Yuxi（语析）——可私有部署的多租户知识智能体平台
将 RAG 检索、知识图谱、多智能体编排、MCP/Skills、沙盒与权限管理整合在一个自托管工作台中。
证据显示有基于角色的访问控制（用户/部门权限）和API密钥认证，但未提供最小权限原则的详细实现。用户确认机制未见文档。数据流透明度部分：README提及检索来源回填为引用，但未说明数据流细节。敏感数据处理：提及API密钥认证，但未说明密钥存储方式。依赖安全：未提及依赖漏洞扫描或安全审计。外部影响：提及沙盒工具和文件系统，但未说明沙盒隔离强度。回滚：未提及。来源归属：README致谢了多个开源项目，但未提供具体代码引用。
自洽性：README描述的功能与代码结构（如FastAPI、LangGraph）一致，但未深入验证。依赖可用性：依赖项在README中列出，但未提供版本锁定或镜像。失败消息：测试代码中有失败消息，但产品文档未说明错误处理。
受众与场景：README明确说明适合需要私有部署、组织访问控制、多知识源和可扩展代理的团队。能力边界：README说明了不适合的场景（如仅需简单聊天UI或完全托管SaaS）。触发精度：未详细说明代理触发条件。环境适配：提供Docker Compose和LITE模式，但未说明所有环境要求。
信息架构：README结构清晰，有导航和文档链接。安装说明：提供快速开始步骤，但未提供详细配置。命名稳定性：未提及API或配置的稳定性。示例与FAQ：提供截图和演示，但无FAQ。已知限制：未明确列出。许可证：MIT许可证，但第三方组件许可证有说明。版本与变更日志：有changelog链接，但未提供具体内容。维护责任：未明确说明维护者或贡献指南。
输出可用性：提供可预览、可下载的工件，但未说明格式。边际价值：与现有平台相比，提供了知识图谱和沙盒等特性，但未量化。成本效益：未提供性能或成本数据。
声明可追溯性：README中的功能声明未提供代码引用。跨来源佐证：未提供外部验证。事实与推断分离：未明确区分事实和推断。
- 未提供最小权限原则的详细实现，需审查权限模型。
- 未说明敏感数据（如API密钥）的存储和加密方式。
- 依赖安全未提及，需检查依赖漏洞。
- 沙盒隔离强度未说明，需验证。
- 回滚机制缺失，需确认。
这个 Agent 能做什么，适合哪些场景？
Yuxi 是一个面向团队的多租户知识智能体平台，可私有部署。它将知识库（基于 Milvus）、知识图谱（Neo4j 与 Milvus）、LangGraph 多智能体编排、MCP/Skills、沙盒工具与权限管理统一在一个工作台中。管理员可接入模型、建设知识库并配置用户与部门权限；用户通过统一对话界面调用知识、工具和子智能体，获得带来源引用、基于图谱上下文的推理，以及可预览、可下载的产物。平台采用 Docker Compose 部署，前后端分离（Vue 3 前端、FastAPI 后端），并引入 DeepAgents 作为深度智能体框架。项目曾参考 LightRAG、DeerFlow、RAGflow 等开源项目，采用 MIT 许可证。
Yuxi 启动后提供统一对话界面，用户可提问并接收带来源引用和知识图谱上下文的回答。它运行 LangGraph 与 DeepAgents 智能体，支持子智能体（SubAgents）、Skills、MCP、工具和中间件，通过 ARQ 异步 worker 执行长任务。管理员配置模型供应商（兼容 OpenAI 接口）和 API Key。系统从知识库文档中抽取实体关系，在 Milvus 与 Neo4j 中构建和检索知识图谱，并在前端展示子图。沙盒提供隔离文件系统，支持文本、图片、PDF、HTML 等产物落盘、预览和下载。平台还提供用户与部门权限管理、模型供应商配置、API Key 调用监控与评估能力。
- 企业知识管理团队：需要内部知识库结合图谱推理，让员工通过对话获取带引用的准确答案。
- AI 应用开发者：需要将多智能体、RAG 和知识图谱集成到一个可自托管的平台，避免依赖外部 SaaS。
- 研究机构：希望私有部署知识库与图谱，支撑研究资料检索和综合分析。
- IT 运维人员：需要多租户管理和用户/部门权限控制，将平台接入现有模型 API。
- 文档密集型组织：需要从文档中抽取实体关系并构建知识图谱，支持复杂查询。
- 需要任务交付的团队：通过沙盒和工具执行长任务，生成可下载的产物（如 PDF、HTML）。
这个 Agent 有哪些优点和局限？
- 一体化整合 RAG、知识图谱、多智能体和沙盒，降低集成成本。
- 支持多租户和用户/部门权限管理，面向团队而非单用户 Demo。
- Docker Compose 开箱即用，部署路径清晰。
- 产物支持预览和下载，适合任务交付场景。
- 采用 MIT 许可证，允许商用和二次开发。
- 依赖较重，需要 PostgreSQL、Redis、MinIO、Milvus、Neo4j 等多个组件，资源消耗高。
- 需要至少一个 OpenAI 兼容的大模型 API，否则无法运行。
- 项目仍处于早期阶段（v0.7.1），可能存在稳定性与文档不完善问题。
- 沙盒安全性依赖于 Docker 隔离，权限配置复杂。
- 某些第三方组件（如 Neo4j 社区版 GPL-3.0、MinIO AGPL-3.0）可能带来许可证约束。
如何安装或部署这个 Agent？
前置要求：安装 Docker 与 Docker Compose，并准备至少一个兼容 OpenAI 接口的大模型 API。
- 克隆代码并初始化：
git clone --branch v0.7.1 --depth 1 https://github.com/xerrors/Yuxi.git
cd Yuxi
# Linux/macOS
./scripts/init.sh
# Windows PowerShell
.\scripts\init.ps1- 使用 Docker 启动：
docker compose up --build- 访问平台：打开 http://localhost:5173 ，使用初始化生成的管理员账户登录。
如何使用这个 Agent？
完成安装后，使用管理员账户登录平台。管理员可配置模型供应商（需 OpenAI 兼容 API）、建设知识库（支持多种文档格式）、设置用户与部门权限。用户在统一对话界面中提问，可调用知识库、知识图谱、工具、子智能体等。系统返回带来源引用和推理的回答，产物可在沙盒中预览和下载。如需轻量模式启动（不依赖知识库/图谱），可使用 make up-lite 启动 LITE 模式以加快冷启动。详细配置、生产部署和故障排查见项目文档（https://xerrors.github.io/Yuxi/intro/quick-start）。
这个 Agent 与同类方案有什么区别？
项目文档中参考了 LightRAG、DeerFlow、RAGflow 等开源项目，但未明确将 Yuxi 与它们作为直接替代品比较。可视为这些项目的整合与扩展。
常见问题
部署 Yuxi 需要哪些硬件资源？
如何配置模型供应商？
沙盒的隔离性如何？
是否支持知识图谱的构建与查询？
轻量模式有哪些限制？
make up-lite）会跳过知识库和知识图谱等重依赖，可能不支持相关功能，用于快速演示或测试。