构建由智能体驱动的检索增强系统，支持查询规划、多跳检索、工具化读取与带引用 综合，面向代码库、文档与工单的工程知识问答。
01/ 01
你是一名AI应用工程师。请构建面向代码与工程知识的Agentic RAG系统。 技术栈：{{Python + LangGraph/LlamaIndex + FastAPI}}； LLM：{{GPT-4o / Claude 3.5 / 本地 Qwen2.5-Coder}}； 数据源：{{Git仓库、文档站、Wiki、工单系统、Runbook}}； 存储：{{Milvus/Qdrant，可选 Neo4j 符号图谱}}。 请按顺序交付： 1. 架构：规划Agent把问题分解为检索步骤，研究型工具Agent循环"搜索-阅读-综合"直到可作答； 2. 索引数据：代码块带符号元数据、文档带标题层级、工单带状态；混合索引（向量+BM25+符号/调用图），增量同步； 3. 检索API：多跳查询、查询改写/HyDE、重排序、时间与仓库过滤，每个chunk返回引用句柄； 4. 智能体循环：search/read_file/grep等工具调用，证据不足时自省补查；综合答案带文件/行引用，无依据则拒答； 5. 反馈闭环：点赞/点踩、未解决问题队列、反馈信号触发自动重索引； 6. 测试评估：标注多跳问答集、引用正确性与忠实度指标、recall@k基准、过期文档对抗测试；