企业级技术文档智能助手 — 混合检索 + Corrective RAG + 可选 Self-RAG 闭环
学习 LangChain/LangGraph 时，官方文档分散在 4-5 个站点，版本更新快，查一个问题平均花费 10-30 分钟
同一概念在 Python 文档、JS 文档、API Reference、GitHub 多页面分散，需人工整合
查一个问题平均 10-30 分钟，打开多个标签页、比对版本差异
同一类问题反复查（API Key 配置、LCEL 语法），缺乏积累复用
花大量时间查文档，真正写代码时间不到 50%
问题："LangChain 0.3 有什么新特性？有没有已知 bug？" → 只能查本地文档库 → 无法回答实时信息 → 版本差异需人工比对 → 答案可能包含幻觉
问题："LangChain 0.3 有什么新特性？有没有已知 bug？" → 识别查询意图：新特性（文档）+ bug（实时） → 并行调用工具：Vector Search + GitHub Issues API → 综合答案：完整回答两个子问题 → Self-RAG 事实校验：降低幻觉率
基于 LangGraph 状态机，含 Corrective RAG 纠错循环和 Self-RAG 自我反思循环
Agent 根据查询类型自动选择最佳检索策略，点击下方按钮查看不同场景的路由路径
核心组件与技术选型
所有数据来自项目真实评测，可追溯至源文件，遵循审计真相表口径