liuguancen
316def2145
主要变化: - 新增 agent_v2.py: 用 LangGraph create_react_agent + astream_events 替代原 agent_chat_test 的 LLM step-routing 死循环 - 新增 tools_v2.py: 闭包工厂模式，每个请求按 uuid 生成工具列表， 消除 toolinput 字符串拼 JSON 注入 uuid 的旧 hack - chat_test.py:266-346: 删 11 次 count_process 重试外层和事件 分发 spaghetti，换成 agent_run 单次调用 + 简单事件 dispatcher - policy_fun_iast.py:168-187: 修 broken <think> filter 老代码把 start_flag 设反了（看见 <think> 才开始 yield）导致 非 think 模型 yield 不出任何内容；改为正确跳过 <think>...</think> 块 模型函数调用通过 langchain_openai.ChatOpenAI（不能用旧版 langchain_community.chat_models.ChatOpenAI，没有现代 tool calling）。 依赖: langgraph==0.0.49 + langchain-core==0.1.53（已在服务器装好）。 非 stream 分支保留旧 agent_chat_test 路径（极少触发，回归风险低）。 旧版回滚: git checkout backup/pre-langgraph 实测对比: - 旧版 30-60s，答案 0 字（filter 卡死后展示 11 次重试） - 新版 25-40s，答案完整（含工具调用、参考文献、推荐问题、摘要） Co-Authored-By: Claude Opus 4.7 (1M context) <noreply@anthropic.com>
钢研院智能问答平台（gangyan）111
面向冶金行业的 LLM 智能问答系统，提供智能对话、文档撰写、知识库管理、文献检索、翻译等功能。
系统架构
Vue前端(:3000/metalinfo)
│ proxy /chat_web_backend
▼
Java后端(:8099/chat_web_backend) ──→ Python RAG(:7861)
│ │
├── MySQL(:33306) ├── Milvus(:19530)
├── Redis(:6379) ├── Embedding API(bge-m3)
└── 科协SSO └── LLM API(deepseek-v3等)
模块说明
| 模块 | 路径 | 技术栈 | 说明 |
|---|---|---|---|
| 前端 | chat_web_front/ |
Vue 3 + TypeScript + Element Plus + Vite | 用户界面 |
| Java 后端 | chat_web_backend/ |
Spring Boot 2.3.7 + MyBatis-Plus + JDK 11 | 业务 API |
| Python RAG | langchain-chat/ |
Python 3.11 + FastAPI + LangChain | LLM 推理 + 知识库检索 |
功能模块
- 智能对话 — 多模型对话（DeepSeek、Qwen 等），支持流式响应、知识库增强问答
- 文档撰写 — AI 生成大纲与正文，支持改写、润色、扩写、续写
- 知识库管理 — 个人知识库，文件上传、文章综述、章节速览、文件对话
- 文献检索 — 政策库、报告库、期刊论文库、冶金行业系列知识库
- 翻译 — 文档翻译、文本翻译，多语种支持
- 应用广场 — 智慧场景、助手收藏
基础设施
| 服务 | 端口 | 部署方式 |
|---|---|---|
| MySQL 8.4.4 | 33306 | Docker Compose (mysql/docker-compose.yml) |
| Redis | 6379 | 宿主机 / Docker |
| Milvus 2.6.4 | 19530 | Docker Compose (milvus/docker-compose.yml) |
| MinIO | 9002/9003 | Docker（Milvus 依赖） |
快速启动
cd /opt/download/oss_files/gangyan-deploy/gangyan
# 1. 启动数据层
cd mysql/mysql-8.4.4 && docker compose up -d && cd ../..
docker start redis-server 2>/dev/null || docker run -d --name redis-server -p 6379:6379 redis:7-alpine
cd milvus && docker compose up -d && cd ..
# 2. 启动 Java 后端
sudo bash backend/start_local.sh
# 3. 启动 Python RAG
source /opt/software/miniconda3/etc/profile.d/conda.sh && conda activate langchain-chat
cd langchain-chat && nohup python startup.py --all-api > langchain.log 2>&1 &
# 4. 启动前端
cd chat_web_front && npm run dev
或一键启动：bash start_all.sh
健康检查
curl -s -o /dev/null -w "Java %{http_code}\n" http://127.0.0.1:8099/chat_web_backend/app/user
curl -s -o /dev/null -w "Langchain %{http_code}\n" http://127.0.0.1:7861/docs
curl -s -o /dev/null -w "Frontend %{http_code}\n" http://127.0.0.1:3000/
项目结构
gangyan/
├── chat_web_front/ # Vue 3 前端
├── chat_web_backend/ # Java Spring Boot 后端
├── langchain-chat/ # Python RAG 服务
├── backend/ # 后端部署（jar + 启动脚本）
├── mysql/ # MySQL Docker Compose + 数据
├── milvus/ # Milvus Docker Compose + 数据
├── scripts/ # 各服务运维脚本
├── docs/ # 项目文档
├── logs/ # 运行日志
├── .harness/ # Agent 协同开发上下文
└── start_all.sh # 一键启动脚本
Agent 协同开发
.harness/ 目录包含 Agent 协同开发所需的项目上下文文件，详见 .harness/CLAUDE.md。