TaiXu-Admin V0.0.9 宣布，LLM+RAG+Agent 应用技巧体系

TaiXu-Admin V0.0.9 发布，LLM+RAG+Agent 应用技术系统更新日志 1、LLM、RAG等全局配置初始化及动态加载； 2、LLM、RAG等默认配置的保存及应用； 3、网络模型与Ollama模型的适配； 4、修复列表翻页等问题；系统...

免费下载

应用介绍

更新日记

1、LLM、RAG等全局设备初始化及动态加载；

2、LLM、RAG等默认设备的保存及应用；

3、收集模型与Ollama模型的适配；

4、修复列表翻页等问题；

体系介绍

TaiXu-Admin 是 AI 技巧集成的智能技巧体系，后端用 Python 编写实现，前端用 React 开辟交互页面，涉及到的大年夜模型技巧有 LLM 对话、RAG 和 Agent 等，大年夜模型应用框架组件有 LangChain 和 LangGraph，支撑 RAG 模式、Agent 模式、Prompt 工程、对象调用、记忆治理等功能，引入了对话式交互、常识检索加强生成（RAG）、多智能体协同（Agent）等 AI 才能。

软件架构

后端框架：采取 Python 作为核心开辟说话，基于轻量高效且灵活的 Flask Web 框架构建 RESTful API 办事。

RAG 模式

文档检索

NativeRAG (原生 RAG)、MultiQuery (多问题)、RAGFusion (检索融合)、SubQuestion (子问题)、HYDE (假设提问)、RoutingLogic (逻辑路由)、RoutingSemantic (语义路由)、MultiQueryConstruction (查询重构)、MultiRepresentation (多重表示)、RAPTOR (层级索引)

智能检索

特别检索

GraphRAG (常识图谱)、KeyWord (关键字 BM25)、HybridRAG (混淆检索)、KMean (K 均值聚类)、MMRRAG (最大年夜边际相干)

Agent 模式

智能问答

TaiXu-Admin 采取前后端分别 + 模块化分层的架构风格，确保体系高内聚、低耦合，便于功能迭代。

ReAct (推理行动)、ReWOO (无不雅察推理)、PlanExecute (筹划履行)、LLMCompile (LLM 编译)、Reflection (反思型)、SelfDiscover (自发明)、Reflexion (反射型)、LATS (智能树搜刮)

多智能体

前端技巧栈：应用 React 构建响应式用户界面，结合 Umi（蚂蚁集团开源的企业级前端应用框架）进行工程化治理，并依托 Ant Design 组件库供给一致、美不雅、高效的交互体验。

Supervisor (监督型)、Collaboration (协作型)、Hierarchical (层级型)

数据基本举措措施：

向量数据库：选用高机能、云原生的 Qdrant，用于存储和检索文本嵌入（Embeddings），支撑 RAG 场景下的语义类似性搜刮；
AI 应用框架：集成 LangChain 与 LangGraph，分别用于构建模块化的大年夜模型应用流水线和复杂状况驱动的多智能体协作流程。

图数据库：引入 Neo4j，用于建模实体间复杂关系（如用户 - 角色 - 资本权限拓扑、常识图谱等），赋能关系推理与路径分析；
关系型数据库：采取稳定靠得住的 PostgreSQL 存储构造化营业数据（如用户信息、操作日记、设备项等）。