# agent

**Repository Path**: ruixinliu/agent

## Basic Information

- **Project Name**: agent
- **Description**: 互联网软件开发课程，创建智能体应用
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: main
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2025-11-12
- **Last Updated**: 2026-01-07

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

## AI 智能旅行规划助手

![欢迎页](./assets/欢迎页.png)

这是一个基于大语言模型（LLM）和检索增强生成（RAG）技术的智能旅行规划平台。项目集成了**多模态对话、知识库检索、多轮会话管理**等核心功能，旨在为用户提供个性化、专业化的旅行建议和行程规划服务。

本项目采用**前后端分离架构**，前端基于 Vue 3 开发，后端基于 Spring Boot 与 FastAPI 构建。系统支持 **Docker 一键自动化部署**，可快速构建包含数据库、AI 检索服务及前后端在内的完整运行环境。

---

### 🌟 核心功能

#### 1. 智能多轮对话
- **专业旅行建议**：基于 DeepSeek-V3.2 模型，提供目的地推荐、行程规划、预算估算、文化常识等服务。（注：由于 DeepSeek-V3.2 模型具有深度思考过程，**生成回复可能需要耐心等待**）
- **上下文理解**：支持长对话记忆，AI 能够理解上下文，保持对话的连贯性。
- **Markdown 渲染**：回复内容支持 Markdown 格式，包括结构化列表、代码块高亮及表格展示。
- **对话导出**：支持将当前对话记录一键导出为文本文件（.txt），方便用户保存和离线查看。
- **快捷问题入口**：首页提供“目的地推荐”、“行程规划”等常用问题快捷入口，点击即可快速开启专业对话。

![常规对话](./assets/常规对话.png)

#### 2. 多模态视觉分析
- **图片深度识别**：使用 Qwen3-VL-8B 视觉模型，用户可上传景点照、地图、票据等图片。
- **图文结合交互**：AI 能够结合上传的图片内容与文字描述进行综合分析，例如“识别这张图里的建筑并帮我规划去那里的路线”。

![图片对话](./assets/图片对话.png)

#### 3. RAG 知识库检索增强
- **文档上传**：支持 PDF、Word (.docx)、Markdown、TXT 等多种格式的文档。
- **语义搜索**：采用 **BGE-small-zh** 中文语义模型进行向量化，结合 **FAISS** 向量数据库实现精准的语义片段检索。
- **知识库辅助生成**：AI 会优先检索用户上传的私有攻略或行程文档，确保回答的准确性和个性化。
- **用户数据隔离**：每个用户的知识库完全独立，确保数据安全与隐私。

![RAG对话](./assets/RAG对话.png)

- **下面给出一个图片+文档的综合对话案例：**
  
![综合对话](./assets/综合对话.png)

#### 4. 完善的用户与会话管理
- **用户账号体系**：支持用户注册、登录功能，通过 JWT（JSON Web Token）实现安全的身份验证与鉴权。
- **数据隐私隔离**：严格的权限控制，确保不同用户之间的对话记录、上传的知识库文档及个人资料完全隔离。
- **会话持久化与管理**：自动保存历史对话，支持会话的新建、切换及智能标题生成（基于首条消息内容）。
- **个人资料维护**：支持用户查看并更新个人基本信息。

![登录页](./assets/登录页.png)

---

### 🛠 技术架构

项目采用前后端分离的微服务架构，结合 Python AI 侧边服务：

#### 前端 (Frontend)
- **框架**：Vue 3 (Composition API)
- **状态管理**：Pinia
- **UI 组件库**：Element Plus
- **工具链**：Vite + Axios + Vue Router
- **内容渲染**：Marked + Highlight.js

#### 后端 (Backend)
- **核心框架**：Spring Boot 3.2.0
- **持久层**：Spring Data JPA + Hibernate
- **数据库**：MySQL 8.0
- **安全认证**：JWT (JSON Web Token)
- **AI 调度**：通过 Java 进程调用 Python 脚本实现与 ModelScope API 的交互

#### AI 检索服务 (RAG Service)
- **框架**：FastAPI (Python)
- **向量检索**：FAISS
- **嵌入模型**：BAAI/bge-small-zh-v1.5
- **文档处理**：PyPDF2, python-docx

#### AI 模型集成
- **LLM**：DeepSeek-V3.2 (ModelScope 提供)
- **Vision LLM**：Qwen-VL-8B (ModelScope 提供)

---

### 🚀 快速部署 (Docker 一键部署)

项目支持使用 Docker Compose 快速构建和启动全量服务。

#### 前置要求
- 已安装 Docker 和 Docker Compose。
- 拥有 ModelScope API Key（[获取地址](https://www.modelscope.cn/)）。

#### 部署步骤

1. **克隆仓库**
   ```bash
   git clone <repository-url>
   cd agent
   ```

2. **配置环境变量**
   编辑根目录下的 `docker-compose.yml`，在 `backend` 服务的 `environment` 部分填入您的 API Key：
   ```yaml
   AI_MODEL_API_KEY: "您的_MODELSCOPE_API_KEY"
   ```

3. **一键启动**
   ```bash
   docker compose up -d
   ```

4. **访问应用**
   - 前端门户：`http://localhost:3000`
   - 后端接口：`http://localhost:8080`
   - RAG 服务：`http://localhost:8801`

5. **执行效果**

![docker部署效果](./assets/docker部署效果.png)

---

### 🔧 手动开发环境配置

如果需要进行二次开发，可以按照以下步骤手动启动：

#### 1. 数据库准备
创建名为 `travel_agent` 的数据库，并导入 `database/init/01-schema.sql` 中的表结构。

#### 2. RAG 服务启动 (Python 3.9+)
```bash
cd rag-service
pip install -r requirements.txt
python main.py
```

#### 3. 后端启动 (JDK 17+)
确保本地已安装 Python 并安装 `openai` 库（用于脚本调用）：
```bash
pip install openai
```
修改 `backend/src/main/resources/application.yml` 中的数据库及 API 配置，然后运行：
```bash
cd backend
mvn spring-boot:run
```

#### 4. 前端启动 (Node.js 18+)
```bash
cd frontend
npm install
npm run dev
```

---

### 📂 项目结构

```text
agent/
├── frontend/                ## Vue 3 前端源码
│   ├── src/                 ## 核心代码 (api, views, stores)
│   └── Dockerfile
├── backend/                 ## Spring Boot 后端源码
│   ├── src/main/java/       ## Java 业务逻辑
│   ├── scripts/             ## AI 模型交互 Python 脚本
│   └── Dockerfile
├── rag-service/             ## FastAPI RAG 服务
│   ├── main.py              ## 检索逻辑实现
│   ├── bge-small-zh/        ## 本地向量模型
│   └── Dockerfile
├── database/                ## 数据库初始化脚本
├── RAG文档及多模态图片参考/    ## RAG 文档及多模态图片示例参考
└── docker-compose.yml       ## 容器编排配置
```

---

### 📝 核心接口说明

| 模块 | 路径 | 方法 | 功能描述 |
| :--- | :--- | :--- | :--- |
| **用户** | `/api/user/login` | POST | 用户登录并获取 Token |
| **对话** | `/api/chat/messages` | POST | 发送图文消息（支持流式响应） |
| **知识库** | `/api/kb/upload` | POST | 上传 RAG 知识库文件 |
| **会话** | `/api/chat/sessions` | GET | 获取用户历史会话列表 |

---

### 📜 许可证

本项目采用 [MIT License](LICENSE) 开源协议。