java-up-up/nexus-agent

解决的问题

Nexus Agent 是一个企业级 AI 代理平台，旨在超越简单的 API 调用和基础 RAG 演示。它通过实现复杂的工程模式来弥合原型与生产就绪系统之间的差距，涵盖文档治理、高精度检索和自主代理行为，特别针对企业环境中幻觉、令牌成本和检索准确率的挑战。

工作原理

该系统采用多层架构，避免完全依赖 LLM 进行决策。它使用 预编排引擎 在请求路由到三个执行器之一之前，处理查询重写、子问题拆分和歧义检测：澄清执行器（用于模糊查询）、RAG 知识执行器（例如基于证据生成并附带引用）、或 ReAct 代理执行器（用于需要多步推理和工具使用的开放式任务）。

关键技术组件包括：

• 混合检索：使用 Reciprocal Rank Fusion (RRF) 和可选的重排序，结合向量搜索（PGVector）和关键词搜索（Elasticsearch）。
• 知识图谱：使用 Neo4j 映射文档结构（文档 → 章节 → 项目），实现结构化导航。
• 父子分块：为精度检索小的「子」块，但向 LLM 提供更大的「父」块以保留完整上下文。
• 内存管理：提供三种策略（无、滑动窗口、摘要压缩），在上下文窗口限制与令牌成本之间取得平衡。
• MCP 与技能：集成 Model Context Protocol (MCP) 实现动态工具发现，以及声明式「技能」系统以扩展领域能力。

适用人群

• 希望转向 AI 应用开发的后端开发者（尤其是 Java/Spring）。
• 希望构建以工程严谨性为核心而非仅模型调优的生产级 RAG/代理系统的工程师。
• 正在为前沿 AI 架构技术面试做准备的学生或专业人士。

核心亮点

• 三层执行：通过优先选择稳定的 RAG 路径而非开放式的代理探索，防止不可预测的代理行为。
• 因果证据控制：实现「无证据短路」机制，当未找到相关文档时防止模型产生幻觉。
• 复合分块引擎：整合结构化、递归、语义和基于 LLM 的分块策略。
• 企业级防护机制：包含基于 Redis 的租约锁以支持集群并发、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。
• 影子路由：静默比较系统推荐文档与用户选择文档，持续优化路由质量。