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

mfanafuthimhlanga/wchats · Multi-tenant platform for deploying customer-service and transactional AI agents in four steps: create, configure, test, deploy. Layout-aware ingestion, hybrid retrieval (pgvector + BM25 + RRF + reranking), a four-node validation chain, Ragas evals and adversarial red-teaming gate every release. Nothing reaches a customer unverified.

GitHub原文发布未知首次收录 2026-09-26上架 2026-09-26 07:01

☆ 收藏查看项目 ↗

ELI5：它是什么，解决什么问题

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。

# RAG # llm-evaluation # AI 客服 # 多租户 # 红队测试

核心能力与快速开始

★ 0 · Python

能做什么: 四步创建、配置、测试与部署 AI Agent；结构感知文档摄入（Docling）与结构化分块（Chonkie）；混合检索（pgvector HNSW + 原生 tsvector/ts_rank_cd BM25 + 倒数排名融合 + Voyage/Cohere 重排），支持按租户配置检索策略与 verified_qa 缓存；四节点验证链（Gatekeeper、Auditor、Strategist、Actor）；基于 Ragas 0.4.x 四指标的自动化评测与失败分诊回灌；覆盖提示注入、数据泄露、幻觉与交易类探针的对抗式红队测试；将红队与评测结果作为部署门禁（严重发现可阻止部署）；交易型工具调用：类型化工具契约、能力信封、幂等预留执行、Actor 同步门禁、OTP 身份验证、加密凭证与完整审计；按租户独立 Neon 项目与数据库分支、Celery 双队列、SSE 进度流与 Langfuse 可观测性。
适用场景: 面向沙龙、维修店、电商等非技术型商家，在其网站上部署经过验证的客服 Agent；需要文档问答与引用溯源的业务知识库问答；需要执行退款、订单、取消、订阅变更、预约等交易动作且需风控与审计的 Agent 场景；开发者可通过 REST + SSE API 以编程方式完成租户创建、语料摄入、评测与红队触发和部署门禁轮询。
项目形态: 开发框架
部署方式: README 称生产托管处于暂停状态，当前没有常驻在线部署；本地运行目标为本地进程（Redis、uvicorn、Celery、pnpm dev），明确无 Docker 路径（曾尝试并因 6 GB 以上最低占用放弃）。
主要依赖: 本地需 Redis、Python 虚拟环境（uvicorn、Celery）、pnpm/Next.js 控制台；需要 Neon API key、Anthropic API key，以及 Bedrock 访问权限或 Voyage key（见 .env.example）。
使用限制: README 明确说明无在线常驻部署，v1.2 迁移尚未应用到线上数据库，Phase 18 未完成（9/11），Phase 19 未开始，生产托管需真实 AWS 账号；无 Docker 路径；依赖 Claude/Anthropic、Neon、Bedrock 或 Voyage 等第三方服务，其成本与配额未说明。
许可证: 未说明
最近推送: 2026-09-26 02:07

官方入门核对 README 依据 ↗

资料检查：2026-09-26 07:00 · 卡片整理：2026-09-26 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

作为可复用的多租户 AI Agent 部署平台代码库，程序员可参考其 FastAPI + Celery 架构、混合检索（pgvector + BM25 + RRF + 重排）实现、四节点验证链、Ragas 评测与红队测试门禁，以及带幂等执行和审计的交易型工具契约，用于构建或审查类似的客服/交易型 Agent 系统。

查看内容依据

Multi-tenant platform for deploying customer-service and transactional AI agents in four steps: create, configure, test, deploy.

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

产品经理可参考该平台面向非技术商家、以创建-配置-测试-部署四步流程上线客服与交易型 AI Agent 的产品设计，以及将评测和红队结果作为部署门禁而非仪表盘展示的机制，用于设计 AI Agent 产品的上线流程与质量门禁。

查看内容依据

The target user is a non-technical business owner — a salon, a repair shop, an e-commerce store — who needs a support agent on their site without hiring a developer.

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。

Hanjeok Agent：可追溯的旅行指南智能体

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。

Opik：开源 LLM 可观测性与评测平台，用于 AI Agent 追踪和生产监控

Opik 是由 Comet 开发、Apache-2.0 许可的开源 LLM 可观测性与评测平台，覆盖 LLM 应用全生命周期：支持 LLM 调用与多步 Agent 追踪、对话记录、工具调用链路追踪；提供数据集、实验与 LLM-as-a-judge 指标（如幻觉检测、内容审核、RAG 评估）；包含 Prompt 管理与 Prompt Playground、Opik Agent Optimizer 提示词/Agent 优化、Opik Guardrails 安全实践、PyTest 集成的 CI/CD 评测，以及面向生产的监控仪表盘与在线评测规则。平台为框架无关，支持自带 SDK、OpenTelemetry 以及多种第三方框架集成，官方称设计上可承载每日 4000 万条以上 trace。仓库包含服务端、Web 应用、追踪、数据集、实验、评测、Prompt 管理、在线评测与 Agent 优化组件，可自托管，数据不离开自有环境。

IntelligenceDocumentSystem：基于 RAG 的多语言文档问答助手，回答附带可追溯引用

该项目是一个面向个人文档的 RAG 问答助手，支持上传 PDF、TXT、Markdown 并以印尼语提问，答案附带可点击溯源到具体 chunk 的引用。检索上下文不足时系统明确拒答，或在使用通用知识模式时给出明确标注、不加引用的回答。还提供按文档隔离的私有会话、跨文档检索、检索参数调整（Top K、相似度阈值）、检索质量评估（precision、hit rate、正确拒答）、延迟与提问日志分析，以及 RAGAS 评测选项。技术栈为 Next.js/React/TypeScript 前端与 FastAPI、ChromaDB、SQLite 后端，LLM 使用 Groq，并有 Ollama 回退。

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。