基于DeepSeek的智能Agent系统
智能Agent在处理复杂任务、提升用户交互体验方面的需求日益凸显。本项目目标是构建更高效、智能的Agent系统，应对多场景下的用户需求，通过插件化架构实现功能的灵活扩展和高效协同，提升任务处理的准确性和效率。
基于DeepSeek模型进行用户意图识别和任务解析
智能匹配高频Query，利用缓存层避免重复推理
基于拆解词检索相关知识文档，采用orjson优化
利用LLM过滤检索文档，多线程并发处理
构建思考-推理-决策多轮循环流程
实现结果流式推送，基于SSE协议+异步处理
拆解、补全用户请求，通过Prompt工程定义多维度解析规则（补全/拆解/联网），设计流式提前终止机制，提升解析效率40%。
匹配高频Query，利用缓存层结果避免重复模型推理，降低响应延迟30%，优化用户的使用体验。
基于拆解词检索相关知识文档，采用orjson实现JSON序列化加速，提高了信息检索的效率和质量。
利用LLM过滤检索文档，基于多线程并发调度（10+并发），结合内容前缀中断判断实现200doc/s处理。
构建思考-推理-决策多轮循环流程，通过标签动态索引历史文档，增强了系统处理复杂任务的能力。
实现结果流式推送，基于SSE协议+异步处理，降低IO频率，降低用户等待感知。