skygazer42/GustoBot

解决的问题

GustoBot 是一个专用于中国菜谱的 AI 客户服务系统。它解决了探索深层菜谱知识（如地域特色、营养原则、历史轶事）的困难，传统关键词搜索因结构化数据（食材、步骤）与非结构化文化描述混合而无法处理此类信息。

工作原理

该系统采用基于 LangGraph 的三层多智能体架构：

1. 主路由层 (L1)：使用启发式关键词和基于 LLM 的意图识别，将查询路由到合适的模块。
2. 多工具子图层 (L2)：采用 Map-Reduce 模式分解复杂任务。通过规划器节点将问题拆分为子任务，再由特定工具并行执行。
3. 原子工具层 (L3)：使用多样化的工具栈执行实际数据检索，包括 Neo4j（知识图谱）、MySQL（通过 Text2SQL 进行统计分析）、Milvus 和 PostgreSQL pgvector（语义与结构化向量搜索），以及外部搜索 API。

系统采用“PostgreSQL 优先”回退策略（结构化 → 向量 → 外部），并配备双阈值重排序器，确保高回答精度。

适用人群

• 寻求详细菜谱与文化信息的烹饪爱好者
• 希望构建垂直领域 AI 智能体（如百科全书、法律或医疗咨询）的开发者，可复用的专业模板

核心亮点

• 多智能体编排：使用 LangGraph 实现复杂任务分解与并行工具执行。
• 混合 RAG：融合 GraphRAG（Neo4j）、Text2SQL（MySQL）与向量搜索（Milvus/PostgreSQL）。
• L1-L3 架构：清晰的功能分离，使系统易于适配至其他领域。
• 多模态能力：支持菜肴图像识别与通过 CogView-4 生成图像。
• 安全防护机制：集成范围检查，防止超出范围的查询。
• 来源可追溯性：每个回答均标注其知识来源。