首页 › Agent Spring Boot › RAG 检索增强

子项目：agent-rag

前三个 Demo 是单模块；agent-rag 是 Maven 多模块 整合工程：

agent-rag/
├── common/     # 共享 DTO、EmbeddingService、DeepSeekRequestBuilder
├── rag/        # 文章 CRUD + 向量检索（不依赖 ai-image）
├── ai-image/   # 生图模块（独立，本专栏不展开）
└── app/        # Boot 入口、Chat/Agent/Memory Controller

WebFluxApplication 扫描 com.lewyon，JPA 实体在 rag 与 aiimage 包。

RAG 在 Agent 中的位置

两种消费知识库方式：

1. 预检索（rag / search 模式）：AgentService 在调 LLM 前先 articleService.search(query)，结果写入 system
2. Tool 调用：模型主动调 search_articles（预检索模式下会从 tools 列表移除该 Tool，避免重复）

与 Spring AI RAG 的差异

本项目的 RAG	Spring AI QuestionAnswerAdvisor
手写 Embedding + 检索	Advisor 自动检索注入
MySQL 存 JSON 向量	常用 PGVector / Redis
Java 内存算余弦相似度	VectorStore 抽象
Agent 预检索 + Tool 双路径	单一 Advisor 链

理解手写版后，再看 Spring AI 文档会快很多。

模块依赖规则（AGENTS.md）

• rag 不得依赖 ai-image
• common 无业务 Controller
• app 编排一切，子模块提供能力

学习点

• RAG = Embedding + 存储 + 检索 + Prompt 注入 + LLM 生成。
• 多模块拆分便于面试讲「边界清晰」。
• rag 与 search 两种 mode 控制模型回答风格（总结 vs 罗列原文）。

小结

• agent-rag 是专栏终点：common + rag + app 多模块。
• RAG 通过预检索和 search_articles Tool 两路径接入 Agent。
• 向量存 MySQL，非 pgvector，适合 Demo 规模。

下一节：文章摄入与 Embedding

贡献者: 布欧-Lewyon

上一页agent-rag 全能力串联

下一页文章摄入与 EmbeddingService