语析 Yuxi

多租户 Harness + 企业知识库
让企业知识可被智能体检索、推理与交付

[文档] · [English]

*图由 GPT-Image-2 生成

简介

语析（Yuxi）是一个基于大模型的智能知识库与知识图谱智能体开发平台。它把 RAG 检索、Milvus 知识库内知识图谱 与 LangGraph 多智能体编排 整合进统一的多租户工作台：管理员配置知识库、模型与权限，用户在类 ChatGPT 的界面中与可挂载 Skills、MCP、子智能体和沙盒工具的智能体对话，并获得带引用来源、知识图谱推理与可交付产物的回答。

核心特性

• 🤖 智能体开发 —— 基于 LangGraph 构建，支持子智能体（SubAgents）、Skills、MCP、Tools 与中间件机制；长耗时任务由后台 worker 异步执行，配套沙盒文件系统支持工具产物落盘、预览与下载。
• 📚 知识库（RAG） —— 多格式文档解析（MinerU / PaddleX / OCR），可配置 Embedding 与 Rerank 模型，支持知识库评估与 PDF / 图片在线预览，检索来源回填到对话引用。
• 🕸️ 知识图谱 —— 在 Milvus 知识库内构建、展示和检索实体关系图谱，并与 chunk 检索结果融合参与智能体推理。
• 🏢 多租户与权限 —— 用户 / 部门级权限管理，模型供应商统一配置，支持 API Key 认证供外部系统集成调用。
• ⚙️ 平台与工程化 —— Vue + FastAPI 架构，开箱即用的 Docker Compose 部署，支持暗黑模式、LITE 轻量启动与生产级编排。

技术栈

层	技术
前端	Vue 3 · Vite · Pinia
后端	FastAPI · LangGraph · ARQ (异步 worker)
存储	PostgreSQL · Redis · MinIO · Milvus · Neo4j
文档解析	MinerU · PaddleX · RapidOCR
部署	Docker Compose

最新动态

[2026/06] v0.7.0 开发中（重要不兼容变更）

重大变更

• 模型配置收敛：移除旧版 v1 模型配置与 Ollama 支持，运行时统一使用 provider_id:model_id 与独立 provider 模块，自定义 provider 迁移到数据库
• 智能体运行时收敛：用户可见的 AgentConfig 收敛为数据库持久化的一级 Agent，新增 /api/agent 管理与运行接口，前端只提交 agent_id
• 知识库能力收敛：以 Yuxi 自研的 Milvus 知识库/图谱构建、展示、检索链路替换历史 LightRAG 集成，并移除 Upload 类型；知识库类型收敛为 Milvus 与只读连接器（Dify、Notion），减少历史集成带来的兼容性问题
• Skill 安装与权限收敛：以 source_type / share_config / enabled 表达来源、生效范围与启用状态；内置 Skill 启动自动入库并默认全局启用，上传/远程统一改为「解析草稿 → 确认安装」

详见 changelog。

[2026/04/01] v0.6.0 版本发布

详见 changelog

[2026/03/01] v0.5.0 版本发布

详见 changelog

[2025/12/19] v0.4.0 版本发布

详见 changelog

[2025/11/05] v0.3.0 版本发布

详见 changelog

快速开始

前置要求：已安装 Docker 与 Docker Compose，并准备至少一个兼容 OpenAI 接口的大模型 API。

1. 克隆代码并初始化

git clone --branch v0.7.0.beta1 --depth 1 https://github.com/xerrors/Yuxi.git
cd Yuxi

# Linux/macOS
./scripts/init.sh

# Windows PowerShell
.\scripts\init.ps1

2. 使用 Docker 启动

docker compose up --build

3. 访问平台

等待启动完成后，浏览器打开 http://localhost:5173，使用初始化时生成的管理员账户登录即可。

💡 不需要知识库 / 知识图谱等重依赖时，可使用 make up-lite 以 LITE 轻量模式启动，加快冷启动速度。更多部署说明见 项目文档。

示例与演示

对话工作台	沙盒文件系统
Agentic RAG	知识图谱
检索评估	多知识源接入

致谢

本项目参考并引用了以下优秀开源项目，在此致以诚挚的感谢：

• LightRAG - 早期版本曾参考其图谱构建与检索思路；当前 Yuxi 已实现自研 Milvus 知识库/图谱链路以替换历史集成，降低兼容性问题
• DeepAgents - 直接引入作为深度智能体框架
• DeerFlow - 参考了其 Sandbox 智能体架构的实现思路
• RAGflow - 参考了其文档 Text Chunking 的分块策略
• LangGraph - 多智能体编排框架，本项目的核心架构基础
• QwenPaw - 参考模型配置与个人文件区域设计

参与贡献

感谢所有贡献者的支持！

Star History

📄 许可证

本项目采用 MIT 许可证 - 查看 LICENSE 文件了解详情。

---

如果这个项目对您有帮助，请不要忘记给我们一个 ⭐️