智迁云枢 ZhiQian YunShu 🚀

LLM Agent + Knowledge Graph 驱动的跨方言数据库迁移智体

MySQL/Oracle/SQLServer → openGauss/PostgreSQL, 一键智迁, AI 可解释, 生态互联。

仓库定位

本仓库是 智迁云枢 v2.0 完整可运行版,在原 sourcecode/ (v1 存档) 基础上, 在新目录 zhiqian/ 重写 backend / rag / web / deploy / docs。

zhixianyunshu/
├── README.md                  本文档
├── CHANGELOG.md               v2 全部 32 个 milestone + 7 加分 commit 详情
├── UPGRADE_PLAN.md            二期路线图 + 决策日志
├── sourcecode/                v1 存档, 不再变动
└── zhiqian/                   v2 主工作区
    ├── backend/               Spring Boot 3.3 主服务
    ├── rag/                   Python 3.11 FastAPI RAG
    ├── web/                   Vue 3.4 + Element Plus 控制台
    ├── deploy/                Kustomize / ArgoCD / KubeRay / CDC / 公开数据集
    ├── docs/                  架构图 / 对比 / 创新点
    └── security/              供应链策略 + SBOM 模板

三个“一句话”选型

• 不只是迁移工具: 6 Agent + 反思回环 + CRAG + GraphRAG 支撑跨方言复杂语句的可解释迁移分析。
• 不锁定一个生态: pgloader / Ora2Pg / Debezium / ZhiQian Native 同位调度。
• 双协议互联: MCP server + A2A peer, 能被 Claude Desktop / Cursor 调, 也能与其他 Agent 交互。

设计方法论

本项目同时是一份垂直领域 Agent 的参考实现：领域知识三层模型（KB 文档 / 转换配方 / 特征触发器）、状态机编排 + critic→patcher 反思回环、方言感知的校正式检索、评测驱动开发（LLM judge 经 Cohen's κ 人工校准）、失败学习闭环（评测失败 → LLM 生成知识 → 人工门禁 → 回注验证，38/38 修复）。完整论述见 docs/AGENT_DESIGN.md，评测体系见 eval/README.md。

口径说明: 当前实现口径以 zhiqian/ 为准。向量检索使用 Qdrant + BGE-M3 + RRF；图检索使用 CKG / GraphRAG 轻量图实现。旧文档里出现过的 ChromaDB / Neo4j / 7 Agent 属于早期规划口径，不作为当前实现证明。Demo seed 中的 confidence / 综合分仅用于 UI 和报告流程演示，真实效果以后续独立评测集与人工复核为准。

技术栈

层	选型
后端	Spring Boot 3.3 · Spring Security · OpenAPI · Temporal Java SDK (opt) · JaCoCo 0.8.12
RAG	Python 3.11 · FastAPI · BGE-M3 · Qdrant · sqlglot · Outlines · CRAG mini StateGraph
前端	Vue 3.4 · Vite 5 · Element Plus 2.7 · Pinia · vue-i18n 9 · ECharts · transformers.js v3
部署	Kustomize · ArgoCD · KubeRay · Debezium 3.0 · Kafka Connect · Docker Compose
安全	Syft SBOM · Trivy · Cosign keyless · SLSA Build L2
可观测	Langfuse · Spring Boot Actuator · 全链 trace

快速起动 (本地 5 分钟)

# 1) 克隆
git clone https://github.com/anothersunset/zhixianyunshu.git
cd zhixianyunshu

# 2) 一键 Demo (拉起 mysql/opengauss/qdrant 三服务)
bash scripts/demo-walkthrough.sh

# 3) 打开控制台
open http://localhost:5173    # admin / admin123

手动起服务 (熟手):

# 后端
cd zhiqian/backend && ./mvnw spring-boot:run
# RAG
cd zhiqian/rag && uvicorn app.main:app --port 8001
# 前端
cd zhiqian/web && pnpm i && pnpm dev

演示路径

1. 登录 → admin / admin123
2. 选项目 benchmark-sakila
3. 走一次 SQL 转 (MySQL → openGauss), 看 6 Agent 流水 trace
4. 下载 Typst PDF 报告 —— 含风险表 + SQL 示例
5. 切换主题为暗色 + 语言切为英文
6. 入口 /edge 跳 端侧小模型 Demo (需下 600MB)
7. 入口 /present 跳到幻灯片演示模式
8. 用 Claude Desktop 调 MCP: claude_desktop_config.json 里填上 http://localhost:8001/mcp/rpc

架构一眼看

flowchart LR
  Web[Vue3 + Element Plus] --> Backend[Spring Boot]
  Backend --> RAG[Python FastAPI RAG]
  Backend --> Agents[6-Agent Pipeline]
  RAG --> Qdrant[(Qdrant)]
  RAG --> CKG[(CKG / GraphRAG)]
  RAG --> LLM[DeepSeek / vLLM]
  Backend --> CDC[Debezium 3.0]
  CDC --> Kafka[(Kafka)]
  Kafka --> OG[(openGauss)]
  Backend --> MCP[MCP server]
  Backend --> A2A[A2A peer]

Loading

详架构看 zhiqian/docs/architecture/。

v2.0 完成清单 (32 / 32)

• Phase 1 (#1-#10): 架构重写, 6 Agent, DeepSeek, BGE-M3 三路, Outlines, JaCoCo 门禁
• Phase 2 (#11-#17): GraphRAG, CRAG mini, Late Chunking, Langfuse, Kustomize, secretGenerator
• Phase 3 (#18-#24): ArgoCD GitOps, KubeRay, Debezium CDC, MigrationToolFactory, MCP server, A2A peer
• 加分 (#25-#32): 暗色+i18n, 演示模式+TTS, Typst PDF, 端侧推理, 公开数据集, 论文架构图, 供应链安全, 顶级 README

全部提交详情 → CHANGELOG.md

评测口径

当前 CRAG / GraphRAG 已实现工程控制流：retrieve → evaluate → correct / fallback → generate，以及 local / global 图检索思路。但默认语义判断仍包含启发式成分，真实语义增益需要通过真实迁移样本和对照实验验证。后续评测将优先补充 BM25 only、Vector only、Vector + Rerank、CRAG、GraphRAG / CKG 五组对照。

同类产品对比

详 zhiqian/docs/comparison.md, 与 AWS DMS / Alibaba DTS / Ora2Pg / pgloader / DataX / RAGFlow / Verba 对比 6 维度。

许可

Apache License 2.0

致谢

DeepSeek · BGE · sqlglot · Debezium · openGauss · Typst · transformers.js · Anchore · Aqua · Sigstore