基于多智能体协作与 GraphRAG 知识图谱的现代化智能教育平台，融合苏格拉底式教学方法，提供个性化学习体验。
┌─────────────────────────────────────────────────────────────┐
│ ChatAgent (主对话引擎) │
│ QueryAnalyzer → DialogueRouter → 双模式回复生成 │
└─────────────────────────────────────────────────────────────┘
│ │
┌─────────┼──────────┐ ┌─────────┼──────────┐
▼ ▼ ▼ ▼ ▼ ▼
┌─────────┐┌──────────┐┌─────────┐ ┌──────────┐┌─────────┐┌──────────┐
│Evaluation││Learning ││User │ │ Builtin ││知识库 ││对话图谱 │
│ Agent ││Planner ││Profile │ │ Tools ││GraphRAG ││Dialogue │
│(学习评测)││(学习规划) ││(用户画像)│ │(RAG/推理)││检索 ││Graph │
└─────────┘└──────────┘└─────────┘ └──────────┘└─────────┘└─────────┘
-
双模式支持：
- Direct 模式：直接回答，结构化输出
- Socratic 模式：苏格拉底式引导，层层提问启发思考
-
三阶段处理流程：
- 意图分析 — 识别问题类型（事实性/概念性/程序性/分析性）
- 智能路由 — 选择响应策略（模式、RAG、工具）
- 回复生成 — 流式 LLM 调用 + SSE 推送
- nano_graphrag 驱动，支持三种检索模式
- local：社区局部检索，适合具体实体查询
- global：全局总结检索，适合宽泛主题
- naive：直接向量相似度
| 图谱 | 来源 | 用途 |
|---|---|---|
| 知识库图谱 | GraphRAG 索引构建 | 语义知识检索 |
| 对话图谱 | 实时 LLM 抽取 | 会话结构化 + 用户长期记忆 |
- SSE 和 WebSocket 实时推送
- 完整执行步骤追踪（STEP_START / STEP_END / TOOL_START / TOOL_END）
- 思考过程可视化（THINKING 事件）
edupilot/
├── api/ # FastAPI REST + SSE + WebSocket
│ ├── routers/
│ │ ├── chat.py # 对话 / 会话管理
│ │ ├── ws.py # 流式响应 (SSE + WS)
│ │ ├── graph.py # 知识库图谱 / GraphRAG
│ │ ├── profile.py # 用户画像分析
│ │ ├── plan.py # 学习计划生成
│ │ ├── evaluation.py # 学习效果评测
│ │ └── statistics.py # 系统监控统计
│ └── middleware/
│ └── statistics_middleware.py # 自动记录 API 性能
├── agents/ # 智能体模块
│ ├── base/ # BaseAgent / SingleTurnAgent / MultiTurnAgent
│ ├── chat/ # ChatAgent (意图分析 + 路由 + 双模式)
│ ├── evaluation/ # EvaluationAgent (学习评测)
│ ├── learning_planner/ # LearningPlannerAgent (学习规划)
│ ├── user_profile/ # UserProfileAgent (用户画像)
│ ├── dialogue_graph/ # DialogueGraphAgent (对话图谱抽取)
│ └── tools/ # RAG / Brainstorm / Reason / Summary / CodeExplain
├── services/ # 业务服务层
│ ├── llm/ # OpenAI 兼容客户端 + GraphRAG LLM 适配
│ ├── graphrag/ # GraphRAG 内核 + KnowledgeGraphService
│ │ ├── graphrag.py # GraphRAG 主类 / QueryParam
│ │ ├── base.py # 存储抽象基类
│ │ ├── _llm.py # LLM 适配 / qwen_complete / qwen_embedding
│ │ ├── _op.py # 实体/关系/社区核心操作
│ │ ├── _splitter.py # 文本分块
│ │ ├── _utils.py # 工具函数
│ │ ├── entity_extraction/ # DSPy 实体关系抽取
│ │ ├── prompt_output_cn.py # 中文提示词模板
│ │ ├── _storage/ # 多后端存储
│ │ │ ├── kv_json.py # JSON KV 存储
│ │ │ ├── vdb_nanovectordb.py # 向量存储
│ │ │ ├── vdb_hnswlib.py # HNSW 向量存储
