【更新日志】1、实现 skill 技能加载并可在 ymal 中配置全局和项目 skill 路径2、增加知识库与知识图谱库的自定义重构3、历史记忆管理更新4、RAG、Agent 等异常处理【系统介绍】TaiXu-Admin 是 AI 技术集成的智能技术系统后端用 Python 编写实现前端用 React 开发交互页面涉及到的大模型技术有 LLM 对话、RAG 和 Agent 等大模型应用框架组件有 LangChain 和 LangGraph支持 RAG 模式、Agent 模式、Prompt 工程、工具调用、记忆管理等功能引入了对话式交互、知识检索增强生成RAG、多智能体协同Agent等 AI 能力。【软件架构】TaiXu-Admin 采用 前后端分离 模块化分层 的架构风格确保系统高内聚、低耦合便于功能迭代。后端框架采用 Python 作为核心开发语言基于轻量高效且灵活的 Flask Web 框架构建 RESTful API 服务。AI 应用框架集成 LangChain 与 LangGraph分别用于构建模块化的大模型应用流水线和复杂状态驱动的多智能体协作流程。那么RAG 模式和 Agent 模式具体有哪些类型呢RAG 模式文档检索NativeRAG (原生 RAG)、MultiQuery (多问题)、RAGFusion (检索融合)、SubQuestion (子问题)、HYDE (假设提问)、RoutingLogic (逻辑路由)、RoutingSemantic (语义路由)、MultiQueryConstruction (查询重构)、MultiRepresentation (多重表示)、RAPTOR (层级索引)智能检索Corrective (纠错型)、SelfCheck (反思型)、Adaptive (自适应型)特殊检索GraphRAG (知识图谱)、KeyWord (关键字 BM25)、HybridRAG (混合检索)、KMean (K 均值聚类)、MMRRAG (最大边际相关)。Agent 模式智能问答ReAct (推理行动)、ReWOO (无观察推理)、PlanExecute (规划执行)、LLMCompile (LLM 编译)、Reflection (反思型)、SelfDiscover (自发现)、Reflexion (反射型)、LATS (智能树搜索)多智能体Supervisor (监督型)、Collaboration (协作型)、Hierarchical (层级型)。前端技术栈使用 React 构建响应式用户界面结合 Umi蚂蚁集团开源的企业级前端应用框架进行工程化管理并依托 Ant Design 组件库提供一致、美观、高效的交互体验。数据基础设施* 向量数据库选用高性能、云原生的 Qdrant用于存储和检索文本嵌入Embeddings支撑 RAG 场景下的语义相似性搜索* 图数据库引入 Neo4j用于建模实体间复杂关系如用户 - 角色 - 资源权限拓扑、知识图谱等赋能关系推理与路径分析* 关系型数据库采用稳定可靠的 PostgreSQL 存储结构化业务数据如用户信息、操作日志、配置项等。【安装教程】1. taixu-system-web 安装依赖用 npm 或 yarn。2. taixu-system-service 安装依赖用 pip 或 poetry。3. 安装 Qdrant并根据 taixu-system-service/src/resources/application.yml 进行账号密码配置。4. 安装 Neo4j并根据 taixu-system-service/src/resources/application.yml 进行账号密码配置。5. 安装 PostgreSQL并手动执行 taixu-system-service/src/resources/database 下的 sql 脚本。注本地尝鲜体验可只执行 1、2 和 5 步骤即可演示不使用 Qdrant 和 Neo4j 的模块功能。【使用说明】按安装步骤即可启动项目直接访问页面 http://localhost:8000/账号admin密码admin。项目功能截图展示||||||||这样一个功能强大的 TaiXu-Admin V0.1.1在实际应用中还会有哪些表现呢