工程项目
ContextForge
面向工程知识、代码、日志、工具调用与可溯源回答的 Agentic RAG 后端。
RAG LangChain LangGraph FastAPI PostgreSQL/pgvector Agent Systems
问题背景
工程团队的知识分散在文档、代码仓库、日志、issue 与运维工具中。真正有用的助手需要检索、引用、流程控制与评估，而不仅是简单的 prompt 封装。
当前状态
设计骨架与实现里程碑版本。
我构建了什么
- 规划文档、代码与日志的摄取流程，包括切分与 embedding 边界。
- 设计检索与重排序流程，使回答能够返回引用来源。
- 准备 LangGraph 风格智能体骨架，用于工具调用、查询规划与回答生成。
架构 / 系统设计
- 01
文档 / 代码 / 日志
- 02
摄取
- 03
切分 / Embeddings
- 04
检索 / 重排序
- 05
LangGraph 风格智能体工作流
- 06
工具调用
- 07
带引用的有依据回答
技术亮点
- 区分检索、规划、工具执行与最终回答生成。
- 把引用与评估 hook 作为核心设计约束。
- 作品集版本避免依赖托管服务，保持后端设计说明的可移植性。
后续计划
- 加入一个可复现的小语料库，用于评估示例。
- 实现回答依据性与来源覆盖的质量测试。
- 记录上下文过期和问题歧义等失败模式。
技术栈
FastAPI LangChain LangGraph PostgreSQL pgvector Pydantic pytest
演示 / 截图
发布仓库前会加入一个小型工程知识演示语料库。
简历要点草稿
- 设计面向工程知识工作流的 Agentic RAG 后端，覆盖文档/代码摄取、检索、工具调用与带引用回答。
- 预留回答依据性、检索质量与工作流失败分析的评估 hook。