整合了在实际生产环境中最常用到的开发案例，以降低开发者者的探索成本。
| 开发案例 | 功能简介 | 核心内容 |
|---|---|---|
| 多意图智能体 (Multi Intention Agent) | 根据大模型对用户问题进行意图识别与分类，自动选择对应的处理流程并生成相应输出。 | 意图路由 (route_by_intention) |
| 知识智能体(内存版) (Agent RAG) | 将知识文档嵌入内存向量数据库，构建RAG系统，并通过智能智能体实现检索与问答。 | 百练嵌入模型(DashScopeEmbeddings) 内存向量数据库(InMemoryVectorStore) 相似向量检索(similarity_search) |
| 知识智能体(权限过滤版) (Auth Agent RAG) | 将知识文档嵌入内存向量数据库，将对应权限写入元数据，构建RAG系统，并通过智能智能体实现检索与权限过滤的问答。 | 自定义过滤(filter_func) 元数据(metadata) |
| 知识智能体(向量数据库版) (DB Agent RAG) | 基于12.3实现的将知识文档嵌入远程向量数据库，构建RAG系统，并通过智能智能体实现检索与权限过滤的问答。 | 向量数据库(Qdrant) |
| 知识智能体(重排版) (DB Agent RAG Rerank) | 实现的将知识文档嵌入远程向量数据库，构建RAG智能体，并通过智能智能体实现检索重排。 | 重排模型 (BAAI/bge-reranker-v2-m3) |
| 检索增强知识库智能体 (Enhance Agent RAG) | 集成常用检索优化策略的高阶RAG智能体，通过多路径检索、阈值过滤、重排序等技术，提升回答的准确性与可靠性。 | 检索优化策略 (enhance) |
| 高级知识库智能体 (Senior Agentic RAG) | 智能体引入自主决策、编排、推理，实现了更强大和灵活的检索。 | Agentic RAG (route_by_intention) |
| 多模态文档预处理 (Multi Modal Preprocessing) | 支持对多种格式文档（如PDF、Markdown、TXT、Excel、Image、Video）的预处理，包括文本提取、图像识别、视频分析等。 | 多模态文档处理 |
| 知识图谱智能体(Neo4j版) (Graph RAG Agent) | 将知识文档嵌入知识图谱，构建基于图结构的RAG系统，并通过智能智能体实现检索与问答。 | 知识图谱 (rag) |
| 知识图谱智能体(Graphiti+Neo4j版) (AI Graph RAG Agent) | 将知识文档嵌入知识图谱，构建基于图结构的RAG系统，并通过智能智能体实现检索与问答。 | 知识图谱 (rag) |
| 深度研究智能体 (DeepAgents) | 将知识文档嵌入知识图谱，构建基于图结构的RAG系统，并通过智能智能体实现深度研究与问答。 | 多智能体协作 子智能体分工 文件系统工具集成 网络搜索 研究计划自动生成 结构化研究报告输出 |
| Text2Image-MCP (Z-Image文生图) | 基于Z-Image模型，将文本描述转换为图像，封装为MCP工具（给Agent调用）。 | 文本到图像 (text2image) |
| 代码执行器-MCP (Code Execution) | 基于MCP工具，执行用户输入的Python代码，并返回运算结果。 | 代码执行 (code_execution) |
| 审批智能体 (Approval Agent) | 接收用户审批请求，中断当前流程，等待用户审批。（确认 | 修改 |