java-up-up/nexus-agent

解决的问题

Nexus Agent 是一个企业级 AI 智能体平台，旨在超越简单的 API 调用和基础 RAG 演示。它通过实现文档治理、意图分析、混合检索和智能体推理的复杂工程模式，弥补了原型与生产就绪系统之间的差距，专门针对企业环境中的幻觉、令牌成本和检索精度等挑战。

工作原理

该系统通过由几个关键组件组成的协调架构运行：

• 三层执行器：不是将所有查询路由到 LLM，而是使用确定性编排层将查询分流到三条路径：歧义澄清（用于信息不足的情况）、RAG 知识问答（用于基于证据的回答）或 ReAct 智能体（用于开放式推理和网络搜索）。
• 预编排引擎：在检索之前，系统执行查询重写（以处理代词）、子问题拆分和知识域收缩，以缩小搜索范围。
• 混合检索管道：它结合向量搜索（PGVector）和关键词搜索（Elasticsearch），使用倒数排名融合（RRF）和可选的重排序。它利用父子分块策略，其中小块用于匹配，大块用于生成最终答案。
• 知识库治理：文档通过异步 Kafka 管道进行处理，使用 Apache Tika 进行解析，并结合结构、递归、语义和基于 LLM 的分块策略。使用 Neo4j 图来维护文档层次结构（Document $\rightarrow$ Section $\rightarrow$ Item）。
• 智能体能力：实现带有工具调用的 ReAct 循环，MCP（模型上下文协议）集成以实现动态工具发现，以及通过 SKILL.md 文件进行声明式能力扩展的“技能”系统。

适用人群

• 后端开发人员：特别是那些希望在不切换到 Python 的情况下构建 AI 应用的 Java 生态系统中的开发人员。
• AI 工程师：寻找 Agentic RAG 和 MCP 生产级实现的开发人员。
• 学生/求职者：希望拥有一个全面的项目来展示对 RAG 和智能体工程深入理解（超越基础教程）的个人。

亮点

• Agentic RAG：完整的 ReAct 实现，支持 MySQL 中的检查点持久化和并行工具执行。
• 高级检索：具有 RRF 融合和父子块聚合的双通道混合搜索。
• 知识路由：一个三阶段漏斗（Scope $\rightarrow$ Topic $\rightarrow$ Document），用于在检索前锁定相关知识。
• 生产护栏：包括基于 Redis 的租约互斥锁以确保集群安全，模型/工具调用限制以防止无限循环，以及全链路可观测性追踪。
• 内存管理：三种不同的策略：无内存、滑动窗口和摘要压缩，以平衡令牌成本和上下文。
• MCP 与技能：集成模型上下文协议和声明式技能系统，用于可热插拔的能力扩展。