AceResearch 研思

基于 LangGraph 多 Agent 协作的深度研究平台

AceResearch 是一个基于大语言模型的智能研究平台，通过多个 AI Agent 协作自动完成从规划、搜索到撰写报告的全流程深度研究。同时支持智能对话、联网搜索、个人知识库 RAG 问答等多种交互模式。

核心特性

多 Agent 协作 — Planner、Researcher、Analyst、Writer、Reviewer 五个 Agent 自动完成深度研究
研究流水线 — 主题规划 → 并行搜索 → 综合分析 → 报告撰写 → 质量审查（最多 2 次重写），全流程自动化
RAG 知识库 — 上传 Markdown 文档，语义分块 + 向量检索 + 重排序，精准文档问答
流式对话 — SSE 实时推送，用户即时看到 AI 回复内容
独立记忆 — 闲聊和知识库对话各自拥有独立记忆，知识库模式每轮独立检索无历史污染
Token 安全 — Redis 白名单机制，logout 后 Token 立即失效
查询缓存 — RAG 相同查询 10 分钟内直接返回缓存结果，减少 API 调用

快速开始

前置条件

Python 3.11+
Node.js 18+
MySQL 8.0+
Redis 7+
DeepSeek API Key
Tavily API Key
阿里云百炼 API Key（知识库需要）

安装 Redis

docker run -d --name redis -p 6379:6379 redis:7-alpine

后端安装

cd backend
python -m venv .venv

# Windows
.venv\Scripts\activate
# macOS/Linux
source .venv/bin/activate

pip install -r ../requirements.txt

前端安装

cd frontend
npm install

配置环境变量

在 backend/ 目录下创建 .env 文件：

# 数据库
DB_HOST=localhost
DB_PORT=3306
DB_USER=root
DB_PASSWORD=your_password
DB_NAME=smart_research

# JWT
SECRET_KEY=your-secret-key
ACCESS_TOKEN_EXPIRE_MINUTES=30
REFRESH_TOKEN_EXPIRE_DAYS=7

# Redis
REDIS_URL=redis://localhost:6379/0

# DeepSeek
DEEPSEEK_API_KEY=your-deepseek-api-key

# Tavily（联网搜索）
TAVILY_API_KEY=your-tavily-api-key

# 嵌入 + 重排序（阿里云百炼，知识库需要）
EMBEDDING_API_KEY=sk-ws-xxx
RERANK_WORKSPACE_ID=llm-xxx
RERANK_MODEL=qwen3-rerank
RERANK_TOP_N=3

# 和风天气（可选）
QWEATHER_API_HOST=p86apyurp3.re.qweatherapi.com
QWEATHER_API_KEY=your-qweather-key

创建数据库

CREATE DATABASE smart_research CHARACTER SET utf8mb4;

启动服务

后端（自动创建数据库表）：

cd backend
uvicorn main:app --reload --port 8000

前端（开发模式）：

cd frontend
npm run dev

访问 http://localhost:5173 即可使用。

生产部署

cd frontend && npm run build

后端自动托管 frontend/dist/ 静态文件，访问 http://localhost:8000 即可。

功能概览

功能	说明
闲聊模式	DeepSeek + Tool Calling（联网搜索、天气、时间）
研究模式	五 Agent 协作，主题规划 → 搜索 → 分析 → 撰写 → 审查
知识库 RAG	Markdown 文档上传，语义分块 + 向量召回(10) + 重排序(3)
实时进度	WebSocket 推送研究进度，可视化每个 Agent 工作状态
Token 管理	Redis 白名单，logout 后 Token 立即失效
查询缓存	User 缓存 + RAG 查询缓存，减少 DB 和 API 调用

系统架构

┌───────────────────────────────────────────────────────┐
│                   前端 (Vue 3 + Vite)                    │
│       Tailwind CSS 4 + DaisyUI 5 + Pinia               │
├───────────────────────────────────────────────────────┤
│              SSE / WebSocket / REST                    │
├───────────────────────────────────────────────────────┤
│                  后端 (FastAPI)                          │
├────────────┬────────────────┬──────────────────────────┤
│  闲聊模式   │    研究模式      │     知识库 RAG           │
│ ChatGraph  │ Planning + Exec │  ChatGraph (KB Tools)   │
│ + ReAct    │   Workflow      │  + 语义分块 + 重排序      │
├────────────┴────────────────┴──────────────────────────┤
│               LangGraph (Agent 编排)                    │
├──────────────────────┬────────────────────────────────┤
│   MySQL (ORM)        │  ChromaDB (向量)  │  Redis (缓存) │
└──────────────────────┴───────────────────┴──────────────┘

