返回作品集

AI 私人助理系统

基于 LangChain + FastAPI 搭建的智能助理系统,具备知识库检索、工具调用、代码解释器与多轮对话能力, 通过硅基流动 API 接入大模型,结合 RAG 混合检索技术实现高效精准的智能问答。

AI LLM RAG Agent MCP
Python LangChain FastAPI FAISS 硅基流动 API Streamlit CodeBox MCP
📈
+15%
中文场景召回率提升
🔧
8
种工具集成
端到端
AI 助理系统
🔌
MCP
标准化扩展协议
系统架构图
硅基流动 API
Qwen2.5-72B
LangChain Agent
ReAct 范式
FastAPI 后端
RESTful 服务
Streamlit 前端
对话界面
📚
RAG 知识库
FAISS + BM25 混合检索
🔒
CodeBox 沙箱
Python 代码安全执行
🔗
MCP 工具链
标准化 Agent 扩展

⚙️ 核心功能

  • 通过硅基流动 API 接入 Qwen2.5-72B-Instruct 大模型,完成推理参数调优
  • 基于 LangChain 构建 ReAct 范式 Agent,集成天气查询、网络搜索、知识库检索、代码解释器
  • 使用 FastAPI 搭建 RESTful 后端服务,实现对话接口与知识库管理
  • 自定义异步回调处理器,实现 LLM 推理结果的流式输出
  • 集成 CodeBox 沙箱实现代码解释器功能,支持 Python 安全执行与图片渲染
  • 基于 MCP 扩展 Agent 工具链,实现标准化工具接入

🧠 技术突破

  • FAISS + BM25 混合检索策略,中文场景召回准确率提升约 15%
  • 实现 RAG 知识库模块:支持 PDF / TXT / CSV / MD / DOCX 多格式文档加载
  • 灵活的文本分割策略 + FAISS 向量存储与语义检索
  • 完整的 Agent 工具调用链路:从意图识别→工具选择→参数填充→结果解析
  • 多工具组合编排能力,单一对话中可依次调用多个外部工具
  • MCP 协议落地实践,具备 Agent 工具链标准化扩展能力
🐍
Python
主编程语言
🔗
LangChain
Agent 框架
FastAPI
RESTful 后端
🗂️
FAISS
向量检索
🌐
硅基流动 API
大模型推理
🖥️
Streamlit
前端界面
📦
CodeBox
沙箱执行
🔌
MCP
工具协议

🏆 项目成果

🎯
端到端 AI 助理
成功搭建从模型接入、知识检索到对话交互的完整 AI 助理系统
🧩
全栈技术掌握
覆盖大模型应用开发完整技术栈:LLM → Agent → RAG → 后端 → 前端
混合检索调优
积累了 FAISS 向量数据库使用经验和 FAISS+BM25 混合检索优化实践
查看 GitHub 仓库