本项目是基于 CNB 知识库 和 LangGraph 构建的 RAG（检索增强生成）应用。通过将文档上传到指定 Git 仓库，CNB 自动构建知识库并提供 API 接口，我们利用 LangGraph 编排工作流，实现了能够根据知识库内容进行精准问答的智能助手。

本项目旨在演示如何将 RAG 技术应用到真实场景中，解决大模型知识更新滞后和幻觉问题。

---

https://cnb.cool/WhitePeace.cool_223/project-1-knowledge-base

---

实现了灵活的知识库选择功能，用户可以根据需求切换不同的知识来源：

• 默认知识库：初始默认连接 cnb/docs，提供 CNB 官方文档的问答能力。
• 自定义知识库：用户可以在前端界面手动输入任意公开的 CNB 仓库路径（例如 WhitePeace.cool_223/project-1-knowledge-base），系统会即时切换检索源。
• 实时生效：切换知识库后，无需刷新页面，下一次提问将立即基于新仓库的内容进行检索。

为了增强回答的可信度，我们在界面上实现了精准的来源展示：

• 引用角标：在对话的时间轴（Timeline）中，检索到的每篇文档都会以角标（Badge）形式展示。
• 点击跳转：点击角标可直接跳转到 CNB 仓库中对应的 Markdown 源文件，方便用户查阅原始文档。
• 相关性得分：角标上显示了检索结果的匹配得分（Score），帮助用户判断引用的准确性。

后端采用了严谨的 RAG 逻辑：

• 检索优先：系统优先调用 CNB Open API 检索相关文档。
• 诚实回答：通过精心设计的 Prompt，强制 AI 仅基于检索到的上下文回答。如果知识库中没有相关信息，AI 会明确告知“根据已知信息无法回答”，杜绝幻觉。
• 稳健的错误处理：后端实现了完善的异常捕获机制，即使 Ollama 服务或网络出现波动，也能返回友好的错误提示，而不是直接崩溃。

• 前端：React + Vite + Tailwind CSS，实现了现代化的聊天界面和配置面板。
• 后端：Python + LangGraph，构建了 retrieve_knowledge -> generate_answer 的标准 RAG 工作流。
• 模型：支持本地运行的 Ollama (qwen3:32b) 或远程 API，结合 CNB 云原生环境的 GPU 资源实现高效推理。
• API：深度集成了 CNB Knowledge Base Open API，实现了文档切片、向量化和语义检索的自动化闭环。

---

演示视频链接: 功能演示.mp4

---

1. Fork 本仓库。
2. 在 CNB 平台上点击“云原生开发”启动环境。
3. 在终端运行启动脚本：

   ./start.sh
   

4. 点击 VS Code 端口转发面板中的 5173 端口链接，即可打开应用。

1. 进入应用：打开浏览器页面，看到欢迎界面。
2. 设置知识库：在输入框上方的 "Knowledge Base Repo" 中输入你想查询的仓库路径（例如 cnb/docs 或你自己的仓库）。
3. 提问：输入与该仓库文档相关的问题（例如 “如何配置流水线？”）。
4. 查看结果：AI 将基于文档回答，并在左侧时间轴中显示引用的文档来源。

---

• CNB 知识库 API 文档
• LangGraph 官方文档