│ │ │ └── gdb_networkx.py # NetworkX 图存储
│ │ └── knowledge_graph_service.py # 知识库图谱服务
│ └── storage/ # Session / Profile / UserGraph / Statistics (JSON)
├── core/ # 核心协议
│ ├── protocol.py # UnifiedContext / AgentMode / ToolDefinition
│ └── stream.py # StreamBus / ResponseBuilder / EventType
└── config/
└── settings.py # Pydantic Settings (.env 配置)
- 框架：FastAPI + Uvicorn + Pydantic
- LLM：OpenAI Compatible API（SiliconFlow / 百炼 / Local VLLM / Ollama）
- GraphRAG：nano-graphrag（内嵌于
services/graphrag/目录） - 向量：nano-vectordb
- 图算法：NetworkX + graspologic
- 流式：sse-starlette + WebSocket
- 框架：Vue 3 + Composition API + Vite
- UI 库：Element Plus
- 图表：ECharts
- 状态管理：Pinia
- Python 3.10+
- Node.js 18+
- Conda (推荐)
cd edupilot# 创建 conda 环境
conda create -n edupilot python=3.10
conda activate edupilot
# 安装依赖
cd src
pip install -r ../requirements.txt
# 配置环境变量
cp .env.example .env.env 配置示例：
LLM_PROVIDER=siliconflow
LLM_API_KEY=your_api_key_here
LLM_BASE_URL=https://api.siliconflow.cn/v1
LLM_MODEL=Qwen/Qwen2.5-7B-Instruct
LLM_EMBEDDING_MODEL=BAAI/bge-m3
LLM_EMBEDDING_DIM=1024cd src
python -m edupilot
# 服务运行于 http://localhost:8000cd web
npm install
npm run dev
# 服务运行于 http://localhost:5173打开浏览器访问 http://localhost:5173
| 接口 | 方法 | 描述 |
|---|---|---|
/api/v1/chat |
POST | 对话接口 |
/api/v1/chat/sessions/{id}/end |
POST | 结束会话 |
/api/v1/ws/chat/{client_id} |
GET | SSE 流式对话 |
/api/v1/graph/knowledge/{kb_id} |
GET | 知识库图谱 |
/api/v1/graph/knowledge/{kb_id}/query |
GET | GraphRAG 语义查询 |
/api/v1/graph/session/{session_id} |
GET | 会话图谱 |
/api/v1/graph/user/{user_id}/long_term |
GET | 用户长期图谱 |
/api/v1/profile/analyze |
POST | 分析用户画像 |
/api/v1/plan/generate |
POST | 生成学习计划 |
/api/v1/evaluation/run |
POST | 运行学习评测 |
/api/v1/statistics |
GET | 系统统计信息 |
/api/v1/health |
GET | 健康检查 |
| 模块 | 功能 |
|---|---|
| GraphRAG | GraphRAG 内核，实体抽取、图谱构建、语义检索 |
| KnowledgeGraphService | 知识图谱服务，封装 GraphRAG 对外接口 |
| ChatAgent | 核心对话交互，意图分析 + 智能路由 + 双模式回复 |
| EvaluationAgent | 学习效果评测与反馈 |
| LearningPlannerAgent | 个性化学习计划生成 |
| UserProfileAgent | 用户画像分析与学习特点挖掘 |
| DialogueGraphService | 对话图谱构建与实体关系抽取 |
| Builtin Tools | 通用工具集：GraphRAG 检索、头脑风暴、推理等 |
data/
├── sessions/ # 会话数据 (JSON)
├── users/{user_id}/ # 用户数据
│ ├── profile.json # 用户画像
│ ├── learning_plan.json # 学习计划
│ └── long_term_graph.json # 长期图谱
├── knowledge_bases/{kb_id}/ # GraphRAG 索引
├── metadata/{kb_id}/ # 建库原始文本
└── statistics/ # 系统监控数据
MIT