← 返回列表
Agent 与自动化工具

Hanjeok Agent：可追溯的旅行指南智能体

hyunolike/hanjeok-agent · A travel guide agent for Hanjeok: ask where it's crowded, watch each lookup, and get an answer that cites only what it fetched. LangGraph, Neo4j GraphRAG, MCP.

GitHub原文发布 未知首次收录 2026-10-15上架 2026-10-15 07:02

☆ 收藏查看项目 ↗

ELI5：它是什么，解决什么问题

Hanjeok Agent 是面向 Hanjeok 旅行服务的智能体，用于回答“某地某日是否拥挤”这类问题。它先用规则解析问题中的地点与日期，再通过受校验的查询步骤在 Neo4j 知识图谱与 Hanjeok 只读接口中检索，并在界面上逐步展示每次查询。最终答案只允许引用本次问题实际获取到的记录或政策文档，经由引用校验后才展示；答案与替代地点排序均沿用 Hanjeok 服务的原始排序，模型不自行排序。项目还提供路径可视化、两种检索策略的对比评测页面，以及通过 MCP 暴露的只读工具。
# RAG# llm-evaluation# nvidia-nim# tool-calling# evidence-grounding

核心能力与快速开始

★ 1 · Python

能做什么
以 LangGraph 驱动的多步查询智能体，按规则解析问题中的地点与日期，并判断问题是否在可回答范围内；从七个受校验的查询中选择并执行只读检索，循环最多三轮，单次问答总时长上限 60 秒。检索基于 Neo4j 5.26 知识图谱与 neo4j-graphrag 的 VectorCypherRetriever，使用本地 multilingual-e5-large 嵌入做相似度搜索，并可结合关联链接。所有答案必须通过引用闸门校验，未在本次问题中获取到的引用会导致退回修复一次，再次失败则不展示答案；列表与替代项保持 Hanjeok 服务的原始排名。前端提供四个页面：问答时逐步展示查询，答案附引用标签，路径视图以图和列表展示涉及的地点和文档，以及展示两种检索策略对比的评测页。另有 MCP 服务器以 stdio 暴露四个只读工具，供其他程序调用。
适用场景
适用于希望获得可核查答案的旅行信息查询场景，例如询问某景点在指定日期是否拥挤、寻找替代地点，并能查看每个结论依据的记录与政策文档。也适合作为 GraphRAG + LangGraph 智能体工程实践的参考实现，包括规则优先的问题解析、受校验查询、引用门控、基于规则的禁止行为计数与检索策略对比评测。
项目形态
可直接使用的工具
部署方式
README 说明部署在 Google Cloud Run（服务与 Neo4j 在同一容器）与 Vercel，构建使用 Cloud Build；仓库包含 Dockerfile、docker-compose 与部署文档（docs/deploy.md）。本地可仅运行前端（回放录制响应），或配合 Docker、Python 3.13 与 uv 运行合成数据版服务。未说明成本与配额等细节。
主要依赖
本地运行前端需要 Node 22 与 pnpm；运行服务需要 Python 3.13、uv 与 Docker；回答问题时需要 NVIDIA_API_KEY（模型为 NVIDIA NIM nemotron）。评测使用 RAGAS；追踪使用 Langfuse，未配置其密钥时关闭。
使用限制
空闲后首次提问约需等待 30 秒（服务缩容到零）；模型密钥与其他项目共享，限流会拖慢或导致问答失败；两字地名匹配偏保守（如“지도”在“在地图上显示”中仍被识别为岛屿）；访问记录与用量限制保存在内存中，因此服务只运行单实例。已发布评测仅基于 12 个问题、40 个虚构地点的合成导出，尚未完成真实数据的 60 题评测与 RAGAS 分数。作者还提示曾有错误答案通过引用校验（如称替代项按“最近优先”排列、在未获取预报的情况下称某海滩“今天很安静”），虽已补充提示规则，但尚未纳入六条禁止行为规则统计。指南角色图片由 Codex 生成，未做商标与 AI 版权审查。
许可证
MIT
最近推送
2026-10-14 19:07
项目文档核对 README 依据 ↗

