Site Agent 工作流智能体的思路

该系统展示了用户与AI阅读助手交互的完整流程。用户通过界面提问后,请求经多层路由与校验,进入会话内存。系统根据问题类型(预设或普通)调用语义规划器,可能借助LLM生成结构化任务。随后,处理器检索相关证据,并依据任务决定使用预设答案或调用模型生成。最终,答案经校验后以流式传输返回前端渲染,同时完整交互被保存。整个过程强调输入校验、证据检索与结果的可解释性。

READ

一、整体链路

sequenceDiagram autonumber actor U as 用户 participant UI as 首页向导/文章阅读器 participant JS as theme.js + A2UI Adapter participant R as Gin Router participant MW as AI Effects Middleware participant A as readingAssistantProxy participant C as 会话内存 participant P as 语义规划器 participant LLM as OpenAI兼容模型/Ollama participant H as HandlerRegistry participant E as EvidenceRetriever participant SC as SiteCatalog participant DB as 数据库/搜索索引 participant S as Interaction Store U->>UI: 输入问题或点击预设 UI->>JS: submit / preset click JS->>R: POST /api/v1/site-agent/query
protocol + surface + article + conversation R->>MW: captureRequestEvent MW->>A: askHandler A->>A: 校验协议、输入长度、surface、scope A->>A: 创建/校验匿名 Session Cookie A->>A: IP + Session 限流 A->>C: beginConversation C-->>A: conversationID + rolling memory + 最近消息 opt 文章场景 A->>DB: FindPublicByID(articleID) DB-->>A: 标题 + Markdown 正文 end A->>A: 获取并发槽位 A->>P: recognizeReadingTask(input, article) alt 首页预设可确定 P-->>A: preset TaskRequest else 普通问题 P->>P: 上下文指代消解 + 规则 fallback P->>LLM: 结构化规划请求
JSON Schema, temperature=0 alt 模型成功 LLM-->>P: TaskRequest JSON P->>P: sanitize + normalize + validate else 超时/错误/非法 JSON P->>P: 使用确定性 fallback TaskRequest end P-->>A: 标准语义任务 end A->>H: Prepare(TaskRequest, current article) H->>E: Retrieve(EvidenceQuery[]) E->>SC: Overview / Query SC->>DB: 文章、标签、分类、页面查询 DB-->>SC: 公开资源或检索结果 SC-->>E: PublicResource[] E-->>H: EvidenceBundle
E1, E2... + status H-->>A: PreparedTask alt 无须模型生成 A->>A: 使用确定性答案 else 需要生成 A->>LLM: system prompt + memory + evidence + question LLM-->>A: 完整答案 A->>A: ValidateGrounding alt 引用不合格 A->>A: GroundedFallback end end A->>A: BuildTaskA2UI A->>S: 保存 interaction + evidence A-->>JS: SSE ready
TaskResult + A2UI + interactionID A-->>JS: SSE delta
当前为整段答案 JS->>UI: 前端逐字 reveal + Markdown/引用渲染 A->>C: completeConversation A-->>JS: SSE done JS-->>U: 最终答案、资源卡片、反馈入口

Conversation

评论

正在加载评论