智能知识库问答系统，支持多种对话模式和知识库源，能够进行深度研究和多轮检索推理。

核心特性

• ✨ 多知识库支持 - CNB 知识库和 Wikipedia 动态切换
• 🔍 DeepResearch 模式 - 多轮迭代检索，生成综合研究报告
• 📚 引用溯源 - 完整的来源引用和跳转功能
• 💬 对话历史 - 会话管理和持久化
• 🚀 一键部署 - Docker Compose 快速启动

---

• 知识库切换: CNB 知识库 / Wikipedia 动态路由
• 引用来源: 带编号的引用角标 [1] [2]，可点击跳转
• 对话模式: RAG 模式 / GPT 模式 / DeepResearch 模式

• 多轮检索: 自动拆解问题，迭代式检索（最多 3 轮）
• 结构化报告: 综合多轮检索结果的研究报告
• 实时进度: 活动时间线显示每个研究步骤
• 多模型协作: 不同阶段使用不同模型优化性能

---

前端: React 19 + TypeScript + Vite + Tailwind CSS 后端: Python 3.11 + LangGraph + LangChain + FastAPI 知识库: CNB API + Wikipedia API 模型: Ollama (qwen2.5:7b, qwen2.5:3b) 基础设施: PostgreSQL + Redis + Docker Compose

---

🎯 开发者快速通道: 克隆仓库后运行 ./setup-dev.sh 一键配置开发环境！

# 1. 克隆仓库
git clone https://cnb.cool/stage1_basic/Andrew-project1.git
cd Andrew-project1

# 2. 设置环境变量
export LANGSMITH_API_KEY=your_langsmith_api_key
export CNB_TOKEN=your_cnb_token  # 可选

# 3. 启动服务
docker compose up

访问应用:

• 本地: http://localhost:8123/app/
• CNB: https://xxx-8123.cnb.run/app/

前置要求: Node.js 18+, Python 3.11+, Ollama

# 1. 安装 Ollama 和模型
brew install ollama
ollama serve
ollama pull qwen2.5:7b
ollama pull qwen2.5:3b

# 2. 配置环境变量
cd backend
cp .env.example .env
# 编辑 .env 文件，设置 LANGSMITH_API_KEY 等

# 3. 一键安装依赖 (推荐)
cd ..
./setup-dev.sh

# 或手动安装
python3 -m venv .venv && source .venv/bin/activate
cd backend && pip install . && cd ..
cd frontend && npm install --legacy-peer-deps && cd ..

# 4. 启动开发服务器
make dev

# 或分别启动
# 终端 1: cd backend && langgraph dev
# 终端 2: cd frontend && npm run dev

访问应用:

• 前端: http://localhost:5173/app
• 后端 API: http://localhost:2024
• LangGraph Studio: http://localhost:2024/studio

---

• 打开侧边栏
• 选择知识库: CNB Knowledge Base 或 Wikipedia
• 选择模式: RAG Mode (快速) / GPT Mode (最快) / DeepResearch Mode (深度)

RAG 模式示例:

• "What is LangGraph?"
• "How to use CNB knowledge base API?"

DeepResearch 模式示例:

• "What are the best practices for building RAG applications?"
• "Compare different approaches to implementing knowledge bases"

• 点击答案中的 [1] [2] 等角标跳转到原始文档
• 查看答案下方的完整来源列表

• 新建对话: 点击侧边栏的 New Chat 按钮
• 切换对话: 在对话列表中点击
• 删除对话: 点击对话右侧的删除图标

---

def route_to_workflow(state: AgentState) -> str:
    """根据模式路由到相应工作流"""
    if state.get("deep_research_mode"):
        return "deep_research"
    elif state.get("rag_enabled"):
        return "retrieve_knowledge"
    else:
        return "generate_answer"

def route_knowledge_base_query(query: str, kb_type: str, repository: str):
    """统一的知识库查询接口"""
    if kb_type == "cnb":
        return cnb_retrieval.query_knowledge_base(...)
    elif kb_type == "wikipedia":
        return wikipedia_retrieval.search_wikipedia(...)

阶段	模型	用途
Query 生成	qwen2.5:3b	快速生成搜索查询
Reflection	qwen2.5:7b	分析研究质量
Report 生成	qwen2.5:7b	生成高质量报告

---

模式	响应时间	适用场景
GPT Mode	1-3 秒	通用问题
RAG Mode	3-5 秒	特定文档问答
DeepResearch	20-40 秒	复杂综合问题

---

# 必需
LANGSMITH_API_KEY=lsv2_pt_xxx

# 可选
CNB_TOKEN=your_cnb_token
OLLAMA_BASE_URL=http://localhost:11434

1. 创建检索模块 backend/src/agent/new_kb_retrieval.py
2. 更新路由器 backend/src/agent/kb_router.py
3. 更新前端选项 frontend/src/components/Sidebar.tsx

cd backend
pytest tests/

---

project-1-knowledge-base/
├── backend/
│   ├── src/agent/
│   │   ├── graph.py                  # 主工作流
│   │   ├── deep_research_graph.py    # DeepResearch 工作流
│   │   ├── kb_router.py              # 知识库路由
│   │   └── app.py                    # FastAPI 入口
│   └── pyproject.toml
├── frontend/
│   ├── src/
│   │   ├── App.tsx
│   │   └── components/
│   └── package.json
├── docker-compose.yml
├── setup-dev.sh                      # 🚀 一键开发环境设置
└── README.md

---

📹 视频演示: 智能知识库问答系统完整演示

视频内容包含:

• ✅ 知识库切换演示 (CNB / Wikipedia)
• ✅ 引用来源功能展示
• ✅ DeepResearch 深度研究工作流
• ✅ 对话历史管理

---

• LangGraph 官方文档
• CNB 知识库 API
• DeepResearch 课程

---