nageoffer/ragent

解决的问题

Ragent AI 是一个面向生产环境的 Java 平台，旨在弥合简单 AI 演示与企业级 Agentic RAG（检索增强生成）系统之间的差距。它解决了常见的生产环境陷阱，例如检索准确率低、模型不稳定、高 Token 成本以及 AI 应用缺乏可观测性等问题。

工作原理

该平台采用模块化的 Java 架构，划分为多个专用引擎。支持两种主要交互模式：用于可预测问答的结构化工作流（v1），以及基于 ReAct 引擎的 Agentic 架构（v2），允许模型自主决定是否使用知识检索、MCP 工具或特定技能。

关键技术组件包括：

• 混合检索：结合向量、关键词、知识图谱和网络搜索，采用 RRF 融合与重排序技术。
• 查询理解：实现查询映射、问题重写/拆分以及基于树的意图识别。
• 模型管理：支持模型路由、首包检测以及故障转移的熔断机制。
• 记忆与流量：使用持久化摘要实现会话记忆，并通过 Redis 基础的公平队列控制并发。
• 知识管道：提供可编排的摄入管道，支持远程刷新与可追溯性。

适用人群

• Java 后端开发者：希望在不切换到 Python 的情况下进入 AI 工程领域。
• 学生/求职者：需要一个高复杂度、非 CRUD 项目用于作品集，以展示 AI 与工程能力。
• 企业开发者：构建 RAG 系统时，需要多租户隔离、可观测性等生产级模式的参考。

核心亮点

• Agentic ReAct 引擎：支持自主工具调用与多轮推理。
• MCP 集成：实现 Model Context Protocol，支持远程工具发现与模式验证。
• 生产就绪基础设施：包含分布式限流、通过 RocketMQ 的事务消息、全链路追踪。
• 全面的管理控制台：基于 React 的管理面板，用于管理知识库、意图树和 RAG 跟踪。
• 可扩展设计：采用策略（Strategy）、工厂（Factory）、适配器（Adapter）等设计模式，支持轻松替换 LLM、向量数据库或存储提供商。