SeerLord AI
中文文档 | 英语
SeerLord AI：基于微内核架构和LangGraph的下一代模块化AI代理编排平台。它原生支持MCP协议和人在环协作，使复杂代理开发更加稳定和灵活。
SeerLord AI：重新定义AI代理开发架构
在构建复杂的人工智能应用程序时，我们经常面临严重的代码耦合、扩展困难和混乱的状态管理等痛点。SeerLord AI的诞生就是为了解决这些问题。
作为一个 企业级AI代理编排平台，SeerLand AI采用先进的 “微内核+插件” 建筑设计。这意味着它的核心（内核）只负责最基本的路由、内存管理和协议适配，而所有业务功能（如教程生成、实时新闻、数据分析）都是通过独立的插件实现的。这种设计实现了真正的业务隔离和即插即用功能。
为什么选择SeerLand AI？
- 强大的编排能力：基于 LangGraph，它原生支持复杂的图结构工作流（graph Workflow），可以轻松实现循环、分支和回退等高级逻辑，而不是简单的线性链。
- 生产级稳定性：完全异步（Asyncio）后端设计，内置数据库连接池管理和全局异常断路机制，确保在高并发场景中稳健运行。
- 标准化工具生态系统：完全整合 模型上下文协议（MCP），使代理与外部世界（文件系统、GitHub、数据库）之间的连接标准化和通用化。
- 可控设计：深度融合 循环中的人类 模式。代理可以在关键计划执行期间自动暂停，等待人工批准或纠正，使AI的每一步都安全可控。
- 自主进化技能内核（Voyager Agent）：这是 核心亮点 与仅具有预设通用功能的传统代理不同，SeerLand集成了 Voyager代理 作为基础技能引擎。它具有以下能力 编写代码、自我纠正和积累/重用技能，使其能够在执行任务时不断学习新技能，真正实现“用得更强大”
🌟 主要特点
- 双模路由：支持“自动”意图识别模式和“手动”代理选择模式。用户可以依靠人工智能进行自动规划，也可以明确指定一个代理（例如教程代理）进行确定性执行。
- 分层代理系统:
- 基础代理（Voyager代理-核心）：项目的灵魂。作为一个通用的技能内核，它赋予系统自主学习和进化能力。所有其他代理都建立在它之上，调用其动态生成的技能来解决特定问题。 - 商业代理例如。， Tutorial Agent，专注于特定领域的工作流程。他们不会重新发明轮子，而是将底层功能委托给Voyager Agent，使他们能够专注于高级逻辑。
- 微内核架构：一个轻量级且稳定的核心系统，负责生命周期管理、上下文共享和资源调度。
- 技能快速通道：为简单命令（如计算、查询）提供毫秒级响应执行路径，绕过复杂的规划工作流。
- 插件系统：所有业务功能（如新闻报道、教程生成、财务分析等）都是通过插件实现的，支持即插即用功能。
- 代理编排（LangGraph）：利用LangGraph构建复杂的有状态多代理工作流。
- MCP支持：集成模型上下文协议（MCP），用于标准化上下文和工具交互。
- 双引擎知识系统：结合标准 检索增强生成 （基于矢量的Qdrant）用于高效的文档检索和高级 图检索增强生成 （基于Neo4j的图形）用于深度实体关系推理和混合搜索。
- 高性能后端：使用FastAPI构建的异步后端，支持SSE流式响应。
🔌 内置生态系统
插件（代理）
SeerLand附带了一套丰富的内置插件 server/plugins/:
- 漫画书生成器：根据故事自动生成连环漫画。
- 数据分析师：分析数据并生成报告。
- 深入研究对复杂的主题进行深入研究。
- 文档翻译：翻译文档时保留格式。
- FTA代理：系统可靠性工程的故障树分析。
- 普通信息：标准会话代理。
- 新型发电机：协助撰写小说和创意故事。
- 播客：生成播客脚本和音频内容。
- PPT生成器：自动创建演示文稿幻灯片。
- 推理引擎：复杂问题的高级推理能力。
MCP服务
集成MCP服务 mcp_services/ 对于扩展功能：
- Markdownify：将网页内容转换为干净的Markdown。
- MDTo文件：将Markdown文件拆分为多个文件。
- 新闻：获取并处理实时新闻更新。
🏗️ 架构流程
graph TD
Start([Start]) --> CheckMode{"Manual Mode?"}
CheckMode -- Yes --> Planner["Planner Node
(Single Task Plan)"]
CheckMode -- No --> SkillRouter["Skill Router
(Fast Intent Recognition)"]
SkillRouter -->|"Match Found"| SkillExecutor["Skill Executor
(Fast Execution)"]
SkillExecutor --> End([End])
SkillRouter -->|"No Match"| Planner
Planner --> CheckApproval{"Human Approval Needed?"}
CheckApproval -- Yes --> HumanApproval["Human Approval
(Interrupt Point)"]
CheckApproval -- No --> Dispatcher
HumanApproval --> Dispatcher["Dispatcher Node
(Task Dispatching)"]
Dispatcher -->|"Task Done"| FinalAnswer["Final Answer
(Result Summary)"]
FinalAnswer --> End
Dispatcher -->|Chitchat| ChitchatNode[Chitchat Node]
ChitchatNode --> Progress
Dispatcher -->|"Plugin A"| PluginA[Plugin: Tutorial Generator]
Dispatcher -->|"Plugin B"| PluginB[Plugin: FTA Agent]
