推荐一个企业级AI Agent智能体开源项目（功能齐全）

推荐一个企业级AI Agent智能体开源项目（功能齐全）

推荐一个可私有部署的多租户知识智能体平台。它把知识库检索、知识图谱、LangGraph 多智能体编排、MCP/Skills、沙盒工具和权限管理放进同一个工作区。

项目地址代码仓库地址，在文章最后。

项目简介

项目面向需要自己掌握数据、模型和权限的团队：

• 构建知识问答：上传文档，经过解析、分块和向量索引后，让智能体返回带来源的答案。
• 执行多步骤任务：组合工具、MCP、Skills、子智能体和沙盒，产出可预览、可下载的文件。
• 连接知识图谱：从 Milvus 知识库的文档块中抽取实体和关系，写入 Neo4j 并参与检索。
• 管理团队使用范围：按用户、部门和共享范围管理知识库、智能体、Skills 和模型。
• 对比运行质量：评估知识库的检索结果，也可以用 Langfuse Dataset 评估完整智能体任务。

项目能力展示

把知识进入系统、Agent 执行任务和团队治理放在一条完整链路中。以下按六个核心模块介绍系统能力：

01 · 统一智能体工作台

用户可以在同一个对话界面里引用知识库文档、个人文件或扩展 Skill；实时观察任务执行的每一步，并在对话中直接拿到带精准来源引用或完整交付文件的回答。

• 支持使用 @ 快速引入知识库、文件与特定 Skill。
• 全程可视化展示任务拆解步骤、工具调用状态与上下文 Token 消耗。
• 支持在回答中随时点击来源溯源核对，或直接预览和下载生成的文件产物。

02 · 知识库与可追溯 RAG

支持将团队各类资料集中管理并解析为结构化知识库。Agent 检索时不仅能召回相关内容，更能精确定位到具体的原文件和切片段落，彻底告别“凭空捏造”。

• 集中管理文件与目录结构，实时查看解析进度、Chunk 切片与 Token 统计。
• 支持配置 Embedding 与 Rerank 算法，并在后台直接进行多路召回测试与调优。
• 内置 RAG 效果评估工具，通过实际问答集量化测试知识库检索与回答质量。

文档解析与切片管理

支持 PDF、Word、PPT、Excel、Markdown 等多种常见文档格式。内置 MinerU、PaddleX、RapidOCR 等深度解析引擎，精准提取图文、表格并自动切分为高质量 Chunk，生成向量索引供检索使用。

知识库类型与外部数据源

除了开箱即用的本地向量知识库，系统还支持直接连接 Dify、Notion 等外部知识库服务，由统一检索器桥接供 Agent 无缝调用，免去二次数据迁移。

检索测试与重排序（Rerank）

提供直观的检索测试工作台。输入测试 Query 即可实时查看 Embedding 向量初筛得分、混合检索结果以及 Rerank 重排序后的分数变化，方便直观验证召回效果。

RAG 效果评估

支持构建专属的基准问答评估集，自动批量运行评测并输出检索召回率、答案相关性等量化指标，帮助快速发现知识盲区与配置短板。

03 · 知识图谱与知识导图

将非结构化文档深层提炼为“实体-关系”图谱网络。既支持在交互式拓扑图谱中探索实体关联，也支持根据文件层级和主题元数据自动生成清晰的知识导图。

• 从知识库中自动抽取实体与关系，在 Milvus/Neo4j 中构建知识图谱索引。
• 支持按关键词搜索实体、点击节点查看属性详情，并高亮探索关联子图。
• 结合知识库文件元数据自动生成多层级知识导图，快速纵览业务领域全景。

图谱构建与索引状态

解析文档时自动执行实体识别与关系抽取，构建面向具体业务领域的知识图谱。可直观查看实体总数、关系边数量与构建进度。

知识导图

基于文件的目录结构、分类标签与元数据特征，自动生成结构化的主题脑图/知识导图，方便用户以树状脉络快速浏览海量知识内容。

04 · 多智能体与扩展生态

一个 Agent 可以灵活组合模型、提示词、知识库、外部工具与专用子智能体。面对复杂任务，主智能体负责规划拆解，多个 SubAgents 分头异步并行执行，Skills 与 MCP 协议提供源源不断的能力扩展。