技术栈

层级	技术
后端框架	FastAPI + Uvicorn
AI 编排	LangGraph + LangChain
LLM	DeepSeek (OpenAI 兼容接口)
向量数据库	ChromaDB
嵌入模型	阿里云百炼 text-embedding-v4 (1024 维)
重排序	阿里云百炼 qwen3-rerank (DashScope 标准 API)
数据库	MySQL + SQLAlchemy 2.0
缓存	Redis (Token 白名单 / User 缓存 / RAG 缓存)
搜索引擎	Tavily Search API
前端	Vue 3 + Vite + Pinia + Tailwind CSS 4 + DaisyUI 5
认证	JWT + BCrypt + Redis 黑名单

知识库 RAG

文档管理

仅支持 Markdown (.md) 文件上传
每用户最多 3 份文档，每份不超过 5MB
上传后异步解析 → 语义分块 → 向量化 → 存入 ChromaDB

语义分块

按 ## / ### Markdown 标题边界拆分文档，保持 # 文档标题作为上下文前缀附加到每个 chunk。超长 section 回退到 RecursiveCharacterTextSplitter 兜底，相邻短 section 自动合并避免碎片化。

检索流程

用户提问
  → 查询缓存 (Redis, TTL 10min) → 命中直接返回
  → Embedding 向量召回 10 条候选
  → qwen3-rerank 重排序 → 返回 Top-3
  → 写入缓存
  → 返回格式化文本

文档上传/删除时自动清空该用户的 RAG 缓存。

对话策略

知识库模式每轮独立检索，不拼接历史消息到上下文，避免 LLM 依赖上一轮的检索结果而跳过搜索。

评测

# RAG 检索准确率（Recall@3 / MRR）
cd backend && python -m backend.tests.ace_research_eval

# 完整评测（RAG 30 条 + 报告重写率 7 篇）
cd backend && python -m backend.tests.ace_eval_full

研究模式流程

用户提交主题
  → Planner 生成大纲 + 子任务
  → 用户确认/修改方案（WebSocket 推送）
  → Researcher 并行搜索资料（Tavily）
  → Analyst 综合分析结果
  → Writer 撰写报告
  → Reviewer 质量评估（最多重写 2 次）
  → Summarizer 生成摘要
  → 报告保存到"我的报告"

Redis 缓存设计

功能	Key	TTL	说明
Token 白名单	`token:{jti}`	与 JWT 一致	logout 时删除，实现主动吊销
User 缓存	`user:{id}`	5 分钟	避免每次请求 `SELECT` users
RAG 查询	`rag:{uid}:{md5}`	10 分钟	相同问题直接返回，省 embedding + rerank

项目结构

AceResearch/
├── backend/
│   ├── main.py                   # FastAPI 入口，路由注册
│   ├── agents/
│   │   ├── chat/                 # 闲聊/知识库 Agent (ChatGraph + ReAct)
│   │   ├── research/             # 研究 Agent (Planner/Researcher/Analyst/Writer/Reviewer)
│   │   └── memory/               # 记忆提取 Agent
│   ├── services/
│   │   ├── chat/                 # 对话服务 (SSE 流式)
│   │   ├── research/             # 研究任务调度
│   │   ├── knowledge_base/       # 文档上传、语义分块、RAG 检索
│   │   └── user/                 # 用户服务
│   ├── routers/                  # FastAPI 路由 (REST + WebSocket)
│   ├── models/                   # SQLAlchemy ORM 模型
│   ├── schemas/                  # Pydantic Schema
│   ├── config/                   # 配置 (settings / agents / prompts / knowledge_base)
│   ├── utils/                    # 工具 (auth / ws_manager / redis)
│   └── tests/                    # 评测脚本
├── frontend/
│   └── src/
│       ├── views/                # 页面 (聊天 / 知识库 / 报告 / 用户)
│       ├── stores/               # Pinia 状态管理
│       ├── components/           # 通用组件
│       ├── router/               # 路由配置
│       └── js/                   # HTTP 客户端
├── requirements.txt
└── README.md

API 路由

认证

方法	路径	说明
POST	`/api/user/register`	注册
POST	`/api/user/login`	登录，签发 JWT 并写入 Redis 白名单
POST	`/api/user/logout`	注销，删除 Redis 中所有 Token
POST	`/api/user/refresh`	刷新 Access Token
POST	`/api/user/reset-password`	重置密码
GET	`/api/user/me`	获取当前用户信息
PUT	`/api/user/profile`	更新个人资料（自动失效 User 缓存）
POST	`/api/user/avatar`	上传头像

