Langgraph Multi Agent Rag Customer Support

多智能体RAG客服系统

项目简介

本项目实现了一个基于多智能体（Multi-Agent）和检索增强生成（Retrieval-Augmented Generation, RAG）技术的客户支持系统。它利用 Python、LangChain 和 LangGraph 构建了一个能够处理各种旅行相关查询的对话式 AI，包括航班预订、租车、酒店预订和行程推荐。还有对接了woocommerce商城进行商品查询，文章查询，表单提交，订单查询等商城功能。 本项目fork自 https://github.com/ro-anderson/multi-agent-rag-customer-support ，一个基础的框架。

本项目在原基础上进行了重大功能扩展，新增了安全护栏机制（越狱防护和相关性检查）和基于 GoHumanLoop 的人工审核流程，极大地提升了系统的安全性和可控性。

系统功能演示


多智能体RAG系统流程图


架构概览

系统采用多智能体架构，使用 LangGraph 实现为状态图。以下是主要组件说明：

1. 主助手 (Primary Assistant): 用户查询的入口点。它根据用户需求将对话路由到专门的助手。
2. 专业助手 (Specialized Assistants):
   • 航班预订助手: 处理航班相关的查询和预订。
   • 租车助手: 管理租车请求。
   • 酒店预订助手: 处理酒店预订查询。
   • 行程推荐助手: 处理旅行和活动推荐。
   • WooCommerce助手: 处理电商产品和订单查询。
   • 表单提交助手: 处理用户表单提交。
   • 博客搜索助手: 处理博客文章搜索。
3. 工具节点 (Tool Nodes): 每个助手都可以访问 安全 和 敏感 工具。安全工具无需用户确认即可使用，而敏感工具在执行前需要用户确认。
4. 路由逻辑 (Routing Logic): 系统使用 条件边 根据当前状态和用户输入在助手和 工具节点 之间路由对话。
5. 用户确认 (User Confirmation): 对于敏感操作，系统会暂停并请求用户确认后再继续。
6. 内存和状态管理 (Memory and State Management): 系统维护对话状态，并使用 内存检查点 保存进度。
7. 安全与确认机制 (Security and Confirmation Mechanisms):
   • 敏感操作确认: 用户必须确认所有可能修改数据的操作。
   • 安全护栏: 在处理用户输入前，系统会通过AI代理进行越狱防护和相关性检查。
   • 人工审核 (GoHumanLoop): 敏感操作在用户确认后，还需通过 GoHumanLoop 框架发送给管理员进行最终审核（例如通过飞书通知）。

这种架构允许以灵活和模块化的方式处理各种客户支持场景，同时为敏感操作内置了多重安全措施。

项目可观测性

为了确保有效的监控和调试能力，项目集成了 LangSmith 以增强可观测性。LangSmith 有助于跟踪请求的生命周期，包括工具使用、代理响应和错误，使开发人员能够了解多智能体系统随时间的性能表现。


本地运行环境要求

• Python 3.12+
• Poetry
• Docker 和 Docker Compose
• OpenAI API Key
• LangSmith API Key (可选，用于追踪)

如何运行？

本地环境设置

1. 克隆代码仓库并导航到项目目录。

2. 从 `.dev.env` 创建 `.env` 文件:

cp .dev.env .env

1. 编辑 .env 文件并填入所需值:

OPENAI_API_KEY="your_openai_api_key"
LANGCHAIN_API_KEY="your_lan