# Mutil-AgenticRAG

**Repository Path**: tianxiang6/mutil-agentic-rag

## Basic Information

- **Project Name**: Mutil-AgenticRAG
- **Description**: 基于 LangChain + LangGraph + Streamlit 构建的多智能体 RAG（检索增强生成）系统。通过 9 个专业智能体协作，实现高质量、安全可靠的检索增强问答。
- **Primary Language**: Unknown
- **License**: MIT
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 1
- **Forks**: 0
- **Created**: 2026-05-30
- **Last Updated**: 2026-06-06

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# Multi-Agentic RAG — 多智能体检索增强生成系统

基于 **LangChain + LangGraph + Streamlit** 构建的多智能体 RAG（检索增强生成）系统。通过 9 个专业智能体协作，实现高质量、安全可靠的检索增强问答。

## 功能特性

- **多智能体协作**：9 个专业智能体各司其职，包括路由、检索、查询重写、联网搜索、知识合成、答案生成、事实核查、安全检查和意图澄清
- **中文优化**：基于 DeepSeek 大模型 + BGE 中文嵌入模型，所有提示词均为中文
- **多知识源支持**：URL 网页内容、TXT/PDF/DOCX 文件上传，均可作为 RAG 的知识库
- **智能回退机制**：当本地知识库无法回答时，自动重写查询重试（最多2次），超限后回退到联网搜索
- **事实核查**：对生成的答案进行事实性验证，标注潜在的不实内容
- **安全检查**：识别并拦截有害、偏见或不当内容
- **可视化工作流**：实时展示多智能体工作流的执行过程，清晰呈现每一步的决策逻辑
- **兼容 LangChain 1.0**：使用拆分包架构（langchain-core、langchain-community 等）

## 系统架构

### 智能体角色

| 智能体 | 职责 |
|--------|------|
| **Router（路由器）** | 解析用户查询意图，决定走哪个工作流路径 |
| **Retriever（检索器）** | 从内部 Chroma 向量知识库中检索相关文档 |
| **Reformulator（重写器）** | 当检索效果不佳时，对查询进行重写以提升召回率 |
| **Web Searcher（网络搜索器）** | 通过 Tavily API 执行实时互联网检索 |
| **Synthesizer（合成器）** | 从多个知识源中提取和整合相关信息 |
| **Generator（生成器）** | 基于检索到的上下文生成最终回答 |
| **Fact Checker（事实核查器）** | 识别答案中的事实性陈述，逐一进行核查 |
| **Safety Checker（安全检查器）** | 检查回答是否包含有害/偏见/不当内容 |
| **Clarifier（澄清器）** | 当用户问题模糊不清时，引导用户补充信息 |

### 工作流

```
START
  │
  ▼
Router ──→ retrieve ──→ 文档相关性评分
             │                │
             │                ├── relevant ──→ synthesize ──→ generate
             │                │
             │                ├── reformulate ──→ 重写查询（最多2次重试）
             │                │       └── 超限 → web_search
             │                │
             │                ├── web_search ──→ synthesize
             │                │
             │                └── clarify ──→ 引导用户补充信息 → END
             │
             ├── reformulate ──→ (同上)
             ├── web_search ──→ synthesize
             ├── clarify ──→ END
             └── generate ──→ (直接生成)
                                  │
                                  ▼
                            fact_check ──→ safety_check ──→ END
```

## 项目结构

```
Multi-Agentic-RAG-main/
├── Agentic_RAG.py              # 主应用（DeepSeek + BGE 中文嵌入）
├── test_route.py               # Router 智能体单元测试
├── requirements.txt            # Python 依赖
├── .env.example                # 环境变量模板
├── README.md                   # 项目文档
└── LICENSE                     # MIT License
```

## 快速开始

### 环境要求

- Python 3.10+

### 安装

```bash
# 1. 创建虚拟环境
python -m venv venv
# Windows:
venv\Scripts\activate
# Linux/Mac:
source venv/bin/activate

# 2. 安装依赖
pip install -r requirements.txt
```

### 配置 API 密钥

```bash
cp .env.example .env
```

编辑 `.env` 文件，填入你的 API 密钥：

| 密钥 | 用途 | 获取地址 |
|------|------|----------|
| `DEEPSEEK_API_KEY` | DeepSeek 大模型 | https://platform.deepseek.com |
| `TAVILY_API_KEY` | Tavily 联网搜索 | https://app.tavily.com |

### 运行

```bash
streamlit run Agentic_RAG.py
```

启动后在浏览器中打开 `http://localhost:8501` 即可使用。

## 使用指南

### 1. 配置知识源

在左侧边栏中：
- **URL 输入**：输入网页 URL，系统会自动抓取并索引内容
- **文件上传**：支持 TXT、PDF、DOCX 格式文件上传
- 如未提供任何知识源，系统会自动加载默认的 RAG 相关文章作为知识库
- 点击「Apply Parameters & Update Knowledge」应用配置

### 2. 参数调整

- **Chunk Size**：文本切分块大小
- **Retriever K**：检索返回的文档数量
- **Temperature**：LLM 生成的温度参数

### 3. 开始对话

在聊天输入框中输入问题，系统会自动：
1. 路由分析你的意图
2. 从知识库检索或联网搜索相关信息
3. 合成并生成回答
4. 进行事实核查和安全检查
5. 返回最终答案

### 4. 工作流可视化

展开「Execution Details」查看：
- **执行日志**：每个智能体的实时执行状态
- **工作流图**：Graphviz 绘制的工作流拓扑图
- **知识源列表**：当前活跃的知识源
- **Agent 配置**：各智能体的参数配置

### 5. 清除历史

点击「Clear Chat History」重置对话记录和系统状态。

## 测试

```bash
python test_route.py
```

测试覆盖了中文场景下的多种查询路由场景：闲聊、模糊问题、专业知识检索、联网搜索、上下文追问等。

## 技术栈

| 组件 | 说明 |
|------|------|
| **LLM** | DeepSeek deepseek-chat（通过 OpenAI 兼容接口） |
| **嵌入模型** | BAAI/bge-large-zh-v1.5（HuggingFace 本地运行） |
| **向量数据库** | ChromaDB（支持持久化存储） |
| **搜索引擎** | Tavily Search API |
| **工作流编排** | LangGraph StateGraph |
| **前端界面** | Streamlit Chat UI |

## 依赖项

| 包名 | 用途 |
|------|------|
| streamlit | Web UI |
| langchain / langchain-core | LLM 框架核心 |
| langgraph | 多智能体工作流编排 |
| chromadb | 向量数据库 |
| langchain-openai | OpenAI 兼容接口（DeepSeek） |
| langchain-community | 社区集成（文档加载器等） |
| langchain-huggingface | HuggingFace 嵌入模型 |
| langchain-text-splitters | 文本切分 |
| tiktoken | Token 计数 |
| transformers / huggingface-hub | BGE 模型运行时 |
| pysqlite3-binary | ChromaDB Windows 兼容 |
| python-dotenv | 环境变量加载 |

## 安全提醒

请勿将包含真实 API 密钥的 `.env` 文件提交到版本控制系统。项目 `.gitignore` 已配置忽略该文件。

## License

MIT License — 详见 [LICENSE](LICENSE) 文件。

## 致谢

- [LangChain](https://github.com/langchain-ai/langchain)
- [LangGraph](https://github.com/langchain-ai/langgraph)
- [Streamlit](https://streamlit.io/)
- [DeepSeek](https://platform.deepseek.com/)
- [Tavily](https://tavily.com/)
- [BGE (BAAI)](https://huggingface.co/BAAI/bge-large-zh-v1.5)