HyxiaoGe/fusion
HyxiaoGe/fusion has 99 GitHub stars and 1 forks. GitHot measured 0 stars in 24 hours. Last checked 2026-11-16 20:01 UTC. Last push 2026-11-09.
Measured star growth
- in 24h
- 0
- in 7 days
- Collecting history
- in 15 days
- Collecting history
- in 1 month
- Collecting history
Net star changes over overlapping periods, not daily totals. Missing measurements are left blank. Stars measure attention, not software quality.
About
面向任务执行的 AI 工作台:模型在单个 Agent 循环里自选搜索、网页深读、地图与知识库等工具,回答来源可追溯。
AIREADME.md
OriginalFusion
面向任务执行的 AI 工作台:一个 Agent 循环,模型自己决定查什么、读什么、做什么,每一步都有据可查。

问「北京未来三天天气怎么样,周末适合去爬长城吗?」,Agent 先查和风天气拿到四天预报;发现预报不覆盖周末,再搜索并深读中央气象台和中国气象局的页面补齐,最后给出带引用的结论。整个过程没有预设流程,由模型按结果决定下一步。
在线环境需要登录。截图均来自 dev 环境的真实运行。
它能做什么
回答有据可查
联网回答把来源分成「已使用」「候选」和「已深读」三层,正文里的引用编号可以直接定位到对应来源。用户能看清答案用了哪些材料,以及哪些材料看过但没采用。

产出可交付的文档
需要成文的任务直接生成文档:流式预览、目录导航、版本记录与版本对比,可下载为 Markdown 或 HTML。后续对话可以继续修改同一份文档,生成新版本。

看见 Agent 怎么做的
独立的轨迹视图按时间线还原每一次模型请求、工具调用、上下文用量和耗时。刷新页面或回到历史会话,看到的是同一份服务端记录。

能力一览
| 类别 | 能力 |
|---|---|
| 信息获取 | 网页搜索、网页深读、图片搜索与回答配图 |
| 结构化工具 | 和风天气(含 24 小时趋势)、地点搜索、路线对比、航班与高铁查询 |
| 产出 | 交付物文档(创建 / 编辑 / 版本)、AI 生图 |
| 知识 | 会话文件、个人知识库(异步解析、切片、向量检索、引用定位) |
| 扩展 | 远程 MCP 服务接入、Skills(行程规划、对比选择) |
| 模型 | LiteLLM 统一接入多家模型、自动选择模型、推理开关 |
技术亮点
1. 单 Agent 循环,不预判用户意图
早期版本在每个 Run 开始前先用分类模型判断任务类型,只给模型对应的工具包。实践中分类一旦出错,后面的校验、升级、兜底就要层层打补丁。现在的做法是删掉分类器:每个 Run 向模型公告全部已授权的工具,由回答模型自行选择,Run 前只处理真实边界(被关闭的工具、模型是否支持工具调用)。
- 同一轮的多个工具调用并行执行;循环受超时、步数、工具调用次数三重上限约束,触达上限时强制收尾总结,不会无限搜索。
- 远程 MCP 工具同样直接公告,不做按需加载:十几个工具的定义只占几千 token,按需加载多出的一轮调用和打断的提示词缓存反而更贵。
- 提示词规则只写在对应工具的说明里,不按轮次往 system 注入;改动用真实 handler 回放对比后再上线。
2. 可恢复的流式输出
模型输出写入 Redis Streams,写入方通过 Lua 脚本原子校验所有权(任务 ID + 流状态),防止重连或重试时出现两个写入者。
- 离开页面不等于停止:Run 在服务端继续执行,侧栏实时显示「正在输出 / 已完成未查看」。
- 刷新或断线后从流的起点续读,接上实时输出;结束后落库,历史会话与实时会话读同一份数据。
- 支持停止与继续执行,异常和服务商内容拦截都有明确的终态,而不是让前端一直转圈。
3. 可审计的运行轨迹
每个 Run 共用同一个 run_id,事件序号加锁递增,轨迹账本记录模型请求、工具调用、上下文状态与耗时,并在结束时做完整性校验(界面上的「轨迹完整」标记)。并发压测中 18 个同时运行的 Run 全部正常收敛。
4. 上下文管理
多轮对话会回放历史轮次的工具调用与结果(去掉思考内容),让模型知道之前查过什么;超过阈值时先删除较旧轮次的工具记录,再截断。界面实时显示上下文用量。
5. 评测与发布流水线
- 回放评测:用例描述期望行为(该调哪个工具、参数是什么、不能做什么),能用轨迹判断的不交给裁判模型;结果入库,可按用例和模型回看历史。部署后可自动跑评测门禁,同一用例出现退步时复核一次,仍失败才标红。
- CI:按改动范围只跑受影响的前端或后端检查,合并后自动部署 dev。
- 构建与部署:两台 Windows runner 并行构建镜像推送到镜像仓库,dev 只拉镜像部署,API 先于 UI 上线;数据库迁移随部署自动执行。
规模
| 指标 | 数量 |
|---|---|
| 后端代码(Python,不含测试) | 约 6.7 万行 |
| 前端代码(TypeScript,不含测试) | 约 6.7 万行 |
| 测试 | 后端 265 个测试文件;前端 228 个测试文件、2500+ 用例 |
| 已合并 PR | 360+ |
架构
flowchart LR
UI[Next.js 客户端] -- SSE --> API[FastAPI]
API --> Loop[Agent 循环]
Loop <--> LLM[LiteLLM 多模型]
Loop --> Tools[搜索 / 深读 / 天气 / 地图 / 航班高铁 / 文档 / 生图]
Loop --> MCP[远程 MCP]
Loop --> KB[知识库检索]
Loop --> Redis[(Redis Streams<br/>实时输出)]
Loop --> PG[(PostgreSQL<br/>消息 / 轨迹 / 文档)]
KB --> Milvus[(Milvus)]
Worker[知识库 Worker] --> Milvus
Redis -- 续流 --> UI
聊天正文、回答依据和轨迹视图消费同一组服务端事实,只是呈现的层次不同:正文给结论,依据给材料,轨迹给过程。
技术栈
| 层 | 技术 |
|---|---|
| 前端 | Next.js、React、TypeScript、Redux Toolkit、Dexie、Vitest |
| 后端 | Python 3.12、FastAPI、SQLAlchemy、Alembic、httpx、asyncio、pytest |
| 存储 | PostgreSQL、Redis、Milvus、对象存储 |
| 模型与工具 | LiteLLM Proxy、MCP、独立的搜索 / 网页读取 / 生图服务 |
| 交付 | GitHub Actions、Docker、Windows 自托管构建 runner |
Monorepo
| 目录 | 作用 |
|---|---|
backend/ |
API、Agent runtime、工具、文件、知识库、评测与治理 |
frontend/ |
Web 客户端、流式会话、回答依据、文档与轨迹界面 |
ops/ |
服务部署与运行脚本 |
docs/ |
设计、实施与验证记录 |
本地开发
完整运行链路依赖 PostgreSQL、Redis、Auth Service、LiteLLM,以及按需启用的搜索、Reader、MCP、对象存储和 Milvus。仓库不提供掩盖这些依赖的一键启动脚本。
git clone https://github.com/HyxiaoGe/fusion.git
cd fusion
cp backend/.env.example backend/.env
cp frontend/.env.example frontend/.env.local
接下来按要开发的应用进入对应指南:
仓库历史
前后端代码与提交历史已合并到本仓库。原 fusion-api 与 fusion-ui 仓库已归档,仅用于历史追溯。