产品需求与概要设计（PRD & Architecture）

用户提问："有哪些论文研究了 Chain-of-Thought 和 ReAct 的结合应用？"
系统响应：
  1. 向量检索 → 语义相关论文
  2. 图谱检索 → 方法论关联论文
  3. 多跳推理 → 发现间接关联
  4. 生成回答 → 综述 + 引用链接

用户上传：新发布的 Agentic AI 相关资料（论文 PDF / 技术博客 URL / GitHub 仓库）
系统处理：
  1. Reader Agent → 提取内容与结构
  2. Translation Agent → 高质量翻译（保留术语）
  3. Heartfelt Agent → 深度分析与要点提炼
  4. Cognee → 更新知识图谱，建立关联

用户提问："我需要为客服系统设计一个多 Agent 架构，有什么参考？"
系统响应：
  1. 检索相关内容（论文、文档、代码仓库）
  2. 图谱查询架构模式关联
  3. 结合 BettaFish 论坛协作机制
  4. 参考其他经典 Agents 模式
  5. 输出可落地的架构方案

-- 内容元数据表 (TP 场景) - 对应知识图谱 Source 基类
CREATE TABLE sources (
    id BIGINT PRIMARY KEY AUTO_INCREMENT,
    source_type ENUM('paper', 'article', 'document', 'code_repo') NOT NULL,
    title VARCHAR(500) NOT NULL,
    abstract TEXT,
    authors JSON,
    url VARCHAR(1000),
    format VARCHAR(50),                    -- pdf, md, docx, pptx, xlsx, url, etc.
    publication_date DATE,
    category VARCHAR(100),
    status ENUM('pending', 'processing', 'translated', 'analyzed'),
    metadata JSON,                         -- 特化类型的扩展属性
    created_at TIMESTAMP DEFAULT CURRENT_TIMESTAMP,
    updated_at TIMESTAMP DEFAULT CURRENT_TIMESTAMP ON UPDATE CURRENT_TIMESTAMP,
    INDEX idx_source_type (source_type),
    INDEX idx_category (category),
    INDEX idx_status (status)
);

-- 内容向量表 (Vector DB 场景)
CREATE TABLE source_embeddings (
    id BIGINT PRIMARY KEY AUTO_INCREMENT,
    source_id BIGINT NOT NULL,
    chunk_index INT DEFAULT 0,
    chunk_text TEXT,
    embedding VECTOR(1536),
    FOREIGN KEY (source_id) REFERENCES sources(id)
);

-- 创建 HNSW 向量索引
CREATE INDEX idx_source_embedding_hnsw
ON source_embeddings USING HNSW (embedding vector_cosine_ops)
WITH (m = 16, ef_construction = 128);

// 创建约束 - Source 基类及特化类型
CREATE CONSTRAINT source_id_unique FOR (s:Source) REQUIRE s.id IS UNIQUE
CREATE CONSTRAINT paper_id_unique FOR (p:Paper) REQUIRE p.id IS UNIQUE
CREATE CONSTRAINT article_id_unique FOR (a:Article) REQUIRE a.id IS UNIQUE
CREATE CONSTRAINT document_id_unique FOR (d:Document) REQUIRE d.id IS UNIQUE
CREATE CONSTRAINT code_repo_id_unique FOR (c:CodeRepo) REQUIRE c.id IS UNIQUE
CREATE CONSTRAINT author_name_unique FOR (a:Author) REQUIRE a.name IS UNIQUE

// 创建向量索引 - Source 级别通用语义检索
CREATE VECTOR INDEX source_embedding FOR (s:Source) ON (s.embedding)
OPTIONS {
  indexConfig: {
    `vector.dimensions`: 1536,
    `vector.similarity_function`: 'cosine'
  }
}

// 示例查询 1：查找使用相似方法的论文
MATCH (p1:Paper)-[:USES_METHOD]->(m:Method)<-[:USES_METHOD]-(p2:Paper)
WHERE p1.title = "ReAct"
RETURN p2.title, m.name

// 示例查询 2：跨内容类型查找相关资源
MATCH (s1:Source)-[:RELATED_TO]->(s2:Source)
WHERE s1.title CONTAINS "Agent"
RETURN s2.title, labels(s2) AS source_type

agentic-ai-cognizes/
├── cognizes/                   # 后端
│   ├── main.py                 # 应用入口
│   ├── api/                    # FastAPI 服务
│   │   ├── routes/             # API 路由
│   │   └── services/           # 业务服务
├── ├── agents/                 # Agents 核心
│   │   ├── adk/                # ADK Agent 实现
│   │   └── claude/             # Claude Agent 实现
│   └── core/                   # 核心组件
│       ├── models/             # Pydantic 模型
│       ├── config.py           # 配置管理
│       ├── memory.py           # Cognee 集成
│       └── exceptions.py       # 异常定义
├── ui/                         # 前端
│   └── src/
│       ├── app/                # App Router 页面
│       │   ├── papers/         # 论文管理
│       │   ├── tasks/          # 任务监控
│       │   └── search/         # 搜索页面
│       ├── components/         # React 组件
│       ├── hooks/              # useApi, useWebSocket
│       ├── store/              # Zustand Stores
│       └── lib/api.ts          # API 客户端
├── assets/                     # 资源文件
│   ├── source/                 # 原始文档
│   ├── translation/            # 翻译结果
│   └── heartfelt/              # 深度分析
├── tests/                      # 测试套件
├── docs/                       # 文档
└── .claude/skills/             # 7 个 Claude Skills