从足球青训痛点出发，我用LangChain 1.0打造了可定制的AI智能体开放生态
背景
作为一名足球爱好者（当然不是什么欧洲五大联赛球迷，我只是大连球迷和国足球迷），深知中国足球青训的困境：基层教练缺系统战术支撑、青少年难获个性指导、球迷找不到专业解读渠道。最初只想用AI智能体打破这些信息壁垒，让足球知识触达更多人，但单一智能体满足不了不同场景的定制需求——于是索性迭代成开放生态：既保留足球领域基因，更支持用户创建私有知识库智能体并分享，形成「人人可创造、人人可分享」的协作模式，在解决行业痛点的同时，也最大化释放了AI技术的落地价值。
项目截图
更多的参考GitHub上的项目
项目核心亮点
1. 进阶RAG智能知识库：实时响应+混合检索更精准
- 需先为智能体勾选「RAG检索工具」（个人创建的智能体可自行操作，他人创建的需联系管理员），上传文档后Minio监听器会实时触发切分、嵌入、存储全流程，删除文件时也会同步清理知识库关联内容，不留冗余
- 参考LangGraph官方进阶RAG方案，实现查询生成、问题重写、相关性评分，再搭配「向量检索+BM25」混合模式，大幅提升知识匹配精准度
- 支持私有知识库上传，每个人都能打造专属领域的知识智能体
2. 精细化会话管理：独立隔离+灵活操作
- 不同智能体的会话完全隔离，互不干扰，避免信息混乱
- 首轮对话结束后自动生成会话标题并回显，支持手动修改标题、删除会话，整理更方便
3. 自定义MCP工具：按需扩展功能边界
- 每个智能体可独立添加SSE类型MCP工具（经实测稳定可用，且目前我已经暂时强制限定为此格式），弥补自带工具不足
- 配置格式简洁清晰，支持多工具并行添加：
▼json复制代码{ "mcp-server-1": { "type": "sse", "url": "http://www.example.com/mcp-server-1/sse" }, "mcp-server-2": { "type": "sse", "url": "http://www.example.com/mcp-server-2/sse" } }
4. 稳定可靠的长期记忆同步
- 放弃LangChain原生长期记忆功能，基于RAG自定义实现，通过RabbitMQ保障稳定性
- 每日0:30起每2小时自动消费同步任务，服务崩溃也不影响记忆留存；关闭同步时会彻底删除文件和记录，无残留
5. 完善的RBAC权限控制
- 普通用户：可与所有智能体对话、上传个人知识库、管理自己发布的智能体
- 管理员：拥有智能体全量管理、用户管理权限，适配团队协作场景
6. LangChain 1.0新特性深度应用
- 核心使用LangChain中间件功能，实现对话记录存储（业务层面）和日志打印（运维层面），后续会单独开帖详解落地细节
7. 自动化CI/CD部署
- 基于Github Workflow实现「开发→测试→部署」全流程自动化，几乎无需手动敲部署命令，效率拉满
技术栈选型
- 基础语言：Python 3.13.9
- 数据存储：PostgreSQL+PGVector（知识库）、Redis（登录缓存+短期记忆）、Minio（对象存储，20250422免费版）
- 消息队列：RabbitMQ（长期记忆同步任务调度）
- 核心框架：LangChain 1.0.3、LangGraph 1.0.2、FastAPI（支持接口文档分享）
- 前端：React（不是ReAct） + Next.js + Tailwind + Mui Markdown
个人心声：两年沉淀，用项目为自己「翻身」
做这个项目的初衷，既是对足球的热爱，也是想弥补自己职业路上的遗憾。
两年多来，我没有在公司积累到太多核心开发和业务经验——23年夏天接触过AI萌芽阶段的Go语言项目，之后就被随机分配到开源鸿蒙SDK测试、声音芯片测试等边缘工作，基本都是用现成脚本，没机会深入技术。后来遭遇裁员，又因面试和简历问题空窗一年，那段时间真的很迷茫。
不甘心就此放弃AI赛道，我花钱报了线上培训，一点点补齐大模型开发的相关知识。但过程中也常陷入自我怀疑：LangChain框架迭代太快，学了又忘；朋友指出我简历的问题和知识短板时，我甚至会想「自己是不是不配做这个行业」；尤其害怕面试中的八股问题，以及一些项目问题回答，明明做过的事情却说不好，担心付出的努力不被认可。
这个项目是我孤注一掷的尝试：把学到的LangChain、RAG、权限控制等知识落地，结合自己热爱的足球领域，做出一个有实际场景价值的产品。从单一智能体到开放生态，从基础功能到细节优化（比如会话管理、MCP扩展），每一步都踩过坑，但也让我对技术落地有了更深刻的理解。
现在项目终于成型，我很想知道：这样的项目沉淀，足够让我重返AI开发行业吗？如果有前辈能给出面试建议，或者指出项目可以优化的地方，真的不胜感激。
未来规划
- 新增智能体通用知识库：支持公共知识共享，避免优质资源垄断，提升知识流通性
- RAG重排序优化：进一步提升分块相关性，让回答更精准
- 付费功能探索：计划推出会员服务，开放部分高级功能（如多轮深度检索、专属MCP接口）
项目体验指南
- 项目地址：https://github.com/ppxinashin/fenq-super-agent（README含官网链接和截图）
- 测试账号：
- 管理员：用户名 yupi_admin，密码 1qaz!QAZ
- 普通用户：用户名 yupi_user，密码 1qaz!QAZ
- 原型稿：原本是两个客户端，一个用户端一个管理端，但最后合并了
致敬
本项目深度致敬程序员鱼皮老哥的 AI 超级智能体实战课程。鱼皮的课程从 RAG 知识库、MCP 协议到智能体架构设计，提供了系统的 AI 开发实战思路，本项目在其核心框架（RAG+MCP + 大模型应用）基础上，结合足球领域场景进行定制化开发，同时新增了会话管理、独立 MCP 配置、长期记忆同步优化等功能，既是对原版项目的学习实践，也是一次场景化创新。
如果大家觉得项目有价值，欢迎Star支持～ 也期待各位大佬提出宝贵的优化建议，一起完善这个开放生态！
本篇暂时公开，未来仅课程可见
