本项目定位于企业级智能化工作流编排与知识工程平台，主要面向以下三类典型场景：
复杂文档密集型行业（如金融、法律、医疗、制造）
企业内部存在大量非结构化数据（PDF、HTML、Markdown、代码库、会议纪要），传统关键词搜索无法满足高精度信息溯源需求。
场景价值：通过混合检索（BM25 + 向量）与多模态文档切分器，实现高准确率的RAG问答，解决“大模型幻觉”与“知识时效性”痛点。
自动化任务执行场景（如运维、数据分析、研发辅助）
需要Agent具备操作环境的能力，如执行Shell脚本、运行Python代码、控制浏览器进行自动化测试或数据采集。
场景价值：提供沙箱化安全执行环境，将大模型从“聊天机器人”升级为“自动化的数字员工”。
轻量化AI应用构建场景（如SaaS服务商、企业内部工具链）
业务人员或开发者需要快速扩展Agent能力，但受限于代码开发成本。
场景价值：利用 Anthropic Agent Skills 范式，将能力封装为Markdown文件，实现低代码/无代码的能力注入，降低AI应用落地门槛。
基于 LangChain 框架构建 Agent 引擎，集成 DeepSeek/Qwen LLM 提供大语言模型能力,使用Anthropic Agent Skills 范式，通过拖入 Markdown 文件即可扩展 Agent 能力；
同时使用 LlamaIndex 实现 RAG（检索增强生成），采用 BM25 + 向量混合检索策略，并根据文档特点选择合适的切分方法（CodeSplitter、HTMLNodeParser、MarkdownNodeParser、RecursiveCharacterTextSplitter、SentenceSplitter、SemanticSplitterNodeParser），提升了 RAG 系统的检索质量;
开发 7 个核心工具与 skill：沙箱化 Shell 执行、Python REPL、URL 抓取、文件读写、知识检索、浏览器自动化、网络搜索;
设计文件系统即数据库的架构，所有记忆、会话、技能以人类可读的 Markdown/JSON 文件存储;
实时展示推理过程、工具调用、记忆读写，提供 ThoughtChain 组件展示 Agent 思考链。
基于 LangChain 框架构建 Agent 引擎，集成 DeepSeek/Qwen LLM 提供大语言模型能力,使用Anthropic Agent Skills 范式，通过拖入 Markdown 文件即可扩展 Agent 能力；
同时使用 LlamaIndex 实现 RAG（检索增强生成），采用 BM25 + 向量混合检索策略，并根据文档特点选择合适的切分方法（CodeSplitter、HTMLNodeParser、MarkdownNodeParser、RecursiveCharacterTextSplitter、SentenceSplitter、SemanticSplitterNodeParser），提升了 RAG 系统的检索质量;
开发 7 个核心工具与 skill：沙箱化 Shell 执行、Python REPL、URL 抓取、文件读写、知识检索、浏览器自动化、网络搜索;
设计文件系统即数据库的架构，所有记忆、会话、技能以人类可读的 Markdown/JSON 文件存储;
实时展示推理过程、工具调用、记忆读写，提供 ThoughtChain 组件展示 Agent 思考链。
评论