资料检查：2026-10-15 07:00 · 卡片整理：2026-10-15 07:00
卡片由 AI 根据仓库资料整理，未进行安装或运行验证

职业应用

程序员

作为可参考的 GraphRAG 智能体实现，用于学习如何用 LangGraph 编排带引用校验的检索流程、用 Neo4j 做相似度检索，并通过 MCP 暴露只读工具供其他程序调用。

查看内容依据
Three parts are libraries rather than this repository's own code: LangGraph's stream, `interrupt` and checkpointer carry the steps, the "which place do you mean?" pause, and a visit's earlier questions; neo4j-graphrag's `VectorCypherRetriever` does the similarity search; and an MCP server exposes four read-only tools so another program, eventually the Hanjeok backend, can ask the agent.

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

产品经理

参考其产品需求文档、规格说明与评测页面设计，了解如何定义智能体的可回答范围、引用校验规则和检索策略对比评测。

查看内容依据
[`specs/002-hanjeok-guide-agent/`](specs/002-hanjeok-guide-agent/) | Specification, research decisions, data model, contracts, tasks | | [`docs/prd/`](docs/prd/hanjeok-guide-agent.md) | Product requirements (Korean) |

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

Agent Docs：面向 AI Agent 的 Claude Code、Cursor、Codex 与 MCP 官方文档混合 RAG 服务

Agent Docs 是一个混合 RAG 服务，索引约 600 页 Claude Code、Cursor、Codex 与 MCP 的官方文档并每日自动刷新，通过 MCP 工具（search_docs、read_section）或 REST 接口供 AI Agent 调用，返回带引用的检索结果与答案。其检索链路包含翻译、混合检索（Embedding + BM25）、RRF 融合、Cohere 重排、阈值拒答与上下文选择，并配有 Langfuse 追踪和评估回归门禁。

MiniLang：从零实现的编译器与 LLM 语言学习基准

MiniLang 是为评测「LLM 能否只凭规范学会一门从未见过的编程语言」而设计的小型 C/JavaScript 风格语言，配套从零用 Python 编写的编译器（词法分析、递归下降解析、渐进类型检查、三地址码生成与带资源限制的沙箱解释器）、支持 Claude/GPT/本地 Qwen 的编译器即工具智能体评测基准，以及把编译器暴露给 AI 助手的 MCP 服务器。

Vouch（SEC 文件财务问答 Agent）：面向美国上市公司财报的可审计工具调用 Agent

Vouch 是一个面向美国上市公司 SEC 财报的金融级工具调用 Agent：数值一律来自 XBRL 结构化数据（不让 LLM 做财务算术），叙述性内容通过 pgvector 稠密检索并附 EDGAR 引用，输出护栏会拦截无法追溯到来源的数字，无法回答时以结构化方式弃答而非编造。项目还提供三层评测（确定性 CI 门禁、经人工标注校准的领域评审、FinanceBench 外部基准）、红队测试与可复现的审计回放，并支持上传自有文档以表格单元格级引用作答，同时通过 MCP 暴露同一套工具。

W Chats：面向中小企业客服与交易型 AI Agent 的多租户部署平台

W Chats 是一个多租户平台，让非技术型商家通过四步流程（创建、配置、测试、部署）上线客服与交易型 AI Agent。它提供结构感知的文档摄入、pgvector + BM25 混合检索与重排、四节点验证链、基于 Ragas 的评测与对抗式红队测试，并把这些结果作为部署门禁，未通过验证的 Agent 无法面向客户。支持控制台操作与 REST + SSE API 编程调用两种方式，还包含退款、下单等交易能力的能力信封、幂等执行、身份验证与审计。

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。

讨论 0

登录后参与讨论，阅读资讯无需注册。

还没有评论，来分享第一个看法。