Fusion AI Hub

Oracle HCM智能运营中心

基于人工智能的企业HCM/ERP运营多代理系统

一个端到端的智能助理，利用 LangChain、LangGraph、RAG、MCP、A2A代理和FastAPI 处理员工查询、薪资查询、SQL生成、审批工作流和知识检索——所有这些都由以Oracle Fusion HCM为模型的PostgreSQL数据库支持。

______________________________________________________________________

🏗 系统架构

graph TD
    User((User)) -->|Natural Language| UI[Streamlit Dashboard]
    UI -->|API Request| FastAPI[FastAPI Backend]
    
    subgraph "Agentic Core (LangGraph)"
        FastAPI --> Supervisor{Supervisor Agent}
        Supervisor -->|Intents| SalaryAgent[Salary Agent]
        Supervisor -->|Intents| SQLAgent[SQL RAG Agent]
        Supervisor -->|Intents| ApprovalAgent[Approval Workflow Agent]
        Supervisor -->|Intents| KnowledgeAgent[Knowledge Agent]
        
        SalaryAgent -->|Tool Calling| SalaryTools[Salary Lookup Tools]
        SQLAgent -->|Schema RAG| SQLChain[SQL Generation Chain]
        ApprovalAgent -->|State Machine| BPEL[BPEL Migration Flow]
        KnowledgeAgent -->|MCP| Wiki[Wikipedia MCP]
        KnowledgeAgent -->|Doc RAG| Chroma[ChromaDB Vector Store]
    end

    subgraph "Data Layer"
        SalaryTools -->|SQLAlchemy| Postgres[(PostgreSQL)]
        SQLChain -->|Validation| Postgres
        BPEL -->|History| Postgres
    end

______________________________________________________________________

🤖 深潜：特工

1. 编排者（主管代理）

系统的“大脑”，由 LangGraph。它使用零样本意图分类将用户查询路由到最合格的代理。它保持了一个有状态的对话，允许上下文感知的后续问题。

2. 薪资与薪酬代理（工具调用）

用途 LangChain的OpenAI函数调用 以执行精确的数据库查找。它不是“猜测”数字，而是执行特定的Python工具来计算平均工资或个人工资单等汇总，确保100%的数字准确性。

3. SQL RAG代理（文本到SQL）

一个复杂的数据检索代理，解决了SQL中的“LLM幻觉”问题。

• 模式感知：在生成代码之前，从向量存储（ChromaDB）中检索相关的表定义。
• 可解释的AI：每个生成的查询都附带一个逐步的逻辑分解。

4. 审批工作流代理（LangGraph状态机）

模型复杂 Oracle BPEL风格 工作流程。它管理发票和PPR的多阶段审批：

• 经理评审 （门槛值\ $25,000)

5. 财务报告员（智能分析）

系统中最先进的节点。它使用迭代推理来回答复杂的问题，如 *“分析我们第四季度的工资趋势与预算。”* 它包括一个内置 幻觉检查器 它根据原始数据库结果验证生成的事实。

6. 知识代理（MCP集成）

展示了 模型上下文协议（MCP）.

• 外部：在维基百科上搜索常识（例如，“什么是FMLA？”）。
• 内部：对上传的人力资源政策文档、配置指南和SOP执行RAG。

7. 企业数据中心（ETL代理）

该系统包括专用连接器，用于 Oracle融合云它可以通过BI发布器（REST/SOAP）和HCM REST API提取数据，自动生成PostgreSQL模式并为RAG索引数据。

______________________________________________________________________

🔌 Oracle Fusion数据加载

系统支持两种首次加载企业数据的方式：

方法A:API直接提取（推荐）

使用 fusion_bi_extract.py 脚本直接从Oracle实例中提取实时数据。

1. 更新您的 .env 随着 FUSION_BASE_URL, FUSION_USERNAME，以及 FUSION_PASSWORD.
2. 运行提取：

# Extract active employees and load into PostgreSQL
python scripts/fusion_bi_extract.py --report "active_employees" --load-db

方法B：手动出口装载机

如果您没有API访问权限，请从Fusion手动下载CSV/Excel报告并加载它们：

1. 将文件保存在 exports/ 文件夹。
2. 为RAG加载并索引它们：

# Load a CSV file and create a searchable vector index
python scripts/load_fusion_export.py --file exports/active_employees.csv --rag

______________________________________________________________________

💻 技术栈亮点

快速开始

# 1. Clone and setup
git clone https://github.com/yourusername/oracle-hcm-ai-hub.git
cd oracle-hcm-ai-hub

# 2. Create virtual environment
python -m venv venv
source venv/bin/activate  # Linux/Mac
# venv\Scripts\activate   # Windows

# 3. Install dependencies
pip install -r requirements.txt

# 4. Set environment variables
cp .env.example .env
# Edit .env with your API keys and DB credentials

# 5. Initialize database
python scripts/init_db.py

# 6. Load RAG documents
python scripts/load_documents.py

# 7. Start backend
python -m uvicorn app.main:app --reload --port 8000

# 8. Start frontend (new terminal)
python -m streamlit run frontend/app.py --server.port 8501

部署策略——见docs/Deployment.md