agent-rag 全能力串联

约 589 字大约 2 分钟

布欧-Lewyon

2026-06-08

四个子项目如何汇到一处

agent-rag 的 app 模块 = web-flux 流式聊天 + function-calling 协议 + memory Redis + rag 检索。

本地启动清单

# 1. MySQL
mysql -u root -p < agent-rag/sql/init.sql
mysql -u root -p agent_rag < agent-rag/sql/data.sql

# 2. Redis
docker run -d -p 6379:6379 redis

# 3. 环境变量
export DEEPSEEK_API_KEY=sk-xxx

# 4. 后端
cd agent-rag && ./mvnw spring-boot:run -pl app

# 5. 回填向量
curl -X POST http://localhost:8080/api/articles/reindex

# 6. 前端（开发）
cd agent-rag/frontend && npm run dev

端到端能力矩阵

能力	端点	模块来源
流式聊天	`POST /api/chat/stream`	agent-web-flux
Agent 对话	`POST /api/agent/chat`	function-calling + memory
RAG 问答	同上 + `mode=rag`	agent-rag/rag
记忆管理	`/api/memory/**`	agent-memory
知识库 CRUD	`/api/articles/**`	agent-rag/rag

一次 RAG Agent 请求的完整路径

1. 前端 POST { message, userId, sessionId, history, mode:'rag' }
2. ChatController 解析 sessionId
3. AgentService.resolveHistory → MemoryManager.buildSystemPrompt
4. ArticleService.search(message) → ragContext 写入 system
5. messages = [system, ...history, user]
6. rememberShortTerm(user)
7. callLLM (tools 无 search_articles) 最多 3 轮
8. rememberShortTerm(assistant)
9. 返回 { answer, sessionId }

配置总览（application.yml）

spring.data.redis: ...
spring.datasource: jdbc:mysql://.../agent_rag
deepseek.model: deepseek-v4-flash
deepseek.embedding.model: ...
memory.short-term.max-messages: 20
memory.long-term.max-memories: 200
rag.search.top-k: 3
rag.search.similarity-threshold: 0.5

与 Spring AI 迁移路线图

若要从手写协议迁到 Spring AI 1.0：

现实现	Spring AI 替代
WebClient stream	`ChatClient.stream().content()`
手写 tools[]	`@Tool` + `defaultTools`
Redis 短期	`MessageChatMemoryAdvisor` + 自定义 `ChatMemory`
ArticleService.search	`QuestionAnswerAdvisor` + `VectorStore`
AgentService 循环	`ChatClient` 内建 tool loop

建议先在本专栏跑通手写版，再对照 Spring AI 索引做迁移，面试能讲两条路线。

延伸文档（项目内）

配套仓库 agent-springboot/docs/：

architecture/TECH-STACK.md — 技术栈总览
architecture/V2-AGENT-API-DESIGN.md — Tool 返回 actions 设计
rag/RAG-RETRIEVAL-WALKTHROUGH.md — 检索 walkthrough
interview/INTERVIEW-AGENT-ROADMAP.md — 面试冲刺

学习点自检

学完专栏应能独立说明：

WebFlux SSE 从 DeepSeek 到前端的完整链路
finish_reason 与 tool 递归循环
userId / sessionId 与 Redis 键设计
Embedding + 余弦检索 + 降级关键词
rag 预检索 vs search_articles Tool 取舍

小结

agent-rag 串联 WebFlux、Tool、Memory、RAG，是专栏实战终点。
启动依赖 MySQL + Redis + DeepSeek Key，reindex 后 RAG 才有效。
手写协议吃透后，可按表迁移 Spring AI，或继续扩展 V2 API 设计。

上一节：检索调优