Irenezhangtt/AskingMe-Agent
回答公司规章制度问题的AI助手,只有在拿不准时才加大检索力度
AskingMe Agent是一个回答员工关于人事、报销、系统权限等公司内部政策问题的AI系统。它不会每次都执行完整的重检索流程,只有当初步检索结果不够确定时,才会重写查询并用大模型重新排序,从而兼顾速度与准确率。系统按人事、报销、权限、通用四类专家智能体分工处理问题,跨领域的复合问题会由多个智能体并行处理。
它做什么
- 后端用FastAPI,前端用React,大模型采用Anthropic的Claude,检索用向量数据库ChromaDB,记忆存储用Redis。
- 采用自适应检索策略:先直接做向量检索,只有当检索结果分数偏低或含糊不清时,才重写查询并用大模型重新排序。
- 问题会被路由给报销、人事、权限、通用四个专家智能体之一;跨领域的复合问题会触发多个智能体并行协作。
- 支持PDF、DOCX、TXT、Markdown、JSON等格式政策文档的上传管理,包括查重、审批、版本替换和归档等全生命周期功能。
- 官方评估显示,与纯大模型回答相比,有据可查的回答准确率从61.5%提升到86.5%(完整流程),幻觉率从24.0%降到5.0%。
为什么重要
对于内部规章制度分散、频繁变动的组织来说,这种只在必要时才启动昂贵检索步骤的设计,提供了一个兼顾响应速度和成本的参考做法。它还内置了安全机制,把敏感或例外情况交给人工审核而非让AI自行决定,这对实际落地部署很有意义。
本仓库术语
- RAG · 在回答问题前先检索相关文档作为依据的方法
- ChromaDB · 用于按语义相似度检索文档的向量数据库
- embedding(向量嵌入) · 将文本转换成数字向量以便计算语义相似度
- 幻觉(hallucination) · AI生成看似合理但缺乏依据的错误答案的现象
- 重排序(reranking) · 对初步检索结果按准确度重新排序的步骤
仓库简介（英文）
LLM-powered enterprise AI agent with adaptive RAG and multi-agent orchestration for company internal policy Q&A.
在 GitHub 打开热门仓库
- vorssaint/vorssaint-utils一个免费菜单栏应用,顶替十几款付费Mac工具
- Alishahryar1/free-claude-code一个本地代理,把编程AI助手接到49家免费或低价模型服务商,不再只能用一家付费服务
- freestylefly/awesome-gpt-image-2把532个GPT-Image2案例拆解成可复用模板的提示词工程库
- block/buzz一个让人类和AI智能体在同一空间里聊天、写代码、做审查的开源协作平台
- NousResearch/hermes-agentNous Research推出的Hermes是一款越用越聪明的AI智能体
- virgiliojr94/book-to-skill把技术类书籍PDF变成AI编程助手随时可查阅的技能包
- VoltAgent/awesome-agent-skills把上千份让AI编程助手秒变专家的操作手册集中放在一个地方
- anthropics/claude-plugins-community一个把大家做的Claude插件集中起来供安装的仓库