nageoffer/ragent

企业级 Agentic RAG 智能体 - 全链路覆盖文档解析、多路检索、意图识别、问题重写、会话记忆、MCP 工具调用与深度思考。面向真实业务场景，从 0 到 1 完整工程实现。

解決的問題

標準的 RAG（檢索增強生成）教學通常只涵蓋簡單的 API 呼叫，未能解決現實生產環境中的挑戰，如複雜的文檔解析、檢索準確性、模型不穩定性和高並發。Ragent 為這些問題提供了全面的工程解決方案，專門為向 AI 工程轉型的 Java 開發人員設計。

工作原理

該平台使用模組化架構來管理整個 AI 應用生命週期：

Hybrid Retrieval：使用 RRF 融合和重排序（reranking）結合向量、關鍵字、知識圖譜和網路搜尋結果。
Query Understanding：採用查詢重寫、拆分、基於樹的意圖識別和多知識庫路由。
Model Management：具有模型分層、首個 Token 檢測以及用於故障轉移和降級處理的熔斷器。
Agentic Capabilities：整合 MCP (Model Context Protocol) 用於工具發現和執行。
Data Pipeline：一個可編排的攝取流水線，用於將各種文檔格式處理成可搜尋的分塊。
Reliability Layers：實現基於 Redis 的公平隊列、分散式並發控制和全鏈路追蹤。

適用對象

Java 後端開發人員：希望透過學習生產級 RAG 和 Agent 模式向 AI 工程角色轉型的開發人員。
學生/求職者：需要一個複雜的、真實的 AI 專案來使自己的履歷區別於標準 CRUD 應用程式的人。
企業開發人員：正在尋求穩健、可擴展的 AI 應用架構參考實現的人員。

亮點

使用 Spring Boot 3 和 React 18 的全棧實現
高級混合檢索（向量、Elasticsearch、知識圖譜、網路搜尋）
生產就緒功能，包括熔斷器、分散式限流和冪等性
用於知識庫、追蹤和模型配置的全面管理控制台
支援用於外部工具整合的 MCP (Model Context Protocol)