项目地址https://github.com/codefuse-ai/CodeFuse-muAgent## 项目介绍参考人类经验获取的方式，我们将KG（知识图谱）从知识获取来源升级为Agent编排引擎，来承载私域知识的图谱资产，同时让大模型在人的经验指导下完成各类复杂多步操作。本项目完全开源，支持一键本地化启动，内嵌demo：AI文本游戏 - 谁是卧底。## 为什么做知识图谱编辑的Agent框架LLM 在面向严谨专业私有领域时只能给出泛泛而谈的答案，而人面向专业复杂的事务则具备丰富的处理经验。这部分经验往往来自于“老人带新人”和“文档阅读、自我摸索” 两个方向。为了让经验得到传递，同时能够辅助工作的提效。于是希望把知识图谱作为新型的Agent编排引擎来承载专业知识，在新人更快学习到前辈经验的同时，面向相似问题也可由LLM实现自动化地执行和解答。## 项目功能- 知识即写即用，画布式、轻文字编写，支持各类专业复杂知识承载- 多人协同编辑，得益于图谱引擎的拓展性，方便多人多团队协同编辑。- 支持调试运行，对编辑完成的图谱进行可视调试，快速发现流程错误、修改优化- 实现人工交互，多角色设计（智能体、企业人、用户人），解决实际业务流推进人物咨询需求- 多种模型适配，支持Qwen/零一万物/OpenAI/Kimi等多种模型服务，开源模型可通过 ollama 接入## 演示视频https://github.com/user-attachments/assets/7d5251a0-2864-438c-8897-b0445f0b1c30https://github.com/user-attachments/assets/34e5efea-f237-4b04-aeca-1f443ed7eb88## 快速启动bash# step1. git clonegit clone https://github.com/codefuse-ai/CodeFuse-muAgent.git# step2. cd CodeFuse-muAgent# step3. start all container services, it might cost some timedocker network create ekg-net && docker-compose up -d## 项目持续更新- 面向海量存量文档，支持文本智能解析、一键迁移导入- 支持工具Tool和智能体Agent的注册管理- 优化图谱推理，将存量经验原子拆分、泛化，实现发散推理...我们欢迎您的任何建议、意见（包括批评）和贡献，可以通过 GitHub 的 Issues 提出