# rag-agent-system

**Repository Path**: ywoaimd/rag-agent-system

## Basic Information

- **Project Name**: rag-agent-system
- **Description**: No description available
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2026-05-12
- **Last Updated**: 2026-05-12

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# RAG Agent System

Vue 3 + Spring Boot 3 + MySQL 8 + LangChain 的通用知识库与 Agent 系统。

当前系统定位很明确：

- 用户注册、登录，维护自己的资料。
- 用户创建和管理自己的知识库。
- 用户上传文档，系统完成解析、切块、向量化。
- 用户基于当前知识库进行 RAG 问答或 Agent 问答。
- 系统保存历史会话，并在回答中展示引用来源。

不包含工单、售后流转或行业专属流程。Agent 是通用知识助手，不带设备、运维、制造等行业假设。

## 目录

- `frontend/`: Vue + Vite + Element Plus 前端
- `backend/`: Spring Boot + MyBatis Plus + Sa-Token 后端
- `ai-service/`: FastAPI + LangChain + Chroma AI 服务
- `database/`: MySQL 初始化和修复脚本
- `deploy/`: Docker Compose 配置
- `docs/`: 使用文档和需求文档

详细说明见 [docs/usage.md](docs/usage.md)。

## 已实现能力

- 登录、注册、退出登录、个人资料、修改密码
- 知识库列表、创建知识库、文档上传、文档删除
- 文档去重：同一知识库内按 `kb_id + md5` 防重
- Chroma 一库一 collection 的向量存储
- RAG 问答
- Agent 问答
- 历史会话列表
- 历史消息回放
- 回答引用展示
- SSE 流式输出

## 系统结构

```text
frontend  ->  backend  ->  ai-service  ->  Ollama / Chroma
   |            |
   |            -> MySQL
   |
   -> 浏览器 localStorage 保存 Sa-Token
```

## 快速启动

### 1. 启动 MySQL

```powershell
cd D:\CodeProject\rag-agent-system
docker compose -f deploy/docker-compose.yml up mysql
```

Navicat 连接参数：

```text
host: localhost
port: 3306
database: rag_agent
username: rag_user
password: rag_password
```

### 2. 拉取模型

```powershell
ollama pull qwen2.5:7b
ollama pull nomic-embed-text
```

### 3. 启动 AI 服务

```powershell
cd D:\CodeProject\rag-agent-system\ai-service
uv venv .venv --python 3.11
uv pip install --python .\.venv\Scripts\python.exe -r requirements.txt
.\.venv\Scripts\python.exe -m uvicorn app.main:app --reload --port 8000
```

### 4. 启动后端

```powershell
cd D:\CodeProject\rag-agent-system\backend
mvn spring-boot:run
```

### 5. 启动前端

```powershell
cd D:\CodeProject\rag-agent-system\frontend
npm.cmd install
npm.cmd run dev
```

访问：

```text
http://localhost:5173
```

默认管理员：

```text
username: admin
password: admin123
```

## 关键配置

后端 `application.yml`：

```yaml
spring:
  datasource:
    url: ${MYSQL_URL:jdbc:mysql://localhost:3306/rag_agent?...}
    username: ${MYSQL_USER:rag_user}
    password: ${MYSQL_PASSWORD:rag_password}

app:
  ai-base-url: ${AI_BASE_URL:http://localhost:8000}
  internal-token: ${INTERNAL_TOKEN:dev-internal-token}

sa-token:
  token-name: satoken
  timeout: 86400
```

`${变量名:默认值}` 表示优先读取环境变量；没有环境变量时使用默认值。

## 主要接口

前端调用后端：

- `POST /api/auth/register`
- `POST /api/auth/login`
- `POST /api/auth/logout`
- `GET /api/auth/me`
- `PUT /api/auth/profile`
- `POST /api/auth/password`
- `GET /api/knowledge-bases`
- `POST /api/knowledge-bases`
- `GET /api/knowledge-bases/{kbId}/documents`
- `POST /api/knowledge-bases/{kbId}/documents`
- `DELETE /api/knowledge-bases/{kbId}/documents/{documentId}`
- `GET /api/chat/sessions?mode=RAG|AGENT`
- `GET /api/chat/sessions/{sessionId}/messages`
- `POST /api/chat/rag`
- `POST /api/chat/rag/stream`
- `POST /api/chat/agent`
- `POST /api/chat/agent/stream`

后端调用 AI 服务：

- `POST /ai/documents/ingest`
- `DELETE /ai/documents/{documentId}/vectors?kb_id={kbId}`
- `POST /ai/rag/query`
- `POST /ai/agent/chat`

AI 服务调用后端内部接口：

- `GET /internal/users/{id}`
- `POST /internal/audit/tool-call`

## 当前 Agent 设计

当前 Agent 只做通用知识助手能力：

- `knowledge_search`: 检索当前知识库内容
- `get_current_user`: 获取当前登录用户信息

Agent 不再包含工单、派单、审批、售后流转等动作型业务工具。

## 后续建议

- 密码哈希当前使用 SHA-256 示例实现，生产环境建议切换到 BCrypt 或 Argon2
- 增加知识库成员管理页面，支持给其他用户授权 `READ` / `WRITE`
- 增加文档异步解析队列，避免大文件上传时阻塞请求
- 增加单元测试、接口测试和端到端测试
- 增加生产环境部署配置，例如 Nginx、HTTPS、日志归档和备份策略