Skip to content

About

No description, website, or topics provided.

Resources

Stars

0 stars

Watchers

0 watching

Forks

Repository files navigation

行界 WanderAI · 智能旅行规划助手

输入目的地、天数和偏好,生成每个地点都真实存在、交通时长可执行的行程,并在地图上展示;之后可以继续用聊天追问、修改行程。

2025 百度文心黑客松参赛项目,赛后独立重构为可评测、可容错的版本(重构过程见 docs/upgrade_plan.md)。

功能

能力 做法
Agent 行程规划 Function Calling 循环编排游记检索、高德 POI / 路线 / 天气等工具,以结构化 JSON 提交行程;规则校验器检查地点真实性、城市一致、相邻两站 ≤60 分钟、每日 ≤12 小时,不通过的问题回填给 LLM 自行修正
混合检索 RAG 地名过滤 + BM25(jieba)与 bge 向量的 RRF 融合 + bge-reranker 重排,基于 217 篇游记回答经验类问题并标注引用
知识图谱 游记中的地点对齐到高德 POI,存入 Neo4j(共现、邻近、所属关系);“附近有什么”“去了 A 还去哪”类问题通过参数化 Cypher 模板查询
动态路由 聊天消息按 5 类意图分发:修改行程 / 游记问答 / 地点关系 / 天气与交通 / 闲聊;本地 RoBERTa 路由模型置信度不足时交给 LLM
长期记忆 记住同行人、饮食、行动限制、预算、喜好等 8 类信息并在规划时遵守;写入时校验证据必须出自用户原话,过滤敏感信息,支持改口覆盖
工程化 统一错误码与用户提示语;LLM / 高德 / 图谱客户端均有超时、按错误类型重试、熔断与并发控制,任一依赖失败时逐级降级;request-id 全链路追踪;配置外置
运维 网关按 IP 令牌桶限流与重请求过载保护;检索结果缓存;指标接口(JSON / Prometheus)与监控页;Docker Compose 一键部署;GitHub Actions 运行测试与镜像构建

架构

flowchart LR
    B[浏览器<br/>ai-chat / output-map / rag-search] --> G[Node 网关 :3000<br/>request-id · 统一错误 · 高德代理]
    G --> A[agent_service :8002<br/>FastAPI]
    G --> AM[高德 Web 服务]
    A --> R{动态路由}
    R -->|修改行程| P[PlanAgent<br/>Function Calling + 校验自纠]
    R -->|游记问答| Q[RAG<br/>BM25 + 向量 + 重排]
    R -->|附近 / 常一起去| T[工具问答]
    R -->|天气 / 交通| T
    P & T --> AM
    P & Q --> V[(Chroma 向量库)]
    T --> N[(Neo4j 图谱)]
    A --> M[(SQLite 记忆)]
    A --> L[DeepSeek API]
Loading

评测结果

下表的数字都可以用 eval/ 下的脚本复现,报告在同一目录。

场景 对比 结果 报告
行程可执行性 旧流程(文本生成 + 正则解析)vs Agent,同批 20 个需求 超过 60 分钟的路段 22.3% → 0% agent_report
校验自纠 首次提交 vs 自纠后 通过率 80% → 100% 同上
动态路由 每句都重新规划 vs 按意图分发,40 条人工消息 延迟 14.5s → 5.3s,token -80%,误改行程 17/32 → 0/32 router_report
长期记忆 不带记忆 vs 带记忆,6 个场景 × 3 轮 违反用户约束 14/18 → 3/18 memory_report
知识图谱 只用高德周边搜索 vs 加图谱,16 个问题 × 3 次 有游记依据的推荐 2.2 → 5.3 个,延迟 -33%,token -23% graph_report
实体对齐 三轮人工抽检,每轮重新抽样 精确率 70% → 82%~88% alignment_review
压测 模拟 LLM(固定 1 秒),单机 聊天并发 1 → 32 无失败、吞吐受 LLM 闸门约束在 7.4 次/秒;40 个同时请求时 32 个在 0.2 秒内收到“繁忙”;熔断后失败耗时约 1.5s → 33~75ms load_test

检索指标(nDCG / Recall / MRR)的相关性标注由 LLM 完成,人工抽检完成前不列出,见 rag_report。

快速开始

Docker(推荐)

需要 Docker Desktop,以及 DeepSeek 与高德的 Key。

cp .env.example .env          # 填入 LLM_API_KEY、AMAP_WEB_SERVICE_KEY、AMAP_JS_KEY、NEO4J_PASSWORD、ADMIN_TOKEN
docker compose up -d --build  # 启动网关、agent_service、Neo4j

浏览器打开 http://localhost:3000/。监控页是 http://localhost:3000/admin.html,打开时输入 ADMIN_TOKEN。 向量库(agent_service/chroma_db)和知识图谱需要先按下面的本地方式入库、建图,容器会挂载这些目录。

本地运行

需要 Node 18+、Python 3.10+、DeepSeek API Key(或任意 OpenAI 兼容服务)和高德 Web 服务 Key。

cp .env.example .env          # 填入 LLM_API_KEY、AMAP_WEB_SERVICE_KEY
npm install

cd agent_service
python -m venv .venv-win
.venv-win/Scripts/pip install -r requirements.txt
.venv-win/Scripts/python ingest_csv.py --csv ../data/travel_notes.csv --reset   # 游记入库(向量库)
.venv-win/Scripts/python app.py                                                # Python 服务 :8002

另开一个终端:

npm start                     # 网关 :3000,浏览器打开 http://localhost:3000/

可选组件:

  • 知识图谱:在 .env 设置 NEO4J_PASSWORD,执行 docker compose up -d neo4j,然后在 agent_service 目录下运行 python -m graph.build --reset。不启用时,地点关系类问题自动改用高德周边搜索。
  • 本地分类模型:模型文件体积较大,没有放进仓库。按 agent_service/README.md 训练后放到 agent_service/models/;缺少模型时自动改用 LLM 分类。

健康检查:GET /api/readyz,会列出 LLM、向量库、分类模型、图谱各自的状态。 运行指标:GET /api/metrics(JSON,监控页使用)或 GET /api/metrics?format=prometheus。

目录

server.js                 Node 网关
gateway/                  限流、过载保护、指标
admin.html                监控页
ai-chat.html 等           前端页面
agent_service/
  core/                   配置、日志、错误码、LLM / 高德客户端、重试与熔断
  agent/                  PlanAgent、工具、校验器、动态路由、工具问答
  rag/                    分块、入库、元数据抽取、BM25、重排、混合检索
  graph/                  实体对齐、建图、Cypher 模板、Neo4j 客户端
  memory/                 长期记忆、会话摘要
  classifier/             风格 / 路由分类模型与训练脚本
  tests/                  pytest 用例
eval/                     评测脚本与报告
docs/                     升级规划与设计说明

文档

局限

  • 游记语料只有 217 篇,图谱中多数地点只被 1 篇游记提到。
  • 没有登录体系,记忆按浏览器生成的匿名 ID 隔离,仅适合演示。
  • 一次 Agent 规划约 30~50 秒;高德个人 Key 有 QPS 和日配额限制。
  • 限流、缓存与指标都在进程内,只适合单实例;多实例部署需要换成 Redis 等共享存储。

About

No description, website, or topics provided.

Resources

Stars

0 stars

Watchers

0 watching

Forks

Releases

Packages

Contributors

Languages