AI导哈

AI双脑并行处理系统

Hemisphere AI是一种结合检索增强生成（RAG）和实时网络搜索的双脑并行处理系统，适用于需要同时处理静态文档和动态网络信息的场景。

  • by Yuyang-Ding1102
  • JavaScript
  • 本地部署
  • 更新于
在 GitHub 查看 Yuyang-Ding1102/Hemisphere-AI

使用说明

🧠 半球AI

连接静态知识和动态智能。 > 一种由RAG和模型上下文协议（MCP）支持的双头代理架构。

📖 哲学

在认知神经科学中，人脑通过两个不同但相互连接的半球运作。 半球AI 模仿这种生物架构，以克服传统大型语言模型（LLM）的局限性：

  • 左半球（回忆与逻辑）： 献给 **检索增强生成（RAG）**它以零幻觉的方式深入分析了当地的私人知识（PDF），表现出严谨的学术态度。
  • 右半球（探索与感知）： 献给 实时网络搜索.利用 模型上下文协议（MCP） SerpAPI，它作为动态记者探索实时互联网，获取最新信息。

通过并行运行这些过程，Hemisphere AI提供了一个简单的文档阅读器和标准聊天机器人都无法单独实现的整体答案。

🏗️ 系统架构

graph TD
    User[User Input] --> Server[Node.js Server]
    Server -->|Parallel Execution| Split((Orchestrator))
    
    subgraph "Left Hemisphere (Deep Read)"
    Split --> RAG[LangChain RAG]
    RAG --> VectorDB[Memory Vector Store]
    VectorDB --> Doc[PDF Document]
    end
    
    subgraph "Right Hemisphere (Live Search)"
    Split --> MCP_Client[MCP Client]
    MCP_Client -->|Stdio Transport| MCP_Server[MCP Server Process]
    MCP_Server --> SerpAPI[Google Search API]
    end
    
    RAG --> Merge[Response Synthesizer]
    MCP_Client --> Merge
    Merge --> UI[React Frontend]

✨ 主要特点

  • ⚡ 并行双处理：利用Node.js异步功能(Promise.all)两个“大脑”同时工作，与顺序处理相比，反应时间缩短了一半。
  • 📚 私人文件RAG：上传复杂的PDF文档并与之聊天。该系统使用递归文本分割和向量嵌入进行精确的上下文检索。
  • 🌐 MCP驱动的网络搜索：实施尖端技术 模型上下文协议 （客户端-服务器架构）将搜索逻辑与主应用程序流解耦。
  • 🗣️ 全语音交互:
    • STT（语音转文本）：持续听写支持。
    • TTS（文本转语音）：人工智能大声朗读回应，创造无缝的对话体验。
  • 用户界面：使用React和Ant Design构建，具有干净、响应迅速的布局，并为不同的知识源提供视觉指示器。

🛠️ 技术栈

  • 前端：React、Ant Design、Axios、SpeechRecognition API
  • 后端：Express.js，Multer
  • AI编排：LangChain.js
  • 协议：模型上下文协议（MCP SDK）
  • 模型和API：OpenAI GPT-4o，SerpAPI

🚀 入门指南

先决条件

  • Node.js（v18+）
  • OpenAI API密钥
  • SerpAPI密钥

安装

  1. 克隆仓库

    git clone [https://github.com/Yuyang-Ding1102/Hemisphere-AI.git](https://github.com/Yuyang-Ding1102/Hemisphere-AI.git)
cd Hemisphere-AI

  2. 安装依赖项

    # Install root dependencies (Frontend)
npm install

# Install server dependencies (Backend)
cd server
npm install
cd ..

  3. 环境配置

    创建一个 .env 文件在 根 目录：

    REACT_APP_DOMAIN=http://localhost:5001

    创建一个 .env 文件在 服务器 目录：

    OPENAI_API_KEY=sk-your_openai_key_here
SERPAPI_API_KEY=your_serpapi_key_here

  4. 点火 使用单个命令启动双服务器系统：

    npm run dev
    • 前端将在以下时间启动： http://localhost:3000
    • 后端将监听： http://localhost:5001

🔮 未来路线图

  • [ ] 矢量持久性：从MemoryVectorStore迁移到Pinecone/ChromaDB以获得长期文档内存。
  • [ ] 多文件支持：允许同时交叉引用多个PDF。
  • [ ] 代理工作流：允许AI根据查询意图自主决定是否使用RAG、搜索或两者兼而有之。

丁玉阳建造

相关 MCP