ADAR Core：基于 Google ADK 与 Gemini 的多智能体数据访问与推理平台

Agomonia-Labs/adar-core · ADAR: Agentic Data Access and Reasoning — general-purpose multi-agent AI platform built on Google ADK and Gemini. ARCL cricket is the reference implementation.

GitHub原文发布未知首次收录 2026-09-24上架 2026-09-24 07:01

☆ 收藏查看项目 ↗

ELI5：它是什么，解决什么问题

ADAR Core 是一个通用多智能体 AI 平台，构建在 Google ADK 和 Gemini 之上，提供 API、ADK Agent 加载配置、共享 UI 与基础设施脚本等共用模块，并以领域应用的方式组织。仓库内含 Geetabitan（孟加拉语 Rabindra Sangeet 助手）、ARCL（美国休闲板球联赛助手，作为参考实现）和餐厅推荐三个领域应用，各领域在 domain 目录中自备配置、Agent、数据摄取、部署与排障文档，通过设置 DOMAIN 环境变量选择运行。

# Gemini # RAG # multi-agent # ai-agent # AI编排

核心能力与快速开始

★ 0 · Python

能做什么: 提供多领域 AI 助手的共用平台骨架：API 层、基于 Google ADK 的 Agent 加载与配置、共享 UI、基础设施脚本；每个领域应用自带配置、Agent、数据摄取、部署和排障文档，覆盖歌曲与乐理、体育规则与赛程数据、餐厅菜单价格评论对比等场景。通过设置 DOMAIN 环境变量（geetabitan、arcl、restaurants）选择要运行的领域应用。
适用场景: 运行和维护面向具体领域的问答型 AI 助手，例如孟加拉语 Rabindra Sangeet 歌曲/拉格/节拍/记谱助手、美国休闲板球联赛规则与球队、球员、赛程、积分榜、统计数据助手，以及餐厅菜单与价格、评价、位置比较的推荐助手；也可作为在 Google ADK + Gemini 之上组织多领域 Agent 应用结构的参考。
项目形态: 开发框架
部署方式: README 未给出统一部署步骤，仅说明各领域 README 包含本地开发、数据摄取、部署与生产配置的具体步骤；仓库存在的 infra 与 api 目录提示有基础设施与接口相关代码。
主要依赖: 未说明具体版本、API 密钥、Google Cloud 资源或费用等要求。
使用限制: README 未说明许可、性能、数据来源与规模、成本等限制；仓库仅在 README 中列出各领域文档位置，本次材料未包含各领域 README 具体内容。
许可证: 未说明
最近推送: 2026-09-23 14:57

官方入门核对 README 依据 ↗

资料检查：2026-09-24 07:00 · 卡片整理：2026-09-24 07:00
卡片由 AI 根据仓库资料整理，未进行安装或运行验证 · 本次更新未完成，保留上次成功内容

职业应用

程序员

作为基于 Google ADK 与 Gemini 的多智能体平台参考实现，程序员可参考其 API、ADK Agent 加载配置、共享 UI 与基础设施脚本等共用模块，以及各领域自备的配置、Agent、数据摄取、部署与排障文档，用于构建和排错多智能体 AI 应用。

查看内容依据

ADAR Core 是一个通用多智能体 AI 平台，构建在 Google ADK 和 Gemini 之上，提供 API、ADK Agent 加载配置、共享 UI 与基础设施脚本等共用模块，并以领域应用的方式组织。

官方使用入口 ↗

由 AI 根据来源材料整理，未进行安装或运行验证

相似资源

Insurance-Policy-RAG：基于 Gemini 与 ChromaDB 的保单 PDF 问答助手

该项目是一个面向单一保险保单 PDF 的检索增强生成（RAG）问答助手，能够用自然语言回答保险条款问题，并基于文档内容给出页码引用，在文档未覆盖时明确回答“我不知道”。系统使用 Gemini 嵌入模型生成向量，存入 ChromaDB，通过 Streamlit 提供可在线试用的界面，同时也提供 FastAPI 后端和可导入的 Python 管道。项目包含评估工具，覆盖拒答、检索命中率、引用准确性等指标，并支持上传自己的保单 PDF 进行问答。

AI Helpdesk：多智能体客服支持系统，含路由分派、SQL 智能体委派与逐句校验

AI Helpdesk 是一个基于 FastAPI 的多智能体客服服务：路由器对问题意图进行投票，工具并发执行，三个领域专家智能体在需要时并行作答，并通过有界工具循环补查缺失信息；数据类问题经 A2A 或 HTTP 委派给独立的 SQL 智能体，由其规划、编写、执行并修复查询。系统在发送前逐句校验回答，替换无依据的价格或日期承诺，低置信度时转人工开票，并在 React 控制台中实时展示各智能体的决策过程。项目附带检索纠错循环、Redis 工作记忆、双入口部署和 OpenTelemetry 可观测方案，并提供评测记录。

MediAgent：面向患者与临床团队的医疗 AI 双门户平台

MediAgent 是一个双门户医疗平台，包含患者端 PWA 与临床医生端 PWA，后端基于 FastAPI，并使用 LangGraph/ADK 智能体对聊天进行分流、从上传的医疗文档中提取结构化信息，并基于检索到的 FDA 药品说明书文本回答用药问题。功能覆盖文档上传与 OCR、带引用的信息抽取、患者助手（文本与语音，支持 en-US 与 es-MX，引用 MedlinePlus、DailyMed、RxNorm）、临床医生审核的护理计划、预约与双向消息、通知中心、SMART on FHIR 沙盒导入以及临床医生仪表盘与 Naranjo ADR 审核。

AgentOS：具备认知记忆与运行时工具锻造能力的 TypeScript 多智能体框架

AgentOS 是一个 Apache-2.0 许可的 TypeScript 开源 AI 智能体框架，核心在于让智能体具备持久化的认知记忆、运行时自主锻造工具的能力，并能支撑长时间运行的会话。它提供可选的 HEXACO 人格配置、6 种多智能体编排策略、guradrails 与语音管线，并通过统一 dispatch 接口对接 13 个 LLM 提供商（含 2 个本地 CLI）。框架内置基于神经科学机制的认知记忆（如艾宾浩斯衰减、提取诱发遗忘、重固化等 8 种机制），RAG 管线支持 7 种向量后端与 4 种检索策略，同时宣称在 LongMemEval-S 上达到 85.6%、LongMemEval-M 上达到 70.2% 的可复现成绩。

这是基于来源内容整理的摘要。原文链接失效后，本页摘要和讨论仍会保留。