| typora-copy-images-to |
|---|
media |
My-Chat-LangChain\Note\Note-V1.md
My-Chat-LangChain\Note\Note-V2.md
My-Chat-LangChain\Note\Note-V3.md
My-Chat-LangChain\Note\Note-V4.md
CSDN文章:从0到1,构建你的专属AI知识库:My-Chat-LangChain项目深度解析
稀土掘金文章:从0到1,构建你的专属AI知识库:My-Chat-LangChain项目深度解析
My-Chat-LangChain\Note\Note-V5.md
My-Chat-LangChain\Note\Plan-V6.md
My-Chat-LangChain\Note\Note-V6.md
My-Chat-LangChain\Note\Deployment-Guide.md
My-Chat-LangChain\requirements.txt
My-Chat-LangChain\Note\Note-V7.md
My-Chat-LangChain\Note\Plan-V8.md
My-Chat-LangChain\Note\Note-V8.md
V9.0 是 My-Chat-LangChain 项目的重大升级版本,核心目标是:
- 前端现代化: 使用 Next.js + shadcn/ui 完全重构前端,替代 Streamlit
- 多模态交互: 支持图片理解/OCR 和语音交互
- RAG 能力增强: 混合检索、引用追溯、重排序、MinerU 文档解析
- 用户系统: 传统账号认证 + JWT
- 生产级部署: Docker Compose 一键部署
Agentic RAG 平台 | 个人项目 | 2025-06 ~ 2025-09
项目描述: 一个面向研究人员的 AI 助理平台,集成了多工具 Agent、知识库检索、代码执行、多模态交互等功能,帮助用户进行文献调研、数据分析、代码编写等研究工作。
核心职责:
- 设计并实现微服务架构,将系统拆分为认证、聊天、RAG、语音四个独立服务
- 基于 LangGraph 实现 ReAct Agent,支持 96+ 工具的动态调用和流式响应
- 设计 RAG 混合检索方案,融合向量检索(pgvector)、关键词检索(BM25)和 Reranker 重排序
- 实现 SSE 流式传输,支持工具调用可视化、代码高亮、图表渲染等实时反馈
- 集成 E2B 云沙箱,实现安全隔离的 Python 代码执行和数据可视化
- 开发语音交互模块,集成 faster-whisper 语音识别和 Edge TTS 语音合成
技术亮点:
- 采用 RRF(Reciprocal Rank Fusion)算法融合多路检索结果,提升检索准确率
- 实现智能分块策略(语义感知/页面感知/递归分块),优化长文档处理
- 设计引用追溯机制,支持 RAG 结果的来源定位和原文高亮
- 使用 MCP(Model Context Protocol)协议集成 90+ 外部工具