对话

方法	路径	说明
GET	`/api/chat/conversations`	对话列表
DELETE	`/api/chat/conversations/{id}`	删除对话
GET	`/api/chat/conversations/{id}/messages`	消息历史
GET	`/api/chat/conversations/{id}/report`	获取研究报告
POST	`/api/chat/send`	发起研究（WebSocket 进度）
POST	`/api/chat/send/stream`	闲聊/知识库流式输出（SSE）

研究

方法	路径	说明
POST	`/api/chat/research/confirm`	确认方案，开始执行
POST	`/api/chat/research/revise`	修改方案，重新规划

知识库

方法	路径	说明
GET	`/api/kb/documents`	文档列表
GET	`/api/kb/documents/count`	文档数量
POST	`/api/kb/documents/upload`	上传文档（仅 .md）
DELETE	`/api/kb/documents/{id}`	删除文档（清空 RAG 缓存）

报告

方法	路径	说明
GET	`/api/reports/`	报告列表
GET	`/api/reports/{id}`	报告详情
DELETE	`/api/reports/{id}`	删除报告

WebSocket

路径	说明
`/ws/{conversation_id}?token=...`	研究进度实时推送

环境变量

变量	说明	默认值	必填
`DB_HOST`	MySQL 地址	`localhost`	是
`DB_PORT`	MySQL 端口	`3306`	是
`DB_USER`	MySQL 用户名	`root`	是
`DB_PASSWORD`	MySQL 密码	-	是
`DB_NAME`	数据库名	`smart_research`	是
`SECRET_KEY`	JWT 密钥	-	是
`ACCESS_TOKEN_EXPIRE_MINUTES`	Token 过期（分钟）	`30`	否
`REFRESH_TOKEN_EXPIRE_DAYS`	Refresh Token 过期（天）	`7`	否
`REDIS_URL`	Redis 连接地址	`redis://localhost:6379/0`	是
`DEEPSEEK_API_KEY`	DeepSeek API Key	-	是
`DEEPSEEK_BASE_URL`	DeepSeek API 地址	`https://api.deepseek.com/v1`	否
`DEEPSEEK_MODEL`	模型名	`deepseek-v4-flash`	否
`DEEPSEEK_MAX_TOKENS`	最大输出 Token	`8192`	否
`TAVILY_API_KEY`	Tavily 搜索 Key	-	是
`EMBEDDING_API_KEY`	百炼 API Key	-	知识库需要
`RERANK_WORKSPACE_ID`	百炼 Workspace ID	-	知识库需要
`RERANK_MODEL`	重排序模型	`qwen3-rerank`	否
`RERANK_TOP_N`	重排序返回条数	`3`	否
`CHUNK_SIZE`	分块大小（字符）	`800`	否
`CHUNK_OVERLAP`	分块重叠（字符）	`100`	否
`RECALL_K`	向量召回条数	`10`	否
`MAX_DOCUMENTS_PER_USER`	每用户文档上限	`3`	否
`MAX_FILE_SIZE_MB`	上传文件上限（MB）	`5`	否
`QWEATHER_API_HOST`	和风天气 Host	-	否
`QWEATHER_API_KEY`	和风天气 Key	-	否

数据模型

MySQL

表	说明	关键字段
`users`	用户	id, username, email, password_hash, photo, memory, kb_memory
`conversations`	对话	id, user_id, title, mode (chat/research/knowledge)
`messages`	消息	id, conversation_id, role, content, msg_type
`reports`	报告	id, conversation_id, title, content, status, reviewer_rewrite_count
`knowledge_documents`	文档	id, user_id, title, file_type, chunk_count, status
`agent_prompts`	提示词	id, mode, stage, content

ChromaDB

每个用户独立 collection（user_{id}_kb），存储文档语义分块的 1024 维向量，支持 top-k 检索 + 重排序。

许可证

MIT License

Name		Name	Last commit message	Last commit date
Latest commit History 68 Commits
backend		backend
frontend		frontend
.gitignore		.gitignore
README.md		README.md
agent_prompt.sql		agent_prompt.sql
deploy.sh		deploy.sh
requirements.txt		requirements.txt
sql.txt		sql.txt
test_doc.md		test_doc.md

Folders and files

Latest commit

History

Repository files navigation