📝

基于大模型的智能知识库与知识图谱智能体开发平台。它把 RAG 检索、Milvus 知识库内知识图谱与 LangGraph 多智能体编排整合进统一的多租户工作台：配置知识库、模型与权限，用户在类 ChatGPT 的界面中与可挂载 Skills、MCP、子智能体和沙盒工具的智能体对话

原文链接：https://mp.weixin.qq.com/s/6tthm_R0Lx0bHziduyQkbg

基于大模型的智能知识库与知识图谱智能体开发平台。它把 RAG 检索、Milvus 知识库内知识图谱与 LangGraph 多智能体编排整合进统一的多租户工作台：配置知识库、模型与权限，用户在类 ChatGPT 的界面中与可挂载 Skills、MCP、子智能体和沙盒工具的智能体对话

一飞开源，介绍创意、新奇、有趣、实用的开源/AI应用、系统、软件、硬件及技术，一个探索、发现、分享、使用与互动交流的开源/AI技术社区平台。致力于打造活力开源/AI社区，共建开源新生态！

一、开源项目简介

语析 Yuxi

多租户 Harness + 企业知识库
让企业知识可被智能体检索、推理与交付

语析（Yuxi）是一个基于大模型的智能知识库与知识图谱智能体开发平台。它把 RAG 检索、Milvus 知识库内知识图谱 与 LangGraph 多智能体编排 整合进统一的多租户工作台：管理员配置知识库、模型与权限，用户在类 ChatGPT 的界面中与可挂载 Skills、MCP、子智能体和沙盒工具的智能体对话，并获得带引用来源、知识图谱推理与可交付产物的回答。

二、开源协议

使用MIT开源协议

三、界面展示

来源：语析 Yuxi 官网文档

四、功能概述

语析Yuxi

融合 RAG 与知识图谱的智能体 Harness 平台

管理员配置知识库、模型与权限，用户在类 ChatGPT 的界面中，与可挂载 Skills、MCP、子智能体与沙盒工具的智能体对话，获得带引用来源、知识图谱推理与可交付产物的回答。

智能体运行时

不止于对话，更能执行与交付

Yuxi 内置一套完整的 Harness——沙盒、技能、工具、子智能体与中间件，让智能体真正动手完成任务。

沙盒文件系统

每个会话拥有独立的虚拟文件系统（workspace / uploads / outputs），智能体产物自动落盘，支持文本、图片、PDF、HTML 在线预览与下载。

Skills 技能系统

内置图像生成、深度报告、数据报表等技能，支持上传与远程安装，「解析草稿 → 确认安装」。

MCP 集成

通过 Model Context Protocol 标准协议接入外部工具服务，统一启停与权限管理。

内置工具

present_artifacts 交付产物、提问中断等待用户、按需安装技能、联网检索等开箱即用。

子智能体 SubAgents

主智能体可编排隔离的子智能体，独立 child thread 执行复杂子任务并回传产物。

中间件编排

知识库检索注入、附件处理、历史摘要 offload、动态工具注入等中间件可组合编排。

异步 Worker

基于 ARQ 的后台任务，将分钟到小时级长耗时任务异步执行，支持取消与流式输出。

知识引擎

从文档到可推理的知识资产

多格式解析

MinerU、PaddleX、RapidOCR 统一解析 PDF、Office、图片等为结构化 Markdown。

Agentic RAG

智能体自主决定检索时机与查询，多轮向量检索 + Rerank，回答带可溯源引用。

知识图谱

抽取实体与关系构建知识图谱，子图检索参与增强，并支持可视化探索。

检索评估

内置检索质量评估，支持命名运行与指标对比，量化召回与回答效果。

多知识源接入

支持 Dify、Notion、飞书（规划中）等外部知识源接入，统一检索与引用。

工作原理

四步搭建你的智能体应用

配置底座

管理员接入模型供应商、构建知识库与知识图谱、划分用户与部门权限。

编排智能体

为 Agent 挂载 Skills、MCP、Tools 与子智能体，组合所需中间件能力。

检索与推理

对话中融合向量检索与知识图谱推理，沙盒工具执行真实任务。

交付产物

返回带引用来源的回答，并以可预览、可下载的产物卡片交付结果。

应用场景

适配你的真实业务

企业知识问答助手

将内部资料沉淀为可检索、可推理的知识资产，回答带来源引用。

科研与行业调研报告

借助 deep-reporter 技能生成结构化的深度分析长报告。

内部 AI 能力底座

为各业务系统提供可管理、可扩展的统一智能体服务。

来源：语析 Yuxi 官网文档

五、技术选型

技术栈

层

技术

前端

Vue 3 · Vite · Pinia

后端

FastAPI · LangGraph · ARQ (异步 worker)

存储

PostgreSQL · Redis · MinIO · Milvus · Neo4j

文档解析

MinerU · PaddleX · RapidOCR

部署

Docker Compose

快速开始

前置要求：已安装 Docker 与 Docker Compose，并准备至少一个兼容 OpenAI 接口的大模型 API。

1. 克隆代码并初始化

-
-

1	`git clone --branch v0.7.1.beta1 --depth 1 https://github.com/xerrors/Yuxi.git``cd Yuxi````# Linux/macOS``./scripts/init.sh````# Windows PowerShell``.\scripts\init.ps1`

2. 使用 Docker 启动

1	`docker compose up --build`

3. 访问平台

等待启动完成后，浏览器打开 http://localhost:5173，使用初始化时生成的管理员账户登录即可。

不需要知识库 / 知识图谱等重依赖时，可使用 make up-lite 以 LITE 轻量模式启动，加快冷启动速度。更多部署说明见项目文档。

致谢

本项目参考并引用了以下优秀开源项目，在此致以诚挚的感谢：

LightRAG - 早期版本曾参考其图谱构建与检索思路；当前 Yuxi 已实现自研 Milvus 知识库/图谱链路以替换历史集成，降低兼容性问题
DeepAgents - 直接引入作为深度智能体框架
DeerFlow - 参考了其 Sandbox 智能体架构的实现思路
RAGflow - 参考了其文档 Text Chunking 的分块策略
LangGraph - 多智能体编排框架，本项目的核心架构基础
QwenPaw - 参考模型配置与个人文件区域设计

六、源码地址

开源项目地址：

https://github.com/xerrors/Yuxi

访问一飞开源：https://code.exmay.com/

💬 本文评论区已开启，但暂无读者留言。

本文转载自微信公众号，如有侵权请联系删除。

[开源]一个基于大模型的智能知识库与知识图谱智能体开发平台