Skip to content
Projects

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.

How these counts are measured

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。

AI

README.md

Original

Fusion

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。

在线体验 · 后端开发 · 前端开发

Fusion CI Fusion dev deploy

Fusion 回答:天气卡片与结论

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。

回答依据面板

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。

交付物文档

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。

Agent 运行轨迹

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。