AEGIS — AI 驱动的企业级培训考核平台

AI-powered Enterprise Training & Assessment Platform with full lifecycle coverage.

Monorepo 架构总览

flowchart TB
    subgraph Base["Base 基础框架（端口 8010）"]
        direction TB
        B1["自研 ORM<br/>BaseDBModel + BaseVDBModel"]
        B2["LLM 抽象层<br/>BaseLlm ↔ QwenLlm / DeepSeekLlm"]
        B3["Agent 框架<br/>ReAct / CoT / Plan-and-Execute"]
        B4["客户端封装<br/>Redis / Neo4j / Milvus / MinIO / COS / TTS/ASR"]
        B5["工具库<br/>HTTP / 缓存 / PDF / Excel / 音频"]
    end

    subgraph CompFox["CompFox·合规狐（端口 8003）"]
        direction TB
        C_API["API 层<br/>7 个路由模块"]
        C_SVC["Service 层<br/>7 个业务服务"]
        C_PO["MySQL PO<br/>8 张业务表"]
        C_VDB["Milvus 集合<br/>知识向量 + 题目向量"]
        C_PROMPT["Prompt 层<br/>Jinja2 模板"]
        C_FE["前端层<br/>9 个 HTML 页面"]
    end

    subgraph Education["Education·E教千问（端口 8002）"]
        direction TB
        E_API["API 层<br/>5 个路由模块"]
        E_SVC["Service 层<br/>5 个业务服务"]
        E_PO["MySQL PO<br/>业务表"]
        E_VDB["Milvus 集合"]
        E_PROMPT["Prompt 层"]
        E_FE["前端层<br/>8 个 HTML 页面"]
    end

    CompFox -->|"继承/复用"| Base
    Education -->|"继承/复用"| Base

模块定位

模块	定位	端口	说明
Base	通用基础框架	8010	ORM、LLM 抽象、Agent、客户端封装、工具库
CompFox（合规狐）	金融合规培训与能力评估	8003	面向银行/证券/保险的合规考核平台
Education（E教千问）	智能教育 AI 平台	8002	面向学校的 AI 教学辅助平台

核心业务流程

flowchart LR
    Q["📝 合规题库<br/>AI生成 + 人工 + Excel导入"] --> P["📄 自动组卷<br/>题型/难度/知识点约束"]
    P --> E["🎯 在线考核<br/>限时答题 · 一人一卷"]
    E --> J["🤖 AI 阅卷<br/>客观规则 + 主观LLM + RAG对照"]
    J --> U["👤 员工画像<br/>雷达图 · 薄弱分析 · 行为"]
    U --> R["🎯 复训推荐<br/>个性化题目推荐"]

技术栈

flowchart LR
    subgraph Lang["语言 & 框架"]
        L1["Python 3.13"]
        L2["FastAPI + Uvicorn"]
    end

    subgraph DB["数据层"]
        D1["MySQL<br/>InnoDB utf8mb4"]
        D2["Milvus<br/>1024维 + BM25 混合"]
        D3["Neo4j<br/>法规-案例-处罚图谱"]
        D4["Redis<br/>缓存/会话"]
        D5["MinIO / COS<br/>对象存储"]
    end

    subgraph AI["AI 层"]
        A1["通义千问 Qwen3-Max"]
        A2["DeepSeek Chat"]
        A3["自研 Agent<br/>ReAct/CoT/P&E"]
        A4["自研 RAG<br/>稠密+稀疏混合"]
    end

    subgraph Front["前端"]
        F1["原生 HTML + Vanilla JS"]
        F2["Jinja2 模板"]
    end

