AI 产品 · Graph RAG · Multi-Agent · 全栈
鉴来助手 · GraphMind · AI Interview Agent · Django 全栈。下表一眼看全，下方逐项目详解。
| 项目 | 一句话 | 源码 |
|---|---|---|
| 鉴来助手 已上线 | 双商店上架的 AI 浏览器扩展，超长文本的渐进式摘要与伏笔雷达 | GitHub ↗ |
| GraphMind 可运行 | Graph RAG 知识平台，向量 + BM25 + 图谱三路检索 | GitHub ↗ |
| AI Interview Agent 可运行 | Multi-Agent 面试训练，四角色协同 + 流式交互 | GitHub ↗ |
| Django-Project 练习 | Django 多 app 企业门户，容器化部署 | GitHub ↗ |
已上线 Chrome + Edge 双商店的浏览器扩展。独立完成平台过审、合规备案与渠道分发。完整决策链见下文「旗舰复盘」。
网文连载动辄数百章，读者跨越数月追更，早期伏笔与人物关系在记忆中早已断裂——这是超长文本的结构性问题，与长会议纪要、知识库检索同源。
Chromium 扩展采集阅读上下文，后端 FastAPI 提供 AI 分析。核心采用渐进式摘要而非一次性纯 RAG：把数百章分层压缩为可检索的结构化记忆，再按需回看原文，规避超长文本的检索漂移与上下文成本。
伏笔雷达做跨章呼应识别；人物关系图谱维护角色网络；划词查询与侧边阅读降低使用门槛。
host_permissions 收窄至单域名通过 Chrome 审核；ICP 备案；Let's Encrypt SSL + Nginx 反代 + systemd；为国内用户提供免梯 zip 与油猴脚本版。
工程化 Graph RAG 平台：文档上传、异步入库、知识检索与智能问答。
纯向量检索难以回答「跨文档的实体关系与多跳推理」类问题，需要引入知识图谱补足。
构建 Hybrid Retrieval 检索链路，融合向量检索、BM25 检索与图谱检索，通过 RRF 与 Reranker 提升召回质量；基于 Neo4j 构建知识图谱，实现实体关系建模与多跳推理。
文档上传后异步入库（解析 → 分块 → 向量化 → 实体抽取 → 图谱写入）；构建全链路 Trace 与自动化 Eval，实现 Agent / RAG 执行过程可观测化与检索质量评估。
多智能体协同的面试训练系统：简历解析、模拟面试、自动评分、报告生成全流程自动化。
模拟面试需要多角色配合——理解简历、提问、评分、写报告——单一模型难以兼顾，因此拆分为多智能体分工。
设计 Resume Analyst / Interviewer / Evaluator / Report Writer 多 Agent 协同；实现 Orchestrator（调度）、Shared Memory（上下文共享）与 Message Bus（事件驱动通信）。
基于 SSE 流式交互；Telemetry + 缓存 + 限流提升性能与可观测性；JWT 鉴权 + SQLite 持久化。
Django 全栈项目：多应用模块化结构，容器化部署。
以企业门户为题材，练习 Django 的多应用工程组织与部署流程。
按业务域拆分为 accounts / company / recruitment / news / products / team 等独立 app；提供 Dockerfile 与 docker-compose 容器化部署。
模板渲染、用户账号、内容管理（新闻/产品）与招聘信息展示等基础能力。
网文连载数百章、追更数月，早期伏笔与人物关系在记忆中早已断裂。
分层压缩为可检索的结构化记忆，按需回看原文，规避检索漂移与上下文成本。伏笔雷达在此基础上做跨章呼应识别。
把 host_permissions 从通配符收窄到单域名，逐条填写权限用途。「功能覆盖」与「审核风险」的权衡——收敛权限换取过审与信任。
ICP 备案；阿里云 + Let's Encrypt SSL + Nginx 反代 + systemd。选自建而非 Serverless：核心推理是长任务，需要更细的资源控制。
当前：https://jianla.xyz 在线，Nginx 1.18，证书有效期至 2026-09-30。
多数国内用户无法访问 Chrome 商店。因此额外提供免梯 zip + 油猴脚本版（覆盖 Via / Alook）。渠道是从用户真实约束倒推的必选项。
蓝兔支付已停止新签约；微信商户号要求企业/个体户主体。个人开发者做付费产品的第一道门槛是资质，不是代码。调研结论，尚未办理。
产品上线后用户量停留在个位数。正在对目标用户做访谈，定位真实阻力。