🤖 智扫通 Agent 项目概览

本项目是一个面向消费者（toC）的扫地机器人智能客服系统。它不仅在购前、使用中及售后阶段提供全场景问答支持，还能基于 RAG 技术提供精准的决策依据。

一、核心功能

• 智能问答服务
  • 全周期支持：处理购前咨询（型号对比、护户型适配）、使用指引及售后故障排查。
  • RAG 增强生成：基于扫地机专业知识库，结合大模型生成高置信度的本地化回复。
• ReAct 智能决策
  • 采用 思考-行动-观察 框架，能够根据用户意图精准调用 RAG 工具或进行数据分析。
• 现代化 UI 交互
  • 提供基于 Streamlit 的深美化前端界面，支持多回话管理、流式输出及历史记录持久化。

二、代码目录架构

本项目已完成核心工程搭建，各模块职司如下：

zhisaotong_agent/
  ├─ agent/                     # 智能体核心逻辑
  │  ├─ tools/                  # 智能体可调用工具（RAG、数据分析等）
  │  └─ react_agent.py          # ReAct 对话流控制中心
  ├─ config/                    # 业务配置文件 (YAML)
  ├─ model/                     # 模型连接工厂 (Chat / Embedding)
  ├─ prompts/                   # 提示词模板与 System Prompt 仓库
  ├─ rag/                       # RAG 检索增强引擎
  │  ├─ rag_service.py          # 文档检索与摘要服务
  │  └─ vector_store.py         # 向量库 (Chroma) 封装
  ├─ utils/                     # 增强工具集（配置读写、文件处理、日志等）
  ├─ app.py                     # Streamlit 应用主入口
  └─ PROJECT_OVERVIEW.md        # 项目技术白皮书

三、技术架构 (Mermaid)

四、开发计划与状态

• 第一阶段：基础工程搭建、依赖与环境配置。
• 第二阶段：向量库构建、知识文档导入与 RAG 检索闭环。
• 第三阶段：ReAct 智能体逻辑实现、工具函数注入。
• 第四阶段：UI 美化、多轮对话持久化与流式响应优化。
• 持续迭代：接入更多维度的用户使用报告分析、耗材提醒等高级功能。

[!TIP]
运行方式：执行 streamlit run zhisaotong_agent/app.py 即可开启专业服务。

📜 声明 Disclaimer

本项目仅用于个人学习，与黑马程序员官方无直接关联。欢迎开发者参考、交流与扩展。

• 学习用途：本仓库仅用于个人学习与笔记整理，无任何商业用途。
• 非官方代码：本项目与黑马程序员、课程官方无直接关联，仅参考其公开课程内容进行实践。
• 欢迎扩展：你可以在此基础上继续扩展自己的 RAG / Agent 实战项目与实验。
• 仓库代码

先赞后看，养成习惯！！！^ _ ^ ❤️ ❤️ ❤️
码字不易，大家的支持就是我的坚持下去的动力。点赞后不要忘了关注我哦！