AI知识库集问答

框架图

架构图（模块视角）

当前真实生效路径（精简图）

“知识库”模块，当前实现可以概括为：文档管理 + 上下文拼接式问答（非RAG检索库），主问答链路是 单智能体调用 DeepSeek。

先说结论（你关心的点）

• 用了哪个智能体

  • 问答时实际使用的是 AutoGen 的AssistantAgent，名称是knowledge_base_qa（在backend/app/api/v1/endpoints/knowledge_base.py里创建）。
  • 代码里虽然 import 了RagRetrievalAgent、StreamResponseCollector、RagRetrievalRequest/Response，但当前文件内没有实际调用，属于“预留/未接入”。

• 调用了哪些模块

  • 路由与业务：backend/app/api/v1/endpoints/knowledge_base.py
  • 文件解析：app.utils.file_parser（parse_pdf/parse_docx/parse_xmind/extract_text_from_xmind）
  • 数据库模型：KnowledgeBaseDocument、KnowledgeBaseQA、Requirement、TestCase
  • LLM客户端：app.core.llms.get_deepseek_model_client
  • 前端API层：frontend/src/api/knowledgeBase.ts

• 用了什么大模型

  • 当前问答统一走get_deepseek_model_client(timeout=20)，底层模型是deepseek-chat。
  • 应用层又包了一层asyncio.wait_for(..., timeout=25)，避免前端长时间“正在生成”。

---

运行机制（知识库问答）

POST /api/v1/knowledge-base/qa的处理逻辑是：

1. 从数据库取三类内容：
   • 已上传知识库文档（KnowledgeBaseDocument）
   • 已审批需求（Requirement）
   • 测试用例的源文件路径（TestCase.source_file_path）
2. 解析/抽取文本后做上下文构建：
   • 关键词提取（中文词组、英文缩写、业务术语、数字）
   • 文档片段筛选与截断（总上下文预算KB_QA_MAX_CONTEXT = 6000）
3. 组装system_message + user_message(context+问题)。
4. 用AssistantAgent(knowledge_base_qa)调 DeepSeek。
5. 返回答案，并将问答记录写入KnowledgeBaseQA。