AnGIneer：面向工程领域的可溯源 AI 工程师开源项目

AnGIneer（AGI + Engineer）——面向严谨工程领域的 AI 工程师。

目标与使命

使用本地 AI 模型（不微调的小型语言模型），完成工程领域的方案设计、施工组织、绘图等任务：把规范、SOP、工程工具与地理世界组装成可溯源、可执行的工程智能体。

• 项目愿景：Re-engineering the Future of Engineering.
• 核心理念：Human Defines SOP, AnGIneer Executes with Precision.

🔗 在线体验：angineer.cn（免登录，打开即用）

上层应用（不断增加）

1️⃣ 专业问答

规范/规程问答，回答带可溯源条款引用（点击跳原文页码），不知道就拒答。

🔗 在线体验：angineer.cn（免登录，打开即用）

2️⃣ 工程设计 · 航道线设计

对话下达任务，AI 在 GIS 三维地球上自动生成航道轴线，可交互编辑调整。

3️⃣ 报告编写

一句话指令，按章节结构自动撰写设计报告（节能/导助航等章节）。

4️⃣ 其他

施工组织设计（施组）、晨会纪要等，持续增加中。

核心技术

1️⃣ docs-core：文档结构解析与知识库

九阶段文档解析入库 pipeline，知识库分组分库存储：

flowchart LR
    SRC["源文件<br/>PDF / DOCX / PPTX / XLSX"] --> CV["格式转换<br/>LibreOffice → PDF"]
    CV --> MU["MinerU 解析"]
    MU --> PO["PoPo 强化"]
    PO --> SOLO["Solo 结构化"]
    SOLO --> FTS["SQLite + FTS"]
    FTS --> VEC["向量索引"]
    VEC --> GR["知识图谱"]

Loading

语料包导出：管理后台选组/库一键导出流式 zip 语料包（含正文 sqlite + qdrant 快照，服务端不落盘、可取消、断连自动收尾），包格式按跨环境导入设计——知识库迁移分发零手工拷贝（导入端随语料包通道后续落地）。

两端公开基准背书：

• 语料端 OmniDocBench（1000 页三方同尺）：markdown 交付面与上游 MinerU 重合（六项差 ≤0.2pp），结构化层（块召回/文本相似度/阅读顺序）全面领先 MinerU 原生；
• 回答端 Open RAG Bench（1040 题 nightly 门禁）：对比同语料同判分的朴素 RAG 臂，全链可答正确率领先 17.5 个百分点（71.1% → 88.6%）。

深入阅读：docs/tech-report.md · docs/angineer-docs/parse-pipeline.md

2️⃣ angineer-core：工程可靠 Harness

手写 Agent 循环（零框架）：意图分级 L0–L4 路由、赌博式预检、四路召回 + RRF 融合重排、终答守卫（无证据/外引/半拒答 → 拒答）。跨域旁证 FinanceBench（金融域 150 题、同一判分链零改动）：语义正确率 58.0%，超过论文公开的现实 RAG 配置最优档 50%。

深入阅读：docs/angineer-core/agent-harness.md

3️⃣ sops-core：经验提取与执行

从文档图谱自动提取 SOP（规则骨架/LLM 生成 → 变量黑板依赖提取 → 校验 → 审核闸门 → 可执行库），运行时 sop_run 按步骤图执行（计算器/查表/条件分支工具）。自建专业测试集做 benchmark 回归（注册考试题集）。

flowchart LR
    GRAPH["知识图谱<br/>framework / ACTION 实体链"] --> CAND["候选 SOP 识别"]
    CAND --> GEN["规则骨架 / LLM 生成"]
    GEN --> VAL["校验 + 审核闸门"]
    VAL --> LIB["可执行库"]
    LIB --> RUN["sop_run 执行"]

Loading

4️⃣ evals：专业评测引擎

题集管理、异步评测运行、检索（Hit@1/3/5 · MRR）与回答语义判分（judge 模型与被测解耦）、两次运行对比看板；nightly 门禁每晚全量回归 + 企微播报，数据正确性每晚重验断言。

5️⃣ ai-inference：大模型统一路由

成熟的基础设施模块：多模型 JSON 配置（顺序=优先级、失败自动切换）、重试/熔断/三级超时/流式、Embedding/Reranker 故障自动降级；Prompt 统一资产化（带版本号注册，CI 强制审计）。已上架 PyPI（angineer-ai-inference）。

flowchart LR
    APP["上层服务<br/>docs-core · angineer-core · evals-core"] --> ROUTE["统一路由<br/>LLM_CONFIGS 多模型配置<br/>顺序 = 优先级"]
    ROUTE --> CLIENT["LLM 客户端<br/>重试 · 熔断 · 三级超时 · 流式"]
    CLIENT -->|成功| EP["OpenAI 兼容端点<br/>LLM / Embedding / Reranker"]
    CLIENT -->|失败| FAIL["自动降级<br/>切换下一配置 · hash embedding<br/>本地 phrase rerank"]
    FAIL -.->|重试| CLIENT

Loading

6️⃣ engtools：工程工具（预留）

即将开发 GIS 交互 tools——真实空间数据（影像/地形/水文气象）接入与工程计算联动，配合 geo-core 世界底座。

模块化插件版本

当前版本：0.2.96 ——拒答判分两级观测：该拒未拒不再一刀切，拆「有据未拒／真幻觉」（证据支持度）与「对／错／边界」（vs 公开 gold 三档，预注册 rubric），口径不变（只加观测字段，score／refusal_correct 与门禁基线可比）；题集挂公开 gold + nightly 报告拒答专项双口径行；/arch 链路图锚点全量校正并新增「评测判分链」节点（守卫补三态 strip 态）；tech-report 扩写（分组分库／知识图谱／Dream Cycle／公开基准成绩）并补拒答两级观测节；README 重排并补产品与对比截图；生产环境件同步（MINERU 并发 2／POPO 超时 900 重试 0／COMPANY 超时 3600／评测并发 5）；完结文档清理 + 悬空引用改挂（17 处）。详见 CHANGELOG.md。

各模块独立仓库各自用 git tag 发布（发版时同步更新本表）：

部署方式

要求：Python 3.10+、Node.js 20+、pnpm 11、LibreOffice（DOCX/PPTX/XLSX 转 PDF）。

git clone https://github.com/0mao0/AnGIneer.git
cd AnGIneer
pnpm install && pnpm services:install
cp .env.example .env   # 至少配置 LLM_CONFIGS / MINERU_CONFIGS / EMBEDDING_CONFIGS / RERANKER_CONFIGS

.\start.ps1            # Windows 一键启动（用户台 3005 · 管理台 3002）

cd docker && docker compose up -d --build   # Docker 部署（前端 8080 · API 8790/8791 · Qdrant 6333）

完整配置项、外部 API 调用示例、评测命令见 docs/tech-report.md §10。

Roadmap

各模块技术细节（架构图、链路、数据模型、开发约定）见 docs/tech-report.md。

AnGIneer - Re-engineering the Future of Engineering.