TaiXu-Admin V0.1.2 发布：把 LLM、RAG 与 Agent 收进同一套管理后台

一个想把大模型能力收拾整齐的开源项目，又往前挪了一小步。TaiXu-Admin 释出 V0.1.2 版本，这套以 LLM、RAG 与 Agent 为核心的应用管理系统，正试图把对话、检索增强与智能体协同这几股常被拆开折腾的力量，拧进同一个后台里。

这一版的更新日志写得实在。它给文档接上了 LLM Wiki 解析，并顺手补上 LLM Wiki 搜索；把改动的代码文件做成了热编译替换（HCP）机制，意味着部分调整不必重启就能生效；知识库与知识图谱库也支持自定义重构了。历史记忆管理被刷新了一遍，RAG 与 Agent 在跑飞时的异常处理也一并补齐——对于一个要让多智能体长期在线干活的平台，这几笔算把地基又夯实了一层。

摊开系统本身，TaiXu-Admin 是个 AI 技术集成的智能系统：后端用 Python 写就，前端交给 React 搭交互页，触及的能力涵盖 LLM 对话、RAG 与 Agent。它把 LangChain 和 LangGraph 当成大模型应用的骨架组件，前者拼模块化的模型流水线，后者跑复杂的状态驱动多智能体协作，由此托起 RAG 模式、Agent 模式、Prompt 工程、工具调用与记忆管理，把对话式交互、知识检索增强生成和智能体协同一并揽入怀中。

真正见功夫的是它把市面上的主流玩法几乎列成了菜单。RAG 这边，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）一字排开；纠错型、自检型、自适应型智能体负责在检索环节兜底。特殊模式里还塞进了 GraphRAG 知识图谱、BM25 关键词、混合 RAG、K 均值聚类与最大边际相关 RAG。Agent 模式更热闹：ReAct 的推理行动、ReWOO 的无观察推理、规划执行、LLM 编译、反思、自发现、反射、智能树搜索，加上监督式、协作式、层级式多智能体编排，几乎把当下 Agent 研究的名片夹翻了个遍。

在架构上，它走的是前后端分离加模块化的路子，后端以 Python 搭配轻量的 Flask 撑起 RESTful API；前端用 React 构建响应式界面，借蚂蚁开源的 Umi 做工程化、用 Ant Design 兜底组件库。底座数据库也分了工：高性能云原生的 Qdrant 存文本嵌入、扛语义相似搜索，Neo4j 建模实体间的复杂关系、赋能图谱推理，PostgreSQL 则稳稳收着用户、日志与配置这类结构化业务数据。

想上手并不算重。前端依赖走 npm 或 yarn，后端走 pip 或 poetry，再各自安好 Qdrant、Neo4j、PostgreSQL 三件套；若只想本地尝鲜，执行最简单的几步配置，连 Qdrant 和 Neo4j 都不用，也能演示核心模块。启起来后访问 localhost:8000，默认账号密码都是 admin——一套把 LLM、RAG、Agent 揉进同一扇门的系统，就这样摆到了开发者面前。