# agent-rag

**Repository Path**: w_lin.oschina/agent-rag

## Basic Information

- **Project Name**: agent-rag
- **Description**: Agent RAG学习
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2026-06-16
- **Last Updated**: 2026-06-22

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# Phase 2：RAG 文档问答

让 Agent 根据**你自己的文档**回答问题，而不是只靠模型记忆。

## 架构

```
用户提问
  → retrieve 节点（向量检索 Top-K 片段）
  → generate 节点（LLM 基于资料生成回答 + 引用来源）
  → 输出
```

与 Phase 1 的区别：

| Phase 1 工具 Agent | Phase 2 RAG |
|-------------------|-------------|
| 调外部 API 做事 | 从知识库检索资料 |
| get_weather / calculator | 向量相似度搜索 |
| 实时数据 | 私有文档数据 |

## 快速开始

### 1. 安装依赖

```powershell
cd agent-rag
.\run.ps1 -Mode ingest   # 首次会自动创建 venv、入库
```

或手动：

```powershell
python -m venv .venv
.venv\Scripts\activate
pip install -r requirements.txt

# 复制 API Key（与 FirstAgent 共用）
copy ..\FirstAgent\.env .env
# 或 copy .env.example .env 后手动填写
```

### 2. 文档入库

```powershell
python ingest.py --rebuild
```

会把 `data/` 目录下的 `.md` / `.txt` / `.pdf` 切分、向量化，存入 `chroma_db/`。

### 3. 开始问答

```powershell
python agent.py
# 或
.\run.ps1
```

### 4. 测试问题

| 问题 | 预期 |
|------|------|
| `入职满1年的员工有多少天年假？` | 15 天，引用 company_handbook.md |
| `报销最晚多少天内提交？` | 30 日 |
| `公司上市代码是多少？` | 知识库中没有（防幻觉） |

## 项目结构

```
agent-rag/
├── ingest.py         # 文档入库流水线
├── retriever.py      # 向量检索 + 格式化上下文
├── agent.py          # RAG 问答（retrieve → generate）
├── config.py
├── trace.py
├── data/             # 放你的文档（已含样例手册）
├── chroma_db/        # 向量库（自动生成）
└── run.ps1
```

## 学习检查清单

- [ ] 能解释 RAG 四步：加载 → 切分 → 向量化 → 检索生成
- [ ] 能看懂 Trace 里 `[检索]` 日志
- [ ] 能往 `data/` 加自己的 PDF 并重新 `ingest`
- [ ] 能解释为什么检索不到时 Agent 应该说「不知道」
- [ ] 理解 Chunk 大小对召回的影响

## 调优提示

- 检索不准：调 `config.py` 里的 `CHUNK_SIZE` / `TOP_K`
- 回答幻觉：加强 Prompt 约束，降低 `temperature`
- 中文文档：已用 `text-embedding-v3`，效果较好

## 下一步（Phase 2.5）

把 RAG 检索封装成 `search_knowledge_base` 工具，接回 Phase 1 的工具 Agent，实现：

```
天气/计算 走工具 | 制度/文档 走 RAG | 同一个 Agent 统一调度
```