Tiga（Taichi Agent）是一个企业级 AI 智能体（Agent）管理与编排平台，帮助开发者和企业快速构建基于 LLM 的智能应用。后端采用 Agno 框架，集成 LightRAG 知识图谱检索、Vanna Text-to-SQL、Pathway 实时数据流处理以及 OpenClaw 分布式任务节点，全面支持 MCP (Model Context Protocol)。
前端采用 Vue 3 + Shadcn/UI + Element Plus 的现代化架构，提供从非结构化文档问答、结构化数据分析到知识图谱修复的全栈能力。
Tiga/
├── backend/
│ ├── app/
│ │ ├── api/ # API 路由 (Agent, Chat, RAG, MCP, OpenClaw 等)
│ │ ├── core/ # 核心配置与工具
│ │ ├── services/ # 业务逻辑服务
│ │ │ ├── agent/ # 智能体核心 (Planner, Skills, Tools)
│ │ │ ├── graph/ # 图谱关系修复与管理
│ │ │ ├── openclaw/ # 分布式任务节点与网关
│ │ │ ├── pathway/ # 实时数据流 ETL 引擎
│ │ │ ├── rag/ # RAG 引擎 (LightRAG, GraphitiRAG)
│ │ │ └── sandbox/ # 代码沙箱 (E2B, Codebox)
│ └── ...
├── frontend/
│ ├── src/
│ │ ├── components/ui/ # Shadcn/UI 组件库
│ │ ├── features/ # 功能模块
│ │ │ ├── agent/ # 智能体管理
│ │ │ ├── analytics/ # 数据指标分析
│ │ │ ├── data_etl/ # ETL 数据流看板
│ │ │ ├── etl_editor/# 可视化 ETL 编排
│ │ │ ├── knowledge/ # 知识库管理
│ │ │ ├── qa/ # 智能问答
│ │ │ ├── relation_fix/ # 知识图谱关系修复
│ │ │ └── sandbox/ # 沙箱终端与结果查看
│ └── ...
└── ...
| 模块 | 说明 |
|---|---|
| 智能体编排 | 基于 Agno，支持 OpenAI、DeepSeek 等；可视化配置角色、系统提示词与工具；内置 Planner 与 Control Plane |
| 混合 RAG | 集成 LightRAG、GraphitiRAG；支持 BM25 + 向量 + 图谱三路召回；知识图谱可视化与交互 |
| 图谱治理 | Relation Fix：可视化的知识图谱关系检测与修复工具，支持实体属性编辑、关系增删改、操作回滚 |
| 数据智能 | Vanna Text-to-SQL；Smart Data Query；自动图表生成与指标管理 |
| 实时流处理 | Pathway 引擎集成，支持实时数据连接、清洗、结构化与 AI 算子编排 |
| 分布式执行 | OpenClaw：分布式任务节点管理，支持负载均衡、心跳监测与任务分发 |
| 安全沙箱 | 集成 E2B 与 Codebox，支持安全执行 Python/Node.js 代码与文件操作 |
| MCP 支持 | 全面支持 Model Context Protocol，可作为 MCP Client 连接多种 MCP Server |
| 用户手册 | 基于 VitePress 构建，遵循 尼尔森十大交互原则，采用 Shadcn/UI 标准，提供详尽的操作指南与组件参考 |
基于前沿的 Agno (原 Phidata) 框架构建，支持单体智能体推理与多智能体（Multi-Agent）协同编排。
- 优势：
- 深度模型兼容：无缝对接 OpenAI、DeepSeek 等支持 Reasoning（深度推理）能力的大模型。
- 多智能体协同：内置
TeamHandler，支持 Leader 统筹、Coder 编写、Writer 总结的角色化协同机制。 - 工作流编排：内置 Planner 组件，支持复杂任务的步骤拆解、状态可视化追踪（交互流与执行工作区双屏协同）。
- 应用场景：复杂业务流程自动化、代码生成与自修复、多步推理分析任务。
构建了以 MCP (Model Context Protocol) 为核心的动态工具扩展生态。
- 优势：
- 边界无限扩展：原生支持 MCP Client，可动态加载/卸载 MCP Servers（如数据库、文件系统、企业内部 API），实现工具的即插即用。
- 按需挂载：支持基于
MCPToolbox细粒度过滤和下发工具，确保大模型上下文不被无关工具污染。 - Skills 体系：支持预定义自定义技能（Skills Config）进行垂直场景的能力增强。
- 应用场景：连接企业私有数据库执行 SQL、跨系统调用第三方 SaaS 接口、自动化运维巡检。
深度集成 E2B 与 Codebox 云端代码执行沙箱。
- 优势：
- 安全隔离：提供完全隔离的运行环境，支持自定义 CPU、内存、网络等资源限制，防止恶意代码越权。
- 多语言支持：原生支持 Python、Node.js 动态代码片段执行及完整的文件系统读写。
