Personal Knowledge Assistant

基于 EINO 框架的个人知识助手 Agent，融合 RAG（检索增强生成）与 Tool Calling（工具调用），采用 Supervisor 多 Agent 编排模式。

架构

用户提问 → Supervisor Agent（路由）
               ├── Retrieval Agent → 语义搜索 / 关键词搜索
               ├── Writer Agent   → 创建笔记 / 生成摘要
               └── Organizer Agent → 标签推荐 / 关联发现

技术栈：Go + Gin + Eino（后端）| React + Vite + Tailwind CSS（前端）

快速开始

1. 配置环境变量

cp .env.example .env

编辑 .env，填入你的 API 配置：

变量	说明	默认值
`OPENAI_API_KEY`	API Key	(必填)
`OPENAI_BASE_URL`	API Base URL	`https://api.openai.com/v1`
`OPENAI_MODEL`	Chat Model	`gpt-4o`
`OPENAI_EMBED_MODEL`	Embedding Model	`text-embedding-3-small`
`DATA_DIR`	笔记目录	`./data`
`PORT`	HTTP 端口	`8080`

OPENAI_BASE_URL 支持任意 OpenAI 兼容的 API 接入商。

2. 启动后端

go run .

启动时会自动扫描 data/ 目录下的 .md 文件并建立向量索引。

3. 启动前端

cd web
npm install
npm run dev

访问 http://localhost:5173。

API 接口

方法	路径	说明
`POST`	`/api/chat`	发送消息，SSE 流式返回 Agent 响应
`GET`	`/api/notes`	获取笔记列表
`GET`	`/api/notes/:id`	获取笔记详情
`POST`	`/api/notes`	创建笔记
`DELETE`	`/api/notes/:id`	删除笔记
`POST`	`/api/index`	重建向量索引

项目结构

├── main.go                    # 入口：组件装配 + 启动服务
├── config/config.go           # 环境变量配置
├── internal/
│   ├── store/                 # 笔记存储（内存实现）
│   ├── embedding/             # OpenAI Embedding 封装
│   ├── index/                 # 内存向量索引（cosine similarity）
│   ├── rag/                   # Markdown 分块 + RAG Pipeline
│   ├── tools/                 # 6 个 Agent 工具
│   ├── agent/                 # Supervisor + 3 个子 Agent
│   └── api/                   # Gin HTTP 路由 + SSE
├── data/                      # 笔记目录（Markdown）
└── web/                       # React 前端

Agent 工具

工具	Agent	说明
`semantic_search`	Retrieval	语义相似度搜索
`keyword_search`	Retrieval	关键词精确匹配
`create_note`	Writer	创建新笔记
`generate_summary`	Writer	生成笔记摘要
`suggest_tags`	Organizer	自动推荐标签
`find_related`	Organizer	发现关联笔记

开发

# 构建
go build ./...

# 运行测试
go test ./...

# 前端构建
cd web && npm run build

3.0 KiB Raw Permalink Blame History Unescape Escape