nageoffer/ragent

Ragent AI – 可用于生产环境的 Java Agentic RAG 平台

它是什么

• 一个以 Java 为核心的端到端框架，让你能够构建 检索增强生成（RAG）与 代理式 AI 应用。它涵盖从摄入文档到回答问题、调用外部工具，以及管理对话记忆的所有环节。

关键能力

领域	Ragent 提供什么
混合检索	从向量存储、关键词索引、知识图谱与实时网络搜索并行召回。支持去重、RRF 融合与重排序。
查询理解	查询词映射、问题改写与拆分、树状意图检测，以及跨多个知识库的路由。
模型处理	模型分层、首包延迟检测、断路器回退，以及多模型路由。
会话记忆	最近 N 轮缓存 + 持久化摘要，以保留上下文同时控制 token 使用量。
流量保护	基于 Redis 的公平队列与分布式并发限制，防止突发流量压垮模型服务。
知识闭环	可插拔的摄入流水线、远程刷新、答案出处、用户反馈、追踪与管理 UI。

架构

• 七个 Maven 模块分离关注点：基础设施 AI 客户端、系统服务、RAG 核心、Agent 引擎、bootstrap、共享框架工具，以及示例 MCP（Model‑Centered‑Programming）工具服务器。
• 该设计隔离 AI 供应商细节、存储后端与检索策略，因此你可以替换组件而不必重写主要工作流。

代理式工作流（v2）

• 使用 ReAct 风格的循环，让 LLM 可以决定要检索知识、调用 MCP 工具，或运行自定义 Skills。
• 记忆在三层管理（短期、持久化摘要、长期），并且可针对写入操作加入人工介入确认。

生产级功能

• Redis 公平队列、基于 Lua 的原子化速率限制。
• 多候选模型路由，搭配延迟检查与三态断路器。
• 并行多通道检索，具备优雅降级。
• 事务性 RocketMQ 消息、幂等性、用于远程刷新的分布式锁。
• 完整追踪（run/node 计时、输入/输出）与可选 Langfuse 集成。
• SSE 流式传输，支持取消、markdown 渲染、来源引用与反馈 UI。
• 通过 Sa‑Token 提供安全、请求节流、参数校验。

开发者体验

• React 前端同时提供用户聊天 UI（显示模型思考、工具调用、引用）与管理控制台，用于管理知识库、意图树、流水线、用户与系统设置。
• 大量使用经典设计模式（Strategy、Factory、Template Method、Chain of Responsibility 等），让 Java 工程师更容易上手该代码库。
• 项目网站提供文档、在线演示与快速入门指南。

谁应该看看这个？

• 想在不转向 Python 的情况下加入 AI 能力的 Java 后端开发者。
• 正在准备面试、且预期会考 RAG/Agent 知识的工程师。
• 正在构建企业级 AI 助手、需要稳健路由、记忆与工具集成的团队。

总结 Ragent 是一个真正面向生产环境的开源 Java AI 平台，专注于 Agentic RAG。它远超玩具演示，提供完整、可扩展的技术栈，以及许多真实世界部署所需的运维保障措施。