小智助手产品系统Vibe Coding

本项目专注于解决企业内部“知识孤岛”与“流程碎片化”问题。传统的 RAG 仅能问答，而本系统通过 Agent 调度 将 RAG 与 实际业务工作流 深度绑定。适用于需要根据海量文档自动触发业务审批、报表生成、跨平台数据同步等复杂办公场景。

支持企业内部全格式文档（PDF、Word、Markdown 等）的一键导入与智能化解析。不同于传统的关键词搜索，该模块能理解文档的深层含义，实现精准的“问答式”知识检索。支持企业内部全格式文档（PDF、Word、Markdown 等）的一键导入与智能化解析。不同于传统的关键词搜索，该模块能理解文档的深层含义，实现精准的“问答式”知识检索。预置了丰富的外部接口能力，包括网页实时搜索、数据库自动化查询、钉钉/企微消息推送等。系统遵循国际主流的 AI 技能标准，支持根据业务需求快速扩展新的功能插件。预置了丰富的外部接口能力，包括网页实时搜索、数据库自动化查询、钉钉/企微消息推送等。系统遵循国际主流的 AI 技能标准，支持根据业务需求快速扩展新的功能插件。对企业级场景设计，支持多部门数据隔离与精细化的权限管理，确保敏感知识只对授权人员开放。

1. “我”负责的具体任务：
本人作为项目负责人，主导了从需求分析、架构设计到核心功能开发的全过程。具体包括：设计并实现了基于 FastAPI 的高性能异步调度中枢；构建了支持多格式文档解析与语义检索的 RAG 知识库系统；定义并开发了符合 Anthropic 标准的 Skill 插件集，实现了 Agent 对外部 API（如钉钉、数据库）的自主调用；并负责系统在私有化环境下的部署与性能调优。

2. 技术栈与架构：
项目采用前后端分离架构。后端基于 Python FastAPI，利用其异步特性确保 Agent 长任务不阻塞；数据库采用 MongoDB 存储非结构化对话记忆与任务状态。大模型逻辑层采用了 Qwen-2.5/3.5 作为推理大脑，通过 LangGraph 进行复杂业务工作流的有向无环图（DAG）编排，确保 Agent 在处理多步骤任务时的稳定性和逻辑一致性。

3. 实现亮点与难点：

难点攻克： 针对长文档 RAG 检索精度不高的问题，我实现了一套多路召回与重排序（Rerank）机制，大幅提升了知识获取的准确率。

技术亮点： 成功解决了 Agent 在执行复杂工作流时的“状态丢失”问题。通过在 MongoDB 中构建持久化状态机，实现了任务的中断重试与断点续传。同时，通过三层 Skill 暴露协议，极大降低了新功能插件的接入成本，使系统具备极强的扩展性。