多元问答机器人（含法律，占卜，心理）

技术信息

作品详情

行业场景

当前市场上的通用AI助手存在三大核心痛点：

1. **缺乏领域专业性**：通用大模型虽然知识面广，但在专业领域（如国学命理、法律咨询）缺乏深度和准确性，无法提供可信赖的专业建议。

2. **记忆与上下文缺失**：传统AI对话缺乏长期记忆能力，无法记住用户偏好和历史交互，导致每次对话都像"初次见面"，体验割裂。

3. **知识检索不精准**：纯粹依赖模型参数的生成方式容易产生幻觉，缺乏可验证的知识来源，答案准确性难以保证。

功能介绍

本项目采用**RAG（检索增强生成）+ 知识图谱 + 向量数据库**的三层架构：

1. **智能意图识别层**：使用DeepSeek Reasoner推理模型进行意图分析，精准理解用户需求，路由到对应的专业服务。

2. **知识增强层**：
- **Neo4j知识图谱**：构建天干地支、十神关系等复杂知识网络，支持关系推理
- **ChromaDB向量数据库**：存储法律条文、案例等专业知识，实现语义检索
- **RAG检索增强**：先检索相关知识，再结合大模型生成，确保答案有据可依

3. **记忆管理层**：Redis缓存 + PostgreSQL持久化，实现多轮对话记忆和用户人格档案的长期存储。

4. **流式交互**：基于SSE（Server-Sent Events）实现实时流式响应，提供流畅的打字机效果。

项目实现

**微服务架构设计**：采用前后端分离 + 多数据库策略，每个数据库承担特定职责：
- PostgreSQL：关系型数据（用户、会话、订单）
- Redis：高速缓存和会话管理
- Neo4j：知识图谱关系推理
- ChromaDB：向量语义检索

**模块化LLM组件**：将AI能力拆分为主模型（推理生成）、意图模型（意图识别）、记忆模型（记忆提取）三个独立模块，各司其职，便于维护和升级。

**agent_id会话管理**：通过agent_id（服务类型）隔离不同AI助手的会话和记忆，实现多个专业AI共存而互不干扰。

**灵活部署方案**：支持单服务器、负载均衡、数据库分离等多种部署模式，甚至支持frps穿透让本地Backend参与生产环境负载均衡，极大提升开发调试效率。

**商业化闭环**：内置打赏分成、用户等级、微信支付等商业功能，形成完整的商业生态。