大規模なモデルの能力を整理しようとするオープンソースプロジェクトが、さらに一歩前進しました。TaiXu-Admin は V0.1.2 バージョンをリリースし、LLM、RAG、エージェントをコアとしたこのアプリケーション管理システムは、対話、検索強化、スマートエージェントの協力を通常分離して扱うことをやめ、同じバックエンドに統合しようとしています。

今回のアップデートのログは非常に明確です。ドキュメントにLLM Wikiの解析機能を追加し、同時にLLM Wikiの検索機能も補完しました。変更されたコードファイルをホットコンパイル置換（HCP）メカニズムで処理し、一部の調整は再起動せずに効果を持ちます。知識ベースと知識グラフベースもカスタムリファクタリングをサポートしています。歴史的な記憶管理は刷新され、RAGとエージェントが実行中に発生する異常処理も補完されました——複数のエージェントが長時間オンラインで作業できるプラットフォームにとって、これらの改善は地盤をさらに固めるものです。

image.png

システム自体を開くと、TaiXu-Admin は AI 技術を集約した知能システムです。バックエンドは Python で構築されており、フロントエンドは React を使ってインタラクティブなページを作成します。取り扱う機能は LLM の対話、RAG およびエージェントに及ぶ。LangChain と LangGraph を大規模モデルアプリケーションの骨格部品として採用しており、前者はモジュール型のモデルパイプラインを組み立て、後者は複雑な状態駆動型のマルチエージェント協力を実行します。これにより RAG モード、エージェントモード、Prompt エンジニアリング、ツール呼び出し、記憶管理が可能となり、対話型インターフェース、知識検索による生成強化、エージェント間の協力をすべて取り込みます。

本質的な技術力は、市場での主流な手法をほぼメニューのように列挙している点にあります。RAGでは、ネイティブ RAG、多クエリ、検索統合、サブプロブレム分解、仮定文書埋め込み（HYDE）、論理的・意味的ルーティング、クエリ再書き換え、多重表現、階層インデックス（RAPTOR）などが並んでいます。エラー修正型、自己チェック型、自己適応型エージェントが検索フェーズの下支えを行います。特殊モードには GraphRAG 知識グラフ、BM25キーワード、ハイブリッド RAG、K平均クラスタリング、最大限のマージナル相関 RAG が含まれています。エージェントモードはさらに活気があります：ReAct の推論行動、ReWOO の観測なし推論、計画実行、LLM コンパイル、反省、自己発見、反芻、スマート木探索に加えて、監督型、協調型、階層型マルチエージェント編成が備わっており、現在のエージェント研究の名刺箱をほぼ全部翻しました。

アーキテクチャにおいては、フロントエンドとバックエンドの分離とモジュール化の道を取っています。バックエンドは Python と軽量な Flask で RESTful API を構築しており、フロントエンドは React を使ってレスポンシブなインターフェースを構築し、アントのオープンソースである Umi を使ってエンジニアリングを行い、Ant Design をベースコンポーネントライブラリとして使っています。ベースとなるデータベースも役割を分担しています：高パフォーマンスなクラウドネイティブな Qdrant がテキスト埋め込みと意味的類似性検索を担当し、Neo4j がエンティティ間の複雑な関係をモデル化し、グラフ推論を支援し、PostgreSQL はユーザー、ログ、設定などの構造化ビジネスデータを安定して保存しています。