    subgraph Dep["部署"]
        P1["Docker"]
        P2["docker-compose"]
    end

    DB --> Lang
    AI --> Lang
    Front --> Lang
    Lang --> Dep

层级	技术选型
语言	Python 3.13
Web 框架	FastAPI + Uvicorn（异步 + 同步混合，SSE 流式响应）
ORM	自研（PyMySQL + Pydantic + DBUtils，参数化查询防 SQL 注入）
LLM	通义千问 Qwen3-Max / DeepSeek Chat，OpenAI SDK 统一接口，一键切换
Agent 框架	自研 ReAct / CoT / Plan-and-Execute 多范式，Tool 注册 + Memory 管理
向量数据库	Milvus（1024 维稠密向量 + BM25 稀疏向量混合检索）
图数据库	Neo4j（法规-案例-处罚关系图谱）
关系数据库	MySQL（InnoDB, utf8mb4）
缓存	Redis（LLM 结果缓存、会话上下文）
对象存储	MinIO / 腾讯云 COS
语音	通义千问 ASR（语音转文字）/ TTS（文字转语音）
前端	原生 HTML + Vanilla JS + Jinja2 模板渲染
部署	Docker + docker-compose

核心亮点

1. 自研 ORM 框架

flowchart LR
    P["PyMySQL<br/>连接池"] --> S["SQL 生成器<br/>参数化查询"]
    S --> T["类型映射<br/>Pydantic ↔ MySQL"]
    T --> R["三级路由<br/>实例>类>全局"]
    R --> H["健康检查<br/>自动恢复"]

不依赖 SQLAlchemy，从零构建。参数化查询强制防 SQL 注入，三级优先级数据库路由（实例级 > 类级 > 全局默认），连接池健康检查与自动恢复，DDL 自动生成。

2. AI Agent 多范式框架

flowchart TB
    subgraph Paradigms["三种 Agent 范式"]
        REACT["ReAct<br/>Reason → Act → Loop"]
        COT["CoT<br/>Chain of Thought"]
        PNE["Plan-and-Execute<br/>分步执行"]
    end

    subgraph Tools["Tool 注册"]
        T1["@tool 装饰器"]
        T2["自动 Schema 生成"]
        T3["Tool 选择器"]
    end

    subgraph Features["业务能力"]
        F1["6 意图识别"]
        F2["SSE 流式响应"]
        F3["思考过程可视化"]
    end

    Paradigms --> Tools --> Features

实现 ReAct、CoT、Plan-and-Execute 三种 Agent 范式，@tool 装饰器自动注册机制。业务中实现 6 意图识别 + SSE 流式响应 + 思考过程可视化的对话系统。

3. 主观题 AI 阅卷

flowchart TB
    A["用户答案"] --> S["三步评判"]
    S --> L1["① 题目自带评分标准 Prompt"]
    S --> L2["② RAG 检索法规原文"]
    S --> L3["③ LLM 输出结构化 JSON"]
    L3 --> O["score + 评判理由"]

三层评判架构，解决合规案例分析类主观题的自动评分难题。

4. RAG 混合检索与评测闭环

flowchart LR
    subgraph Ret["混合检索"]
        R1["稠密向量<br/>Milvus 0.7"]
        R2["稀疏向量<br/>BM25 0.3"]
        R1 --> W["加权融合"]
        R2 --> W
    end

    subgraph Eval["评测"]
        E1["Precision@k"]
        E2["Recall@k"]
        E3["NDCG@k"]
        E4["LLM-as-Judge"]
    end

    subgraph Iter["迭代"]
        I1["chunk_size 调优"]
        I2["overlap 调优"]
        I3["λ 权重调优"]
    end

    Ret --> Eval --> Iter --> Ret

Milvus 稠密向量（70%）+ BM25 稀疏向量（30%）混合检索，中文递归分块策略。自建评测数据集，快照对比驱动参数迭代。

5. 试卷版本控制

flowchart LR
    V1["v1<br/>id=1"] --> V2["v2<br/>id=2, parent=1"]
    V2 --> V3["v3<br/>id=3, parent=1"]
    V3 --> V4["v4<br/>id=4, parent=1"]
    V2 -.->|"恢复"| V5["v5<br/>id=5, parent=1"]

