MARS-408 考研多智能体个性化学习系统

2026 福建高校「火山杯」Agent 创新大赛参赛作品 · 未来学习中心方向
覆盖 408 计算机考研四科：数据结构 / 计算机组成原理 / 操作系统 / 计算机网络

代码仓库地址URL：https://github.com/TrueFurina/MARS-408

智能体名称：coordinator 协调员 → diagnostician 诊断师 → planner 规划师 → retriever 检索员 → generator_cluster 资源生成集群（内含 7 个角色：讲师/出题/导图/PPT/代码/视频/拓展）→ assessor 考官 → critic 审阅员 → evidence_check 证据核查员 → quality_gate 质量闸门 → path_planner 路径规划师

让 AI 从"回答问题"到"真正懂你" —— 一个由 10 节点多智能体流水线驱动的考研个性化学习教练，完成"诊断 → 规划 → 讲解 → 练习 → 复盘"的完整学习闭环。

一、核心亮点

1. 10 节点多智能体流水线（LangGraph 编排）

学情诊断 → 任务规划 → 知识检索 → 资源生成 → 评估反馈 → 质量校验 → 证据核查 → 产物验收 → 路径规划，多角色各司其职、协同闭环。与传统一问一答的 Chatbot 不同，系统能主动拆解学习任务、规划学习路径、多轮交互追问，并实时反馈进度。

2. GoMARL 加权共识 + 冲突消解（防幻觉核心能力）

多个 Agent 独立作答后，由基于 GoMARL 思想的加权共识引擎裁决分歧；当 Agent 间出现知识矛盾（如"三次握手 vs 四次挥手"）时，由冲突消解引擎基于知识库证据链检索，并由真实大模型复核事实后再裁决——从机制上防控 AI 幻觉，而非仅靠提示词约束。

3. FrugalRAG 自适应检索管线

E5 768 维向量检索 + BM25 全文检索 + 个性化重排 + 自适应停止策略。内置 1883 条真实知识分片 + 200 道练习题（共 2083 条向量条目），按四科 26 大知识群组组织；检索链路异常时自动降级 BM25，保证演示与使用不中断。

4. 全链路工程化与容灾

• 前端 Vue 3 + TypeScript，68 个页面，多端多角色（学生 / 教师看板）
• 后端 FastAPI + LangGraph，170+ API 端点，616 项测试定义（Windows CI 198 通过，其余受环境级 SIGSEGV 阻断，以 Linux CI 为准）
• 讯飞星火 X2 + DeepSeek 双通道大模型自动容灾
• Milvus / PostgreSQL / Redis 缺失时逐级自动降级，单机即可完整运行

二、系统架构

┌─ 前端 Vue 3 + TypeScript (68 页面) ──────────────────────────┐
│  Vite :5173 → 代理 → 后端 :8002                               │
│  学生端：对话 / 学习路径 / 知识图谱 / 练习 / 评估              │
│  教师端：班级学情看板                                          │
└──────────────────────────────────────────────────────────────┘
                            │
┌─ 后端 FastAPI + LangGraph (10 节点多智能体流水线) ────────────┐
│  coordinator → diagnostician → planner → retriever             │
│    → generator_cluster → assessor → critic                     │
│    → evidence_check → quality_gate → path_planner              │
│  GoMARL 共识引擎 + 冲突消解 · FrugalRAG 检索 · 异常降级         │
└──────────────────────────────────────────────────────────────┘
                            │
┌─ 数据层 ──────────────────────────────────────────────────────┐
│  Milvus (向量库) / InMemoryVectorStore (降级)                  │
│  PostgreSQL / SQLite (降级) · Redis / 内存 (降级)              │
│  E5 嵌入模型 (768 维) · 1883 知识分片 + 200 题 · 26 知识群组    │
└──────────────────────────────────────────────────────────────┘

三、多智能体流水线（10 节点）

支持 7 种学习资源并行生成：讲解文档、练习题、思维导图、拓展阅读、PPT 大纲、代码实操、视频脚本。

四、核心功能

五、知识库与检索

检索链路：用户提问 → E5 向量检索 → BM25 全文检索 → 融合排序 → 个性化重排 → 增强生成；检索异常时降级 BM25-only（_degraded 标记），绝不静默返回空结果。

六、量化实测（全部可复现）

评测脚本随源码提供（py-server/experiments/），指标可一键复现——所有成效数字均为真实运行产出，不包含虚构的用户实验数据。

七、快速启动（2 分钟）

Docker（推荐）

docker-compose up -d
# 访问 http://localhost:8002 ，登录 demo / demo123456

本地开发

# 终端 A：后端
cd py-server && python -m venv .venv && .venv/Scripts/activate
pip install -e . && python main.py          # :8002

# 终端 B：前端
npm install && npm run dev                   # :5173，代理 /api → 8002

缺失 Milvus / PostgreSQL / Redis / LLM 凭证时系统自动降级，核心功能仍可演示。

八、工程指标一览

九、演示与证据

• 演示视频：submission/03_演示视频/
• 评测与回归脚本：py-server/experiments/（eval_gold.py / benchmark）
• 核心架构图：documents/MARS-408核心架构图.svg

十、开发工具合规声明

本项目为真实可运行的代码工程（Vue 3 + TypeScript 前端 / FastAPI + LangGraph 后端），采用 Trae（字节跳动 AI IDE，内置豆包 / DeepSeek 大模型能力）作为开发工具完成核心模块的开发与迭代；代码仓库可在 Trae 中直接打开、构建并运行，满足 2026 福建高校「火山杯」Agent 创新大赛"基于 Trae 开发"的工具要求。

关键模块清单：py-server/agents/graph.py（多智能体流水线）、py-server/engines/frugal_rag.py（检索引擎）、py-server/engines/gomarl.py（共识引擎）、src/（前端页面）。

本 README 数据口径与源码一致；量化指标均可通过随源码提供的脚本复现。