项目描述：面向企业内部知识问答、文档检索和知识沉淀场景，基于 Python + FastAPI 构建企业级 RAG 知识库系统，重点实现文档上传、异步解析入库、结构化解析、Chunk 切分、Embedding 向量化、Hybrid Search、Rerank、权限过滤和引用式问答等核心能力。系统通过上传与入库解耦、文档状态机、失败重试、结构化切片和检索增强，解决企业文档接入不稳定、知识检索不准确、回答不可追溯和多租户权限隔离等问题。

• 1. 设计独立文件上传模块，将文件上传与文档解析、切片、向量入库解耦，支持单文件、批量文件、大文件分片、断点续传、上传进度、上传取消和重复文件识别，提升复杂文档接入稳定性。
• 2. 实现上传入口安全校验与对象存储机制，覆盖文件大小、后缀白名单、MIME 类型、文件头、hash、用户权限、知识库状态、租户归属和容量限制等校验，原始文件存储至对象存储，数据库仅登记文件元数据。
• 3. 设计异步文档入库任务模块，将解析、切片、Embedding 和 Qdrant 入库从上传请求中拆分出来，通过异步任务处理，并结合文档状态机、失败重试、断点恢复和幂等控制提升入库链路可靠性。
• 4. 升级文档解析模块为结构化解析链路，统一输出 Markdown 与 JSON blocks，保留标题层级、段落顺序、页码、表格结构、代码块、公式、章节路径、来源位置和阅读顺序等信息，并通过 source mapping 支撑引用定位。
• 5. 设计结构化 Chunk 切分与 Parent-Child 机制，优先按标题和段落切分，表格、图片说明、代码块整体保留，超长内容按 token 二次切分并保留 overlap；使用 child chunk 提升召回精度，使用 parent chunk 提升上下文完整性。
• 6. 完善 Chunk 元数据模型，记录 chunk_id、doc_id、kb_id、tenant_id、section_path、page_start、page_end、token_count、chunk_type、parent_chunk_id 等信息，为权限过滤、引用返回、Trace 排查和索引重建提供基础。
• 7. 实现 Hybrid Search、Rerank 和权限过滤链路，结合向量语义召回与关键词召回进行多路检索，通过 Rerank 对候选 chunk 二次排序，并基于 tenant_id、kb_id、doc_id 和用户权限进行过滤，满足企业多租户知识隔离场景。
• 8. 设计文档索引重建与删除清理流程，支持文档重新入库时旧 chunk、旧 vector 和旧 metadata 清理，并在文档删除时同步清理对象存储、数据库记录和 Qdrant 向量索引，保证知识库内容与检索索引一致。
• 9. 实现引用式 RAG 问答与无上下文兜底策略，支持多路召回、权限过滤、Rerank、上下文组装、Prompt 构造和大模型回答生成，返回来源文档、章节路径、页码、chunk 信息和相关性分数，降低幻觉风险。

项目成果：

• 1. 完成从文件上传、异步解析、结构化切片、向量入库、检索增强到引用式问答的企业级 RAG 闭环。
• 2. 通过上传解耦、异步任务、状态机、失败重试和幂等控制，提升复杂文档入库链路稳定性。
• 3. 通过结构化解析、source mapping、标题路径注入和 Parent-Child Chunk，提升检索准确性、上下文完整性和回答可追溯性。
• 4. 已实现 Hybrid Search、Rerank 和权限过滤，增强关键词、编号、表格字段、专有名词和多租户权限隔离场景下的检索效果。

技术栈：Python / FastAPI / LangChain / OpenAI-Compatible API / sentence-transformers / Chroma / Qdrant / SQLAlchemy / SQLite / RAG / Embedding / OpenTelemetry

项目描述： 设计并实现一个通用任务型 Agent Runtime，面向代码分析、文档生成、Bug 排查、运维巡检等多类任务场景，支持用户目标理解、任务拆解、工具注册、执行状态追踪、多步骤任务调度、人工确认、审计日志和插件化 Skill 扩展。系统通过“目标理解 - 任务规划 - 工具选择 - 步骤执行 - 结果观察 - 反思修正 - 状态记录 - 结果输出”的执行链路，提升复杂任务的可执行性、可恢复性和可解释性。

• 1. 设计通用 Agent Runtime 架构，将用户目标、任务计划、工具调用、执行步骤、观察结果、人工确认和最终输出进行统一抽象，支持多步骤任务的状态化执行。
• 2. 重点实现任务拆解 Planner 模块，围绕 Intent Router、Context Collector、Tool-Aware Planner、Plan Validator、Risk Classifier、Dependency Resolver、Execution Plan 和 Replanner 构建可验证、可执行、可恢复、可审批、可解释的规划流程。
• 3. 设计工具注册与 Tool Calling 机制，将文件操作、代码分析、文档生成、命令执行、知识检索、运维查询等能力抽象为标准工具，支持 Agent 根据任务目标和上下文选择合适工具完成执行步骤。
• 4. 实现执行状态追踪能力，记录任务状态、步骤状态、工具调用参数、执行结果、失败原因和中间观察结果，为任务恢复、失败重试、问题排查和过程回放提供基础。
• 5. 设计人工确认与风险控制机制，对命令执行、文件修改、环境操作等高风险步骤进行风险分类和人工确认，避免 Agent 在未授权情况下直接执行危险操作。
• 6. 实现插件化 Skill 扩展机制，将代码分析、Bug 排查、文档生成、运维巡检等场景能力封装为可扩展 Skill，降低新增任务类型的接入成本。
• 7. 提供前后端基础工程结构，后端基于 FastAPI 提供 Agent 任务、工具、执行状态和审计接口，前端支持任务提交、执行过程查看、人工确认和结果展示。