• 自由配置 Agent 的基座模型、知识挂载、工具调用与系统提示词。
• 支持多个 SubAgents 异步并行执行深度调研、数据分析或内容生成。
• 原生兼容 Skills 插件机制与 MCP（Model Context Protocol）标准协议。

05 · 沙盒工作区与文件产物

每个任务都在安全隔离的沙盒文件系统中进行读写操作。智能体不仅能在对话中回答问题，还能把分析研究成果沉淀为 Markdown 文档、数据表格、HTML 页面或可执行代码，并在工作区中随时查看与下载。

• 任务在独立的沙盒目录中运行，保障文件与数据安全隔离。
• 支持一键生成图文报告、数据分析图表、Web 页面等多种格式产物。
• 浏览器内原生支持各类文件在线交互预览，支持一键打包下载。

工作区文件管理

可视化管理任务运行过程中读取与产生的所有文件，清晰展示目录层级、文件类型与体积大小，方便在会话之间复用中间产物。

HTML、PDF、图表与代码在线预览

智能体生成的报告文档、可视化 HTML 网页、图片图表或代码脚本，无需下载即可直接在浏览器内置的预览器中渲染并进行交互查看。markdown 还支持在线编辑保存。

对话中的文件交付

任务执行完毕后，对话气泡中会生成结构化的交付卡片，直观呈现文件摘要、格式与操作按钮，支持直接打开预览或保存到本地。

06 · 团队治理与运行管理

专为企业和团队多人协作打造。管理员可以集中管理成员与部门组织架构、统一配置模型接入凭据与 API Key，并通过监控看板全面掌握平台的运行状况与调用指标。

• 支持按租户、用户与部门配置知识库、Agent 以及功能的读写权限。
• 集中配置和调度多供应商的大模型能力，统一管理 API Key 凭据。
• 实时统计分析使用量、请求趋势与资源负载，保障服务稳定运行。

用户、部门与细粒度权限体系

提供符合企业组织架构的多租户权限体系，支持按照部门或用户组精确控制对知识库、智能体、工具和沙盒工作区的访问与编辑权限。

模型供应商与统一凭据管理

支持接入主流大模型供应商（OpenAI、Anthropic、DeepSeek、Qwen、本地 Ollama/vLLM 等），集中维护 API Key 凭据并统一分配模型能力，密钥对普通成员完全脱敏。

Dashboard 与系统运行监控

直观的运维数据看板，实时展示系统请求量、Token 消耗统计、知识库检索频次与长任务排队状态，为容量规划和成本核算提供数据支撑。

项目技术栈

快速启动项目

前置条件

安装 Docker Engine 和 Docker Compose，并准备一个可用的大模型 API。当前仓库默认配置对应 v0.7.2，仍处于 Beta 阶段。

1. 获取代码并初始化

git clone --branch v0.7.2 --depth 1 https://github.com/xerrors/Yuxi.git
cd Yuxi

# Linux/macOS
./scripts/init.sh

# Windows PowerShell
.\scripts\init.ps1

初始化脚本会创建 .env、读取 SiliconFlow API Key，并为 JWT、API Key 派生和 Sandbox provisioner 生成独立的安全密钥。也可以手动复制 .env.template 并填写这些值。

2. 启动开发环境

docker compose up --build -d

查看服务状态：

docker compose ps
curl --fail http://localhost:5050/api/system/ready

返回的 status 为 ready 后，打开 http://localhost:5173，按页面提示初始化超级管理员并登录。API 文档位于 http://localhost:5050/docs。

不需要知识库、知识图谱和评估时，可以使用轻量模式：

make up-lite

从 v0.7.1 升级到当前版本时，不能直接执行 docker compose up。请先阅读生产部署与升级，在停机窗口完成备份和迁移。

三步本地跑起来

# 1. 克隆并初始化
git clone --branch v0.7.2 --depth 1 https://github.com/xerrors/Yuxi.git
cd Yuxi && ./scripts/init.sh

# 2. 使用 Docker 启动
docker compose up --build

# 3. 浏览器访问
open http://localhost:5173

项目地址：https://github.com/xerrors/Yuxi