Files
agent/web/README.md
T
2026-07-28 17:16:34 +08:00

100 lines
2.8 KiB
Markdown
Raw Blame History

This file contains ambiguous Unicode characters
This file contains Unicode characters that might be confused with other characters. If you think that this is intentional, you can safely ignore this warning. Use the Escape button to reveal them.
# Agent Knowledge Atlas
本地 Agent 论文知识地图,直接读取仓库里的 `data/index.json``papers/items/*.md`
## Run
```bash
web/manage.sh start
web/manage.sh status
```
前台调试仍可直接运行:
```bash
python3 web/app.py --host 100.114.68.27 --port 18080
```
默认 llama.cpp 地址:
```bash
MODEL_API_LUNA_URL=http://192.168.1.10:11435/v1
MODEL_API_SOL_URL=http://192.168.1.10:11436/v1
```
访问地址:
```text
http://100.114.68.27:18080
```
映射域名:
```text
https://lab.k1412.top/
```
图谱增强渲染懒加载本地 vendored `ECharts 6.1.0`,文件位于 `web/static/vendor/`。首屏先显示内置 SVG 图谱;ECharts 加载成功后自动升级为 Canvas 交互图谱。
## AI Policy
- 默认摘要模型:`ChatGPT-5.6:Terra`
- 默认翻译模型:`ChatGPT-5.6:Luna`
- 深度分析模型:`ChatGPT-5.6:Sol`,只在前端手动选择时使用
- Atlas 解释:`ChatGPT-5.6:Terra`
- 主题导读、阅读路径、主题比较:`ChatGPT-5.6:Sol`,只在前端手动确认后调用
- Search Agent 查询理解:`ChatGPT-5.6:Luna`
- Search Agent 结果简报、搜索追问、论文对话:`ChatGPT-5.6:Terra`
- llama.cpp 请求单并发执行,并缓存结果到 `web/cache/ai/`
- 应用侧不覆盖上下文长度,Luna 固定 8KTerra/Sol 固定 32K
- arXiv 摘要缓存到 `web/cache/arxiv/`
模型 tier 可以覆盖:
```bash
MODEL_LIGHT=ChatGPT-5.6:Luna \
MODEL_FAST=ChatGPT-5.6:Terra \
MODEL_LARGE=ChatGPT-5.6:Sol \
web/manage.sh restart
```
`/api/health` 会返回可用模型、默认模型和缺失的默认标签。维护时先看健康接口,不要假设旧 alias 仍存在。
## Service Management
```bash
web/manage.sh start
web/manage.sh stop
web/manage.sh restart
web/manage.sh status
web/manage.sh logs
```
`manage.sh` 会把仓库中的 `agent-knowledge-atlas.service` 链接到用户级 systemd,并把可覆盖环境写入忽略提交的 `web/cache/service.env`。日志使用 systemd journal。它不替代 TLS、反向代理或鉴权。
## Knowledge Design
先由后端从本地语料轻量计算:
- 主题节点和主题规模
- 最近三个月热度
- 主题共现关系
- 月度趋势
- 关键论文候选
- 主题证据列表
按需调用 AI 的高维动作:
- 解释当前 Atlas
- 生成主题导读
- 生成阅读路径
- 比较技术路线
- 单篇论文摘要、翻译、深度研读
- 搜索意图理解、关键词扩展、结果简报
- 基于搜索结果继续追问
- 基于单篇论文继续对话式研读
## Product Boundary
当前 Atlas 是资料探索原型,不是已经验证的学习产品。用户对“只浏览论文、图谱和 AI 摘要”的实用性评价很低,因为它没有保存个人理解、主张、反证、应用和复习状态。后续产品方向见 `docs/08-next-work.md`,不要把下一阶段继续收敛为图谱视觉优化。