CrabGraph · 青蟹多模态研究智能体
Python, FastAPI, LangGraph, Vue 3, LightRAG, MCP, pgvector, SQLite
CrabGraph 是面向青蟹养殖与科研资料的多模态知识问答工作台，将图片观察、文献检索、工具调用和研究报告放进同一个对话空间。项目采用 Python / AI 应用架构，支持 DeepSeek 和自定义 OpenAI 兼容模型。
项目解决什么问题
青蟹资料涉及物种、养殖环境、疾病与遗传研究，单一关键词检索难以同时串联实体关系和原文。工作台通过 LightRAG 组织知识，用模型完成问答和研究规划，保留可点击的来源证据，方便从结论回到资料核查。
- 多模态问答：文字、图片和 CSV 作为输入，回答附带来源与原文片段。
- 可确认的研究：先生成研究计划，人工确认后检索、撰写并导出报告。
- 可配置的工作空间：项目分组与置顶，头像弹窗统一管理模型、知识图谱开关和工具。
系统架构
Vue 3 与 TypeScript 提供交互界面；FastAPI 接收后台任务，通过 SSE 推送事件；LangGraph 编排问答和研究流程；LightRAG 提供图谱与原文检索。SQLite 保存会话、执行事件和检查点，PGlite 承载 PostgreSQL / pgvector 原文向量快照。
多模态问答与证据溯源
图片先生成观察描述，再参与检索；CSV 交给固定 Python 统计程序，避免由模型直接猜测数据。问答采用模型与已启用工具的循环，最终检查来源编号并展示原文。图片观察、用户记录与文献结论分别组织，保持依据可核查。
证据面板读取本轮实际检索结果；知识资料模块负责文件上传和管理。启用知识图谱时采用图谱与原文混合检索，关闭后仅检索原文；每次任务保存设置快照，模型补充检索也遵循该开关。
研究计划与人工确认
研究流程为 plan → approval → research → compose → verify。规划节点输出最多三个检索问题，LangGraph interrupt 暂停等待确认；确认后通过检查点恢复，检索并生成包含发现、证据与局限的报告。支持 Markdown 和 PDF 导出。
知识库隔离与图谱探索
现有 LightRAG 只读复制到项目内，迁移通过文件哈希核对，原服务与项目副本独立运行。验收知识库迁移前后均为 26,191 个节点、27,790 条关系。页面区分全库统计和当前子图，支持中心实体、关系深度与节点上限，避免将画布节点数误当成全库规模。
pgvector 使用 1,300 条 1,024 维原文向量快照；新增资料进入 LightRAG，当前不会自动同步该快照。私有青蟹文献和知识库不随源码分发。
工具商店与 MCP
内置七个适配器：知识检索、联网文献、网页阅读、MCP 图片检索、CSV 分析、PDF 下载与笔记保存。默认开启前五项，用户按需启停；偏好持久化，问答按启用快照筛选工具。标准 stdio MCP 服务可供其他支持 MCP 的客户端调用。
当前商店提供本项目适配器和外部开源参考入口，任意第三方 MCP 服务器的一键安装仍待实现。
任务持久化与模型配置
后台线程执行任务，SSE 事件保存后推送并支持按编号重放，关闭页面不取消后台任务。每个会话仅允许一个进行中的问答，最多两个执行线程；取消采用协作式检查。研究审批状态持久化，重启后可继续确认。
模型预置 DeepSeek、通义千问、智谱和自定义兼容接口，回答模型与视觉模型分别配置。头像设置弹窗支持知识图谱开关、工具选择与知识管理，关闭弹窗后保留对话和草稿。
运行与验证
从 GitHub 克隆到 E 盘，按 README 复制本地 LightRAG、安装依赖、填写模型凭据，然后执行 start.ps1。应用监听本机 8503，知识库副本监听 9622。当前提供源码和本机运行方式，线上交互演示尚未部署。
已通过 25 项自动化测试、Ruff 检查和前端生产构建，真实运行验证问答、图片与 CSV 工具、研究报告导出及 MCP 协议。图片验收采用插画与合成记录，未测量现场识别准确率；引用检查验证来源编号，语义支持关系仍需结合原文判断。