20 | 实战——用 LangFuse + Ragas 构建 Agent 评估与监控体系
系列收官之作。用 LangFuse 实现 Agent 的全链路追踪和可观测性,用 Ragas 构建自动化评估 pipeline,把前 19 篇学到的评估、安全、可观测性知识全部落地。最后回顾整个学习路线,给出后续进阶方向。
系列收官之作。用 LangFuse 实现 Agent 的全链路追踪和可观测性,用 Ragas 构建自动化评估 pipeline,把前 19 篇学到的评估、安全、可观测性知识全部落地。最后回顾整个学习路线,给出后续进阶方向。
系列二不再讲概念,而是从零实现一个能用的企业知识助手 Agent:私有文件 RAG 问答、数据库查询、权限控制、友好降级。本文是开篇路线图,给出整体架构、技术选型和 5 个阶段的文章计划。
系列二第一篇实战:从空目录搭出 M0 最小闭环——FastAPI + 单轮问答 + 身份注入骨架,并接通外网 Qwen。记录三个真实踩坑:venv 隔离、pip 中断重跑、PowerShell/GitBash 下 curl 传中文 JSON 的引号陷阱。
系列二第二篇实战:把公司散落的 PDF/Word 制度文档,经 解析→切分→Embedding(text-embedding-v3)→ChromaDB→检索→封装成工具 全链路接到 /chat。Agent 会自己决定“调不调工具”。记录一个真实踩坑:OpenAIEmbeddings 默认去下载 tiktoken 编码表导致受限网络下 SSL 报错。
系列二第三阶段:给 Agent 接入数据库查询(年假),并用「服务端注入身份 + 工具无 user 参数」把权限红线钉死,让张三永远查不到李四。
给 Agent 装上「聪明且安全」的两道防线:RAG/数据库都没依据时不编造、改成友好告知;流程类问题自动附一张 Mermaid 流程图。
把前面四个阶段的 Agent 真正「交给同事用」——做一个 React 聊天界面、用 JWT 替换可被伪造的 X-User-Id 桩、并把 M4 产出的 Mermaid 文本渲染成可见流程图。
系列三总纲:把企业知识助手从 MVP 升级到生产级,聚焦招聘最高频的四块工程能力——LangGraph、MCP、Agent 评估、Docker 部署。含四阶段地图与标题表。
本文是 nanobot 源码解读系列的路线图。先交代这个开源个人 AI Agent 框架的定位、整体架构与目录结构,并列出后续 9 篇的选题与对应核心源码文件,方便按顺序阅读。
从定位、整体架构、三种运行入口到完整目录导览,把 nanobot 这个开源个人 AI Agent 框架的全貌摊开。重点讲清 AgentLoop 与 AgentRunner 的分工,它是理解整个项目源码的钥匙。