SuperBizAgent · 企业级 RAG + AIOps 助手

两件事

一个 Agent 干两件事：

1. 智能对话 + RAG 知识库问答 — 文档上传后自动切分、向量化、入 Milvus，检索时 Top-K 召回相关片段塞进 prompt。支持流式 SSE 输出和一次性返回。
2. AIOps 自动诊断 — 基于 LangGraph 实现 Plan-Execute-Replan 状态机，遇到线上故障自动走：制定诊断计划 → 调用 MCP 工具查日志/监控 → 评估结果 → 动态调整步骤 → 输出根因分析 + 运维建议。

架构

app/
├── api/              · FastAPI 路由（chat / aiops / file / health）
├── services/         · 业务层：RAG Agent、AIOps Service、向量服务
├── agent/
│   ├── mcp_client.py · MCP 协议客户端
│   └── aiops/        · Planner / Executor / Replanner / State
├── models/           · 数据模型
├── tools/            · Agent 可调用工具（知识查询、时间等）
└── core/             · LLM 工厂、Milvus 客户端

mcp_servers/
├── cls_server.py     · 日志查询 MCP 服务
└── monitor_server.py · 监控数据 MCP 服务

AIOps 诊断循环

Planner    → 生成 4-6 个诊断步骤
   ↓
Executor   → 逐步执行，调用 MCP 工具（日志 / 指标）
   ↓
Replanner  → 看结果决定：继续 / 调整计划 / 给诊断报告
   ↓
Report     → 根因分析 + 运维建议（结构化输出）

流式 SSE 把每一步的思考过程实时推给前端，不是黑盒。

技术栈亮点

• LangGraph 状态机：不是简单的 chain-of-thought，而是带反馈回路的 Plan-Execute-Replan，遇到意外情况能自己调整
• MCP (Model Context Protocol)：用标准协议接入外部工具（日志、监控），Agent 和工具解耦
• Milvus：本地 Docker Compose 拉起，RAG 向量检索 Top-K 可配
• DashScope (Qwen)：通义千问做 LLM 底座，国内直连无翻墙
• uv 包管理：比 pip 快 10x，项目依赖锁定在 uv.lock

一键启动

Linux/macOS：

make init       # 起 Docker + 启服务 + 自动上传知识库文档
make start      # 起服务

Windows：

.\start-windows.bat    # PowerShell 脚本自动拉起 Milvus + MCP + FastAPI + 文档上传

服务起在 :9900，/docs 直接访问 OpenAPI 文档。