Neon549/xhs-planting-agent

# 小红书种草决策 Agent 基于 LangGraph + Milvus + Hybrid Retrieval 的多 Agent 推荐系统。 解决用户在小红书上被软广轰炸、难以做出客观购买决策的问题。 ## 项目亮点 - **自研 Agent Harness**：统一管理 Token 预算（自动降级）、重试、Trace 日志 - **三阶段混合检索**：BM25 + bge-m3 Dense + RRF 融合，Recall@10 达到 0.87 - **双层记忆系统**：LangGraph Checkpointer（短期）+ SQLite/Milvus（长期），支持跨会话个性化 - **软广识别**：规则打分 + LLM 判断混合方案 - **全链路评估**：116 条 LLM 生成评估集 + Recall@K + MRR + NDCG 消融实验 ## 技术栈 | 层 | 技术 | |---|---| | Agent 编排 | LangGraph | | 检索 | BM25 + bge-m3 + bge-reranker-v2-m3 | | 向量库 | Milvus Lite | | LLM | DashScope qwen-plus | | 评估 | 自建评估集 + Recall@K + MRR + NDCG | | 后端 | FastAPI | | 前端 | Streamlit | ## 消融实验结果（基于 116 条 LLM 生成评估集） | 配置 | Recall@10 | MRR | NDCG@10 | |---|---|---|---| | 纯 BM25 | 0.8448 | 0.6269 | 0.6793 | | 纯 Dense (bge-m3) | 0.8362 | 0.6458 | 0.6931 | | BM25 + Dense + RRF | **0.8707** | **0.6720** | **0.7211** | ## 数据统计 - 爬取笔记：60 条（数码 3C 品类） - 清洗后有效：58 条 - Chunks：125 个 - Milvus 向量：118 条 - 评估集：116 条 ## 快速开始 # 安装依赖 uv sync # 配置环境变量 cp .env.example .env # 填入 DASHSCOPE_API_KEY # 启动后端 uv run uvicorn src.api.main:app --reload --port 8000 # 启动前端 uv run streamlit run frontend/app.py ## 模块说明 src/ ├── harness/ # Agent 执行外壳（Token 预算、重试、Trace） ├── agents/ # 4 个 Agent（QueryPlanner、Retrieval、AdDetector、Recommender） ├── retrieval/ # 混合检索（BM25 + Dense + RRF + Reranker） ├── memory/ # 双层记忆（短期 + 长期） ├── graph/ # LangGraph 工作流 └── api/ # FastAPI 接口

标签：AV绕过, bge-m3, BM25, DashScope, Dense Retrieval, FastAPI, Kubernetes, LangChain, LangGraph, LLM, Milvus, qwen-plus, RAG, Streamlit, Unmanaged PE, 个性化推荐, 内容生成, 向量数据库, 多Agent系统, 小红书, 推荐系统, 搜索优化, 检索增强生成, 消融实验, 混合检索, 社交媒体, 种草, 记忆系统, 访问控制, 评估指标, 购买决策, 软广识别, 轻量级