)
- `BELONGS_TO_TECH`: Patent → TechDomain (所属技术领域)
- `CATEGORIZED_AS_GREEN`: Patent → GreenTechCategory (绿色分类)
- `APPLIED_BY`: Patent → Entity (申请人)
- `LOCATED_IN_PROVINCE`: Entity → Province (省份)
- `SUBDOMAIN_OF`: TechDomain → TechDomain (子领域)
- `HAS_FAMILY`: Patent → Patent (同族专利)
- 等...

#### 核心查询接口 (8个)
1. 专利数量趋势查询
2. 主要申请机构查询
3. 子技术领域分布查询
4. 绿色分类分布查询
5. 地区分布查询
6. 专利法律状态分布查询
7. 专利类型分布查询
8. 同族专利数量查询

### 场景2: AI技术图谱

#### 节点类型
**数字对象**:
- `Paper`: 论文
- `Dataset`: 数据集
- `Code`: 代码（待扩展）

**语义标签**:
- `Author`: 作者
- `Technique`: 技术/模型
- `Tag`: 标签（多维度：task, domain, method等）

#### 关系类型
- `AUTHORED_BY`: Paper → Author
- `USES_DATASET`: Paper → Dataset
- `APPLIES_TECHNIQUE`: Paper → Technique
- `HAS_TAG`: Paper → Tag
- `SHARED_AUTHOR`: Paper → Paper (共同作者)
- `SIMILAR_TO`: Paper → Paper (相似论文)
- `CO_OCCURS_WITH`: Technique → Technique (技术共现)

## 环境信息

### 数据库服务器
- **服务器**: 8.130.190.63
- **系统**: Ubuntu 22.04.5 LTS
- **Docker**: 28.2.2

#### PostgreSQL + pgvector
- **连接**: `postgresql://postgres:dev@BDW2025@8.130.190.63:21001/vectordb`
- **版本**: PostgreSQL 15.14, pgvector 0.8.1

#### Neo4j
- **浏览器**: http://8.130.190.63:21002
- **Bolt**: bolt://8.130.190.63:21003
- **认证**: neo4j / dev@BDW2025

### Flowise API
- **接口**: http://8.130.104.76:21088/api/v1/prediction/c198bdc2-bcfa-4775-8c5b-6b6144996b66
- **用途**: PDF/文档智能解析，结构化信息提取

## 开发计划

### 阶段1: 数据模型重构 (2-3天)
- [ ] 定义专利图谱 Pydantic 模型
- [ ] 定义 AI技术图谱 Pydantic 模型
- [ ] 实现 DPML 数据结构

### 阶段2: DAL层改造 (2天)
- [ ] 专利相关 CRUD 操作
- [ ] 8个预定义查询接口
- [ ] AI技术图谱 CRUD 操作

### 阶段3: 业务逻辑层 (2-3天)
- [ ] Flowise API 客户端
- [ ] 多模态输入解析服务
- [ ] DPML 转换服务

### 阶段4: API接口层 (1-2天)
- [ ] REST API 路由实现
- [ ] MCP 工具注册与调用

## 许可证

MIT License