nageoffer/ragent

解決的問題

Ragent AI 是一個生產級的 Java 平台，旨在彌合簡單 AI 示範與企業級 Agentic RAG（檢索增強生成）系統之間的差距。它解決了常見的生產環境陷阱，例如檢索準確率低、模型不穩定、高 Token 成本，以及 AI 應用缺乏可觀測性等問題。

工作原理

該平台採用模組化的 Java 架構，劃分為多個專用引擎。支援兩種主要互動模式：用於可預測問答的結構化工作流程（v1），以及基於 ReAct 引擎的 Agentic 架構（v2），允許模型自主決定是否使用知識檢索、MCP 工具或特定技能。

關鍵技術組件包括：

• 混合檢索：結合向量、關鍵字、知識圖譜和網路搜尋，採用 RRF 融合與重排序技術。
• 查詢理解：實現查詢映射、問題重寫/拆分以及基於樹的意圖識別。
• 模型管理：支援模型路由、首包檢測以及故障轉移的熔斷機制。
• 記憶與流量：使用持久化摘要實現會話記憶，並透過 Redis 基礎的公平佇列控制併發。
• 知識管道：提供可編排的攝入管道，支援遠端刷新與可追溯性。

適用對象

• Java 後端開發者：希望在不切換至 Python 的情況下進入 AI 工程領域。
• 學生／求職者：需要一個高複雜度、非 CRUD 專案用於作品集，以展示 AI 與工程能力。
• 企業開發者：建構 RAG 系統時，需要多租戶隔離、可觀測性等生產級模式的參考。

核心亮點

• Agentic ReAct 引擎：支援自主工具調用與多輪推理。
• MCP 集成：實現 Model Context Protocol，支援遠端工具發現與模式驗證。
• 生產就緒基礎設施：包含分散式限流、透過 RocketMQ 的事務訊息、全鏈路追蹤。
• 全面的管理控制台：基於 React 的管理面板，用於管理知識庫、意圖樹和 RAG 追蹤。
• 可擴展設計：採用策略（Strategy）、工廠（Factory）、適配器（Adapter）等設計模式，支援輕鬆替換 LLM、向量資料庫或儲存提供者。