Dispatcher -->|"Plugin C"| PluginC[Plugin: News Reporter]
subgraph PluginExecution ["Plugin Execution"]
PluginA -.->|Delegate Skill| Voyager[Base: Voyager Agent]
PluginA --> Critic
PluginB --> Critic
PluginC --> Critic
Voyager --> Critic
end
Critic["Critic Node
(Evaluation/Scoring)"]
Critic -->|Satisfied| Progress["Progress Node
(Step + 1)"]
Critic -->|"Retry (Feedback)"| Dispatcher
Critic -->|"Replan (Major Fail)"| Planner
Progress --> Dispatcher🛠️ 技术栈
- 语言：Python 3.11+
- 框架：FastAPI、LangChain、LangGraph
- 数据库：PostgreSQL（可选；用于持久性/检查点）
- 向量存储：Qdrant（可选；用于记忆、技能检索和RAG）
- 图形数据库：Neo4j（可选；用于知识图谱和GraphRAG）
- 公用事业：Pydantic、Loguru、SSE Starlette
- 管理控制台：Vue 3+Vite+TypeScript（in
admin/)
📂 目录结构
seerlord_ai/
├── admin/ # Vue3 admin console (optional)
├── server/
│ ├── core/ # Core configuration & LLM wrappers
│ ├── kernel/ # Micro-kernel implementation (Registry, MCP Manager, Memory Manager)
│ ├── rag/ # RAG implementation (Qdrant-based document retrieval)
│ ├── ske/ # SeerLord Knowledge Engine (Neo4j-based GraphRAG)
│ ├── plugins/ # Plugins directory (contains various Agent implementations)
│ ├── skills/ # Skills directory (Fast Track atomic capabilities)
│ └── main.py # Application entry point
├── mcp_services/ # MCP service implementations
├── scripts/ # Utility scripts
├── mcp.json # MCP server configuration (loaded on startup if present)
└── pyproject.toml # Project dependencies configuration🚀 快速开始
先决条件
- Python 3.11或更高版本
- Node.js 18+（可选；适用于
admin/以及一些MCP服务器） - PostgreSQL（可选；检查点和技能元数据）
- Qdrant（可选；向量记忆和技能检索）
- Neo4j（可选；知识图谱和GraphRAG）
安装
建议使用Poetry或pip进行安装。
# Install dependencies using pip
pip install -r requirements.txt配置
复制示例环境变量文件并修改配置：
cp .env.example .env
# Edit the .env file to configure your LLM provider and (optional) DB/Qdrant要点：
LLM_PROVIDER支持openai和ollama（兼容OpenAI/v1支持端点）。- 若不配置DB，LangGraph将回退到内存检查点。
- 如果不配置Qdrant，将禁用基于内存和向量的技能检索。
- 如果不配置Neo4j，知识图谱和GraphRAG功能将不可用。
- API强制
X-API-Key（租户密钥）在大多数/api/*和/agent路线；对于本地开发，您可以使用sk-admin-test（参见server/api/auth.py).
启动服务
# Start the backend service
python run.py备选方案：
python -m server.main健康检查
GET http://localhost:8000/health- API文件：
http://localhost:8000/docs
首次启动管理员用户（可选）
如果你想创建第一个管理员用户（仅在用户表为空时有效）：
- 集
SETUP_TOKEN在.env - 电话：
- POST http://localhost:8000/api/v1/setup/initialize - 头球 X-Setup-Token: - 主体： {"username":"admin","password":"change_me_please"}
管理控制台（可选）
cd admin
npm install
npm run dev集 VITE_API_URL （以及可选 VITE_TENANT_API_KEY)指向您的后端。
📚 引用
如果你发现这个项目对你的研究有用，请引用我们的论文：
SeerLand人工智能技能系统 DOI： 10.5281/芝诺.18144848
📄 许可证
这个项目是开源的 MIT许可证.
您可以自由地：
- ✅ 商业化使用
- ✅ 修改代码
- ✅ 分发副本
- ✅ 私下使用
只需在软件/源代码的任何副本中包含原始许可证和版权声明。