Synapse Studio

一个面向企业知识场景的多智能体 RAG 平台。项目提供完整前后端骨架，支持知识库接入、任务分解、Agent 协作、检索增强生成、运行监控和可扩展的工作流编排。

项目主题

Synapse Studio 聚焦“企业知识运营与复杂任务协作”。一个用户请求会被拆分为多个协作智能体处理：

• Coordinator Agent 负责目标解析、任务分发和结果汇总
• Research Agent 负责知识检索和证据整理
• Planner Agent 负责产出执行计划和风险提示
• Writer Agent 负责生成最终交付内容
• Reviewer Agent 负责质量检查和置信度评估

RAG 层支持知识源接入、文档切片、向量检索抽象和上下文拼装。当前默认使用内存检索器，后续可平滑切换到 Milvus、Qdrant、pgvector 或任意 Embedding 服务。

技术栈

• 前端：Next.js 15、React 19、TypeScript、CSS Modules
• 后端：FastAPI、Pydantic、Uvicorn
• 编排：可扩展的多智能体工作流服务
• RAG：文档切片、关键词检索、上下文组装、来源追踪
• 工程结构：Monorepo

目录结构

.
├─ apps
│  ├─ api
│  │  ├─ app
│  │  │  ├─ api
│  │  │  ├─ services
│  │  │  └─ main.py
│  │  ├─ tests
│  │  └─ pyproject.toml
│  └─ web
│     ├─ app
│     ├─ components
│     ├─ lib
│     └─ package.json
├─ packages
│  └─ shared
└─ docker-compose.yml

核心能力

• 多智能体协作任务流
• 企业知识库 RAG 检索
• 会话工作台与执行状态可视化
• 任务结果、证据来源、风险提示统一展示
• 可替换的 LLM、Embedding、向量库接口层
• SQLite 持久化会话、消息、任务历史与知识源
• Demo 数据与样例任务，便于二次开发

快速启动

1. 配置环境变量

复制 .env.example 并按需调整：

cp .env.example .env

2. 启动后端

cd apps/api
python -m venv .venv
.venv\Scripts\activate
pip install -e .[dev]
uvicorn app.main:app --reload --port 8000

3. 启动前端

cd apps/web
npm install
npm run dev

前端默认运行在 http://localhost:3000，后端默认运行在 http://localhost:8000。

后端接口

• GET /health 健康检查
• GET /api/v1/agents 获取 Agent 列表
• GET /api/v1/knowledge/sources 获取知识源
• POST /api/v1/knowledge/ingest 接入知识文档并执行切片
• POST /api/v1/tasks/demo 运行演示任务
• POST /api/v1/chat/run 执行多智能体协作
• POST /api/v1/chat/stream 以 SSE 流式执行任务
• POST /api/v1/sessions 创建工作会话
• GET /api/v1/sessions 获取会话列表
• GET /api/v1/sessions/{sessionId} 获取会话消息与历史
• GET /api/v1/tasks/history 获取任务历史
• GET /api/v1/tasks/{taskId} 获取任务完整详情
• GET /api/v1/platform/stats 获取平台统计
• GET /api/v1/platform/runtime 获取模型运行时配置

新增工作台能力

• 独立的 /workspace 控制台页面
• 会话与任务历史视图
• 文档接入与切片 API
• 运行统计聚合接口
• LLM provider 抽象层，便于替换 mock 实现
• OpenAI-compatible 实时模型接入
• 按“创建会话 -> 接入知识 -> 运行任务”的清晰操作流

真实模型配置

当前后端默认预留的是 DeepSeek 官方兼容接口，目标模型为 deepseek-v4-flash。你只需要填入 API Key 即可切换到真实生成；如果不填，则自动回退到本地 mock 模式。

.env 最少需要这些配置：

LLM_PROVIDER=deepseek
LLM_MODEL=deepseek-v4-flash
LLM_API_KEY=your_api_key
LLM_BASE_URL=https://api.deepseek.com
LLM_TIMEOUT_SECONDS=45
LLM_TEMPERATURE=0.3
LLM_MAX_TOKENS=4096
LLM_THINKING_ENABLED=false
SQLITE_PATH=项目根目录/data/synapse.db

说明：

• POST /api/v1/chat/stream 现在会按事件推送 step、citations、delta、risks、follow_ups、result、done
• SQLite 默认会把 session、message、task history 和 ingest 的知识源写到 data/synapse.db
• 重启后端后，这些数据仍然保留
• Recent Activity 现在支持点击回放历史任务详情

如果你之前已经创建过后端虚拟环境，新增依赖后需要重新安装一次：

cd apps/api
.\.venv\Scripts\python.exe -m pip install -e .[dev]

适合继续扩展的方向

• 接入 DeepSeek 之外的多供应商路由
• 使用 Celery、Temporal 或 LangGraph 实现异步长任务
• 增加知识文档上传、切片和索引持久化
• 增加多租户、权限系统和审计日志
• 接入评测集，做 RAG 命中率和 Agent 质量评估

质量文档

• 自我审查报告：docs/self-review.md
• 完整测试用例：docs/test-cases.md
• GitHub 推送方案：docs/github-publish.md

当前实现说明

为了保证项目可直接理解与扩展，当前实现优先落下“高质量骨架 + 可运行样例服务 + 完整前端控制台”。智能体逻辑使用本地规则和模拟输出实现，可在服务层替换为真实模型调用。