#项目简介

KnowAgenticRAG 是一个知识库、知识图谱与 Agent 开发平台，基于 LangGraph、React、FastAPI、Milvus 和 Neo4j 构建。平台提供智能体编排、知识检索、图谱检索、工具调用和文件系统能力。

#设计理念

项目遵循以下设计原则：

• 技术栈简洁：选择主流且成熟的技术，降低学习和维护成本
• MIT 开源协议：完全开源，允许自由使用和二次开发
• 容器化部署：通过 Docker Compose 管理，简化部署流程

#技术架构

#核心能力

ARS 在同一运行时中组合智能体开发、知识库/RAG 和知识图谱能力。

#1. 可配置的智能体开发

ARS 基于 LangGraph 运行 Agent。开发者可以为同一个 Agent 配置模型、提示词、工具、MCP、Skills、子智能体与中间件，并将模型调用编排为业务流程。

Agent 配置决定模型调用工具、访问知识、接入文件系统和调用子智能体的方式。

#2. 知识库与 RAG 一体化能力

ARS 提供覆盖上传、解析、分块、向量化、检索配置和评估的知识入库链路。处理完成的文档成为 Agent 可直接调用的知识来源。

知识库支持 PDF、Office、Markdown 和图片等文档。检索结果包含命中文本及来源标识，Agent 可以按 file_id 继续打开或定位原文。

#3. 知识图谱检索与展示

知识图谱与 Milvus 知识库入库链路联动。系统从已入库 chunks 中抽取实体和关系，将图数据写入 Neo4j 与 PostgreSQL，并为唯一实体和三元组建立 Milvus 语义索引。检索阶段召回图谱实体与三元组，通过 RRF 与 chunk 命中结果融合；知识库详情页同时提供子图展示与检索。

#4. 文档处理与平台管理

ARS 集成 MinerU、PP-Structure-V3、RapidOCR、DeepSeek OCR 等解析能力，处理 PDF、Office、Markdown 和图片等常见格式。

平台同时提供以下管理能力：

• 部门与权限管理
• 内容审查与守卫能力
• 文件管理与任务管理
• Docker Compose 部署与热重载开发

#适用场景

ARS 适用于以下场景：

• 企业知识库：构建私有知识问答系统
• 智能客服：基于文档的自动问答
• 知识管理：文档自动解析、分类、构建图谱
• AI 应用开发：组合模型、工具和知识库，验证大模型应用流程

#下一步

• 快速开始：阅读 快速开始指南
• 模型配置：阅读 模型配置
• 知识库使用：阅读 知识库与知识图谱
• 智能体开发：阅读 智能体开发