修改不覆盖，parent_id 创建新版本。支持版本历史追溯与回滚，满足金融合规审计要求。

6. 题目质量全生命周期管理

50+ 维特征宽表：
  - 统计特征：正确率、区分度
  - 干预特征：干扰项效力
  - 知识图谱特征
  - 运维特征

熔断状态机：Normal → L1观察 → L2干预 → L3冻结

7. 行业平移能力

flowchart TB
    subgraph SRC["Education（通用教育）"]
        S_MODEL["数据模型"]
        S_PROMPT["Prompt 文案"]
        S_CONFIG["配置参数"]
    end

    subgraph COMMON["Base 基础框架（零改动）"]
        CODE["ORM / LLM / Agent / Client<br/>100% 复用"]
    end

    subgraph DST["CompFox（金融合规）"]
        D_MODEL["数据模型 ✅ 替换"]
        D_PROMPT["Prompt 文案 ✅ 替换"]
        D_CONFIG["配置参数 ✅ 替换"]
    end

    SRC --> COMMON
    COMMON --> DST

Education（通用教育）→ CompFox（金融合规）的行业平移过程中，架构代码零改动，只换了数据模型、Prompt 文案和配置参数。

项目目录

D:\AEGIS/
├── Base/                          # 通用基础框架
│   ├── Ai/                        #   LLM 抽象 + Agent 框架 + Prompt
│   │   ├── base/                  #   BaseLlm / BaseAgent / BaseTool / BaseMemory
│   │   ├── llms/                  #   QwenLlm / DeepSeekLlm
│   │   └── agents/                #   NL2CypherAgent
│   ├── Api/                       #   Auth API / Chat API
│   ├── Client/                    #   Redis / Neo4j / Milvus / MinIO / COS / TTS
│   ├── Config/                    #   Pydantic V2 Settings / 日志配置
│   ├── Models/                    #   User / Session / Conversation
│   ├── Repository/                #   自研 ORM（BaseDBModel / BaseVDBModel）
│   ├── Service/                   #   Auth / Email / ASR / TTS / Memory
│   ├── RicUtils/                  #   HTTP / RedisCache / PDF / Excel / Audio
│   └── main.py                    #   FastAPI 入口（端口 8010）
│
├── CompFox/                       # 金融合规培训平台
│   ├── api/core/                  #   7 个 API 路由
│   ├── services/                  #   7 个业务服务
│   ├── models/pojo/               #   MySQL PO 模型（8 个表）
│   ├── models/vdb/                #   Milvus VDB 模型
│   ├── prompts/                   #   Jinja2 Prompt 模板
│   ├── db/                        #   初始化 / Mock 数据 / 测试脚本
│   ├── frontend/                  #   9 个 HTML 页面 + static
│   └── main.py                    #   FastAPI 入口（端口 8003）
│
├── Education/                     # 智能教育 AI 平台
│   ├── api/core/                  #   5 个 API 路由
│   ├── services/                  #   5 个业务服务
│   ├── models/                    #   PO 模型 + VDB 模型
│   ├── prompts/                   #   Prompt 模板
│   ├── db/                        #   初始化 + Mock 数据
│   ├── frontend/                  #   8 个 HTML 页面 + static
│   └── main.py                    #   FastAPI 入口（端口 8002）
│
├── docs/                          # 项目文档
├── logs/                          # 日志输出
├── .env.template                  # 环境变量模板
├── .env.docker                    # Docker 部署环境变量
├── requirements.txt               # 依赖清单
└── docker-compose.yml             # Docker 编排

快速启动

前置依赖

Python 3.13+
MySQL 8.0+
Redis
Milvus 2.4+
Neo4j（可选）
MinIO（可选）

1. 克隆 & 配置

git clone https://github.com/<your-username>/AEGIS.git
cd AEGIS

# 复制环境变量模板并填入真实值
cp .env.template .env

2. 安装依赖

python -m venv venv
# Windows
venv\Scripts\activate
# macOS / Linux
# source venv/bin/activate

pip install -r requirements.txt

3. 初始化数据库

# 创建 MySQL 数据库
mysql -u root -p -e "CREATE DATABASE IF NOT EXISTS for_student CHARACTER SET utf8mb4;"

# 初始化 CompFox 题库表
python CompFox/db/questionDbInit.py

4. 启动服务

# 方式一：单模块启动
uvicorn CompFox.main:app --host 0.0.0.0 --port 8003 --reload

# 方式二：Docker 部署
docker-compose up -d

5. 访问

服务	地址
CompFox	http://localhost:8003
Education	http://localhost:8002
API 文档	http://localhost:8003/docs

