[项目主页] · [快速开始] · [演示视频] · [版本记录] · [English]
📢 作者为江南大学软件工程博士研究生，研究方向为 AI Agent、知识图谱与大模型应用，预计 2027年12月毕业，现寻求实习/全职机会。联系邮箱：wenjie.zhang@stu.jiangnan.edu.cn
Yuxi（语析）是一个可私有部署的多租户知识智能体平台。把 RAG 检索、Milvus 知识库内知识图谱、LangGraph 多智能体编排、MCP/Skills、沙盒工具与权限管理 放进同一个工作台。
管理员负责接入模型、建设知识库并配置用户与部门权限；用户在统一对话界面中调用知识、工具和子智能体，获得带来源引用、基于图谱上下文的推理以及可预览、可下载产物的回答。
- 知识与智能体真正协同：知识库和知识图谱让 Agent 在运行时可检索、可引用的知识来源。
- 从回答到任务交付：Skills、MCP、工具、子智能体和沙盒文件系统共同支持长任务执行与产物交付。
- 面向团队而非单用户 Demo：提供多租户、用户/部门权限、统一模型配置和外部 API Key 集成。
- 部署路径清晰：Docker Compose 开箱即用。
- 智能体运行时：LangGraph、DeepAgents、SubAgents、Skills、MCP、Tools、中间件与异步 Worker。
- 知识库与 RAG：多格式解析、Embedding/Rerank、检索评估、来源引用和文件预览。
- 知识图谱：从知识库内容抽取实体关系，在 Milvus 与 Neo4j 中构建、检索并展示子图。
- 沙盒与产物：隔离文件系统，支持文本、图片、PDF、HTML 等产物落盘、预览和下载。
- 平台治理：用户与部门权限、模型供应商配置、API Key 调用、运行状态与评估能力。
| 层 | 技术 |
|---|---|
| 前端 | Vue 3 · Vite · Pinia |
| 后端 | FastAPI · LangGraph · ARQ (异步 worker) |
| 存储 | PostgreSQL · Redis · MinIO · Milvus · Neo4j |
| 文档解析 | MinerU · PaddleX · RapidOCR |
| 部署 | Docker Compose |
前置要求：已安装 Docker 与 Docker Compose，并准备至少一个兼容 OpenAI 接口的大模型 API。
1. 克隆代码并初始化
git clone --branch v0.7.1 --depth 1 https://github.com/xerrors/Yuxi.git
cd Yuxi
# Linux/macOS
./scripts/init.sh
# Windows PowerShell
.\scripts\init.ps12. 使用 Docker 启动
docker compose up --build从旧文件布局升级到 v0.7.2 时不能直接 up；停机迁移命令、失败恢复与 Kubernetes 边界只在
生产部署指南 中维护。
3. 访问平台
等待启动完成后，浏览器打开 http://localhost:5173，使用初始化时生成的管理员账户登录即可。
💡 不需要知识库 / 知识图谱等重依赖时，可使用
make up-lite以 LITE 轻量模式启动，加快冷启动速度。更多部署说明见 项目文档。
详细配置、生产部署和故障排查请阅读快速开始指南。最新开发动态见 Changelog，规划中的能力见开发路线图。
本项目参考并引用了以下优秀开源项目，在此致以诚挚的感谢：
- LightRAG - 早期版本曾参考其图谱构建与检索思路
- DeepAgents - 直接引入作为深度智能体框架
- DeerFlow - 参考了其 Sandbox 智能体架构的实现思路
- RAGflow - 参考了其文档 Text Chunking 的分块策略
- LangGraph - 多智能体编排框架，本项目的核心架构基础
- QwenPaw - 参考模型配置与个人文件区域设计
感谢所有贡献者的支持！
本项目采用 MIT 许可证 - 查看 LICENSE 文件了解详情。
Docker Compose 引入的第三方组件（Neo4j 社区版 GPL-3.0、MinIO AGPL-3.0 等）保留各自原始许可证，部署与再分发边界见生产部署指南。
