langgraph-mes-business-agent产品系统

聚焦制造业 MES 场景，把 8D 报告、SPC 规范、工艺手册等文档查询，从“人工翻找”升级为“智能问答”。

自然语言问答 用户用中文提问，Agent 自动理解意图 不用学关键词检索语法
2. 任务拆解与规划 Planner 把问题拆成 2-4 个粗粒度子任务 复杂问题分步解决，不遗漏
3. RAG 知识库检索 基于 BGE + Chroma 检索本地 MES 规范文档 回答有依据，不瞎编
4. 联网搜索（HITL） 本地知识不足时，人工确认后联网补充 兼顾知识广度与安全
5. 反思重规划 Reflect 节点评估答案质量，不达标就重跑 输出更可靠
6. 结构化报告输出 Summary 节点生成完整分析报告 直接可用，不用二次整理

全部由我独立完成：
> - 架构设计：六节点工作流（Planner → Tool Decide → Tool Exec → Task Execute → Reflect → Summary）
> - RAG 实现：文档切分、BGE 向量化、Chroma 检索、metadata 修复
> - 双层拒答：Planner 层领域判断 + Task Execute 层短路返回
> - Eval 体系：20 个测试用例、LLM-as-Judge 双维度评分、LangSmith 版本对比
> - 安全兜底：循环上限、HITL、异常降级、JSON 解析兜底、上下文截断
> - 成本优化：拒答短路、过滤模式、Reflection 收敛
> - 工程化：Git 版本管理、.env 隔离、README 实验报告

---

## 2. 项目使用了哪些技术栈、架构，实现上亮点、难点？

**技术栈**：
LangGraph + LangChain + DeepSeek + BGE + Chroma + Tavily + LangSmith

**架构**：
LangGraph 状态图，六节点线性 + 条件循环，状态通过 AgentState 字典传递。

**实现亮点**：
- 双层拒答：非 MES 问题直接短路，Token 降 95%
- 完整 Eval：20 用例，answer 0.92 / RAG 0.61
- 6 层安全兜底：循环上限 / HITL / 异常降级 / JSON 兜底 / 上下文截断
- 成本控制：单次全量 1.2 元，综合省 70%