端口分配

端口	模块	说明
8003	CompFox	金融合规培训全业务
8002	Education	智能教育全业务
8010	Base	Auth 认证 + AI Chat + 定时任务

核心数据表

CompFox（合规培训）

表名	说明	关键特性
`compfox_questions`	合规题库	30+ 字段，3 种格式支持，AI 元数据，版本控制，软删除
`compfox_papers`	合规试卷	`parent_id` 版本控制，三维约束组卷
`compfox_exams`	考试记录	JSON 答案+分数详情，一人一卷，AI 总结
`compfox_answers`	答题记录	按题记录，含 AI 评判完整 trace
`compfox_user_profiles`	员工合规画像	JSON 统计/掌握度/弱点/行为分析/AI 摘要
`question_feature_engineering`	题目特征工程	50+ 维特征，熔断状态机

Milvus 向量集合

集合名	说明	维度
`compliance_knowledge`	合规知识 Chunk	1024 稠密 + BM25 稀疏
`question`	题目语义向量	1024 稠密 + BM25 稀疏

RAG 评测结果

配置	Precision@3	Recall@5	MRR	NDCG@5
Chunk 300, Overlap 50	0.73	0.72	0.80	0.70
Chunk 500, Overlap 80	0.60	0.65	0.72	0.62

文档

项目概述 — 整体介绍、架构、技术选型
CompFox 技术规格书 — 详细设计与开发规范
行业迁移指南 — Education → CompFox 改造记录

许可

本项目基于 MIT License 开源。

Built with ❤️ and Python

Name		Name	Last commit message	Last commit date
Latest commit History 5 Commits
Base		Base
CompFox		CompFox
Education		Education
docs		docs
.dockerignore		.dockerignore
.env.docker		.env.docker
.env.template		.env.template
.gitignore		.gitignore
Dockerfile		Dockerfile
LICENSE		LICENSE
README.md		README.md
docker-compose.yml		docker-compose.yml
entrypoint.sh		entrypoint.sh
requirements.txt		requirements.txt

Provide feedback

Saved searches

Use saved searches to filter your results more quickly

Repository files navigation

AEGIS — AI 驱动的企业级培训考核平台

Monorepo 架构总览

模块定位

核心业务流程

技术栈

核心亮点

1. 自研 ORM 框架

2. AI Agent 多范式框架

3. 主观题 AI 阅卷

4. RAG 混合检索与评测闭环

5. 试卷版本控制

6. 题目质量全生命周期管理

7. 行业平移能力

项目目录

快速启动

前置依赖

1. 克隆 & 配置

2. 安装依赖

3. 初始化数据库

4. 启动服务

5. 访问

端口分配

核心数据表

CompFox（合规培训）

Milvus 向量集合

RAG 评测结果

文档

许可

About

Uh oh!

Releases

Packages

Uh oh!

Contributors

Uh oh!

Languages

Folders and files

Latest commit

History

Repository files navigation

AEGIS — AI 驱动的企业级培训考核平台

Monorepo 架构总览

模块定位

核心业务流程

技术栈

核心亮点

1. 自研 ORM 框架

2. AI Agent 多范式框架

3. 主观题 AI 阅卷

4. RAG 混合检索与评测闭环

5. 试卷版本控制

6. 题目质量全生命周期管理

7. 行业平移能力

项目目录

快速启动

前置依赖

1. 克隆 & 配置

2. 安装依赖

3. 初始化数据库

4. 启动服务

5. 访问

端口分配

核心数据表

CompFox（合规培训）

Milvus 向量集合

RAG 评测结果

文档

许可

About

Resources

License

Uh oh!

Stars

Watchers

Forks

Releases

Packages 0

Uh oh!

Contributors

Uh oh!

Languages

Packages