- 状态保持：沙箱实例具备生命周期管理，支持长时运行任务与上下文依赖安装。
- 应用场景：通过 Pandas/Numpy 进行结构化数据处理与可视化、自动化测试脚本执行、LLM 编写代码的即时运行验证与纠错。
通过 ContextMemoryConfig 实现智能体的长短期记忆与状态管理。
- 优势：
- 状态持久化：结合 Redis 等存储后端，实现跨会话（Cross-Session）的记忆留存与上下文无缝恢复。
- 多维度记忆：支持系统级全局上下文记忆与用户个性化偏好记忆分离。
- 动态管理：有效管理上下文 Token 长度，支持冗长对话的滑动窗口截断与关键信息提取。
- 应用场景：长周期项目跟进助手、具有个性化人设的私人 AI 伴侣、复杂工单流转中的状态继承。
基于 LightRAG 与 GraphitiRAG 构建的企业级混合检索架构。
- 优势：
- 混合检索管线 (Hybrid RAG)：融合 BM25（关键词） + Vector（语义向量） + Graph（知识图谱关系）三路召回，解决碎片化信息关联弱的痛点。
- 严格防幻觉机制：注入强制性 Prompt 边界，生成带有
[n]格式的参考来源索引，支持内容级别的精确溯源。 - 灵活的基础设施：默认内置 LanceDB + NetworkX（开箱即用），支持无缝切换至生产级的 Qdrant/Milvus + Neo4j。
- 应用场景：超长财报/法务文档解析、复杂实体关系（如企业股权、人物图谱）推理问答、企业内部制度精准查询。
| 层级 | 技术 |
|---|---|
| 后端 | Python 3.12+、FastAPI、Agno、LightRAG、Vanna、Pathway、SQLAlchemy、Redis |
| 前端 | Vue 3、Vite、Shadcn/UI (Radix Vue + TailwindCSS)、Element Plus、Vue Flow、ECharts、3d-force-graph |
| 向量/图 | LanceDB（默认）、Qdrant、Milvus；NetworkX、Neo4j |
| 存储 | 本地 FS、AWS S3、阿里云 OSS |
| 沙箱 | E2B、Codebox |
项目默认使用 SQLite + 本地存储；若需 Redis（任务队列、缓存等）、Neo4j 或 Qdrant：
docker-compose up -dcd backend
# 虚拟环境 (Windows PowerShell)
python -m venv venv
.\venv\Scripts\activate
# 虚拟环境 (macOS/Linux)
source venv/bin/activate
# 验证 Python 版本 (需 >= 3.10)
python -V
# 安装依赖
pip install -r requirements.txt
# 或: make install
# 配置环境变量（复制并编辑 .env，填入 OPENAI_API_KEY 等）
# cp .env.example .env
# 启动
uvicorn app.main:app --host 0.0.0.0 --port 8000 --reload
# 或: make run
# 安装Redis
docker run -d --name tiga-redis -p 6379:6379 redis:alpineAPI 文档：http://localhost:8000/docs
cd frontend
npm install
npm run dev
# 启动用户操作手册（可选）
npm run docs:dev
# 访问：http://localhost:5173/docs/访问应用：http://localhost:5173
访问手册：应用侧边栏底部入口或 http://localhost:5173/docs/
- API（
app/api）：路由与请求/响应，无业务与 DB 直接操作 - Service（
app/services）：- Agent: 智能体核心逻辑
- OpenClaw: 分布式节点通信与任务调度
- Pathway: 数据流处理管道
- RAG: 知识检索与图谱构建
- Sandbox: 代码执行环境
- Core（
app/core）：配置、日志、异常、安全、Redis 队列 - CRUD（
app/crud）：数据库操作封装
主要 API 模块：/agent、/chat、/knowledge、/rag、/workflows、/data-sources、/mcp、/openclaw、/pathway、/sandbox 等。
cd backend
make install # 安装依赖
make run # 启动开发服务器
make lint # Ruff 检查
make format # 格式化
make test # 运行测试
make clean # 清理缓存- 后端配置见
backend/app/core/config.py，支持.env（可放在项目根或backend/）。 - 重要变量示例：
OPENAI_API_KEY、USE_SQLITE、REDIS_HOST、STORAGE_TYPE、OPENCLAW_*、DEEPSEEK_API_KEY等。
MIT License（见 LICENSE）。