项目成果：

• 1. 完成 AgentWorks 通用任务型 Agent Runtime 原型，打通从用户目标输入、任务拆解、工具调用、多步骤执行、状态记录到结果输出的核心闭环。
• 2. 构建高标准 Planner 流程，支持任务计划校验、风险分类、依赖解析和失败后的 Replanner，为复杂任务的可靠执行提供基础。
• 3. 通过工具注册、状态追踪、人工确认和审计日志机制，提升 Agent 执行过程的可控性、可恢复性和可解释性。

技术栈： Python / FastAPI / Agent Runtime / Planner / Tool Calling / Skill Plugin / SQLAlchemy / SQLite / React / REST API

项目描述：面向 Shopee、TikTok、速卖通等跨境平台，构建订单、商品、物流、库存、财务等一体化 ERP 系统，支撑多租户、多平台、高频 API 同步场景。

• 1. 基于 Spring Cloud Alibaba + Dubbo 构建微服务架构，集成 Nacos 实现配置管理与服务治理，支撑多平台订单、库存、物流等核心业务统一管理。
• 2. 设计多租户权限体系，实现租户逻辑隔离、动态权限控制、组织架构授权与接口级访问控制，提升系统扩展性与安全性。
• 3. 负责 Shopee、TikTok、速卖通等平台 API 对接，基于 MQ、Redis、限流与异步任务机制优化高频接口同步、失败重试和数据延迟问题。
• 4. 设计“实时消费 + 离线补偿 + 人工回放”闭环机制，结合 XXL-Job、分布式锁与状态机保障订单、库存、售后等数据最终一致性。
• 5. 基于 PostgreSQL 分区与 Elasticsearch 索引优化大规模业务数据查询，提升订单日志、商品数据和库存流水等场景的检索效率。
• 6. 基于 Flowable 实现复杂业务流程编排，支持订单审批、异常处理、数据留痕等标准化流程。

项目成果：核心接口响应降低 40%，并发处理能力提升 3 倍以上，核心链路可用性提升至 99.99%，有效降低订单同步丢失和高延迟问题。

项目描述：面向多服务器智能运维场景，基于 Go 构建 Center Server 与 Agent Client 分离的运维 Agent 系统。Agent Client 部署在目标服务器，负责本机资源和进程状态采集以及受控动作执行；Center Server 负责 Agent 注册与心跳管理、多节点巡检、异常检测、记忆召回、LLM 决策、规则审批、人工审批、动作下发和全链路审计，形成“状态感知—异常检测—智能分析—安全审批—远程执行—结果审计”的完整闭环。

• 1. 设计 Center Server 与 Agent Client 分离架构，实现 Agent 注册、周期心跳、在线状态维护、多服务器巡检及节点故障隔离；客户端兼容 Windows 和 Linux，统一采集 CPU、内存、磁盘及 Top 进程信息。
• 2. 构建CPU、内存、磁盘阈值及未知进程突增检测能力，并通过连续触发和冷却抑制机制，降低瞬时资源波动和持续异常导致的重复告警。
• 3. 设计 Observer、Knowledge、Planner、Policy、Executor 五阶段处理链路，接入 Ollama 和 DeepSeek 生成结构化处置建议，并在模型超时、不可用或输出非法时降级为安全告警。 封装服务器运维查询工具，将主机指标查询、日志查询、进程查询、服务状态查询、磁盘检查、网络连通性检查等能力封装为可控工具，由中心服务端根据 host_id 调度对应 Agent Client 获取实时运行上下文。
• 4. 实现短期记忆与语义记忆召回，支持内存、Redis、Qdrant、Ollama Embedding 及 Hash Embedding 降级，为异常分析补充历史故障经验和运维知识。
• 5. 设计 LLM 决策与真实执行隔离机制，通过动作类型、目标进程、系统进程保护、白名单、黑名单、模型置信度和人工确认等规则复核候选动作；人工审批通过后仍进行二次安全校验。
• 6. 实现 noop、alert、kill_process 和受控命令模板执行，高风险能力默认关闭；记录异常、模型建议、审批和执行结果，并提供 Dashboard、处理时间线、审计日志及 Prometheus 指标。

项目成果：

• 1. 完成多服务器智能运维 Agent 核心闭环，实现从 Agent 注册、状态采集、异常检测、记忆召回、LLM 分析，到规则审批、人工审批、远程执行和审计记录的完整流程。
• 2. 通过 Center Server 统一编排多个 Agent Client，实现多服务器在线状态管理、周期巡检和故障隔离，单个节点离线或请求失败不影响其他服务器继续处理。
• 3.通过结构化模型输出、故障降级、规则审批、人工审批、审批后二次校验和高风险能力默认关闭，建立 LLM 决策与真实服务器操作之间的安全边界。
• 4. 通过短期记忆、语义记忆和全链路审计，为异常分析提供历史上下文，并支持处理过程回放、安全追踪和后续策略优化。

项目预览：点击预览

技术栈： Go / Center Server / Agent Client / LLM Agent / Ollama / DeepSeek / Redis / Qdrant / SQLite / MySQL / PostgreSQL / Prometheus / REST API