TaiXu-Admin 发布 V0.1.2：将 LLM、RAG 与 Agent 纳入统一后台

开源项目 TaiXu-Admin 近日推出 V0.1.2 版本。该项目定位为以 LLM、RAG 与 Agent 为核心的应用管理系统，试图将对话、检索增强与智能体协同整合进同一后台。

此次更新的主要改进包括：文档接入 LLM Wiki 解析与搜索功能；引入热编译替换（HCP）机制，部分代码调整无需重启即可生效；知识库与知识图谱库支持自定义重构；同时优化了历史记忆管理，并补全了 RAG 与 Agent 运行时的异常处理。

从技术架构来看，TaiXu-Admin 后端采用 Python，前端基于 React 构建。系统以 LangChain 和 LangGraph 作为核心组件，前者负责模块化的模型流水线，后者支撑状态驱动的多智能体协作，覆盖 LLM 对话、RAG 检索增强生成、Agent 智能体协同、Prompt 工程、工具调用与记忆管理等功能。

在 RAG 能力方面，该系统支持原生 RAG、多查询、检索融合、子问题分解、假设性文档嵌入（HYDE）、逻辑与语义路由、查询重写、多重表示、层级索引（RAPTOR）等多种策略，并配备纠错型、自检型、自适应型智能体以优化检索效果。此外还包含 GraphRAG 知识图谱、BM25 关键词检索、混合 RAG、K 均值聚类、最大边际相关 RAG 等特殊模式。

Agent 模式涵盖 ReAct、ReWOO、规划执行、LLM 编译、反思、自发现、反射、智能树搜索等单智能体方案，以及监督式、协作式、层级式等多智能体编排方式。

系统采用前后端分离架构：后端以 Python 搭配 Flask 提供 RESTful API；前端使用 React 配合 Umi 框架与 Ant Design 组件库。数据存储分层设计：Qdrant 负责文本嵌入与语义搜索，Neo4j 处理知识图谱与关系推理，PostgreSQL 承载用户、日志及配置等结构化数据。

部署方面，前端通过 npm 或 yarn 安装依赖，后端通过 pip 或 poetry 管理；需配置 Qdrant、Neo4j、PostgreSQL 三项数据库服务。本地体验时也可跳过 Qdrant 和 Neo4j，仅运行核心模块。启动后访问 localhost:8000，默认账号密码均为 admin。