Fusion

面向任务执行的 AI 工作台。

Fusion 让 AI 从“回答问题”走向“完成任务”：它会根据用户意图按需选择模型能力与工具，在一次对话中完成搜索、阅读、规划和结构化执行，并把答案依据与 Agent 运行轨迹完整呈现出来。

在线体验 · 后端开发 · 前端开发

在线环境可能要求登录。模型、工具与知识库能力取决于当前环境配置和所选模型。

产品体验

从任务出发

从调研、分析、写作、学习或出行等目标开始，也可以直接描述一个复杂任务。Fusion 会保留用户对执行模式、模型和知识库的控制权。

让答案有据可查

联网任务可以组合搜索、网页读取与结构化产品工具。回答依据区统一展示采用的搜索来源、已读取网页和知识库引用，正文引用可继续定位到具体材料。

看见 Agent 如何完成任务

独立轨迹视图按 Turn 与 Run 还原模型请求、工具调用、上下文状态和耗时，并展示本轮冻结的能力包、计划模式与轨迹完整性。刷新或回到历史会话后，仍可以检查同一份执行事实。

核心能力

• 任务感知的能力路由：区分直接回答、文本转换、实时搜索、可靠来源查证、深度研究、知识库问答和出行任务，只向模型公开当前任务需要且已经授权的工具。
• 可恢复的 Agent 执行：支持计划控制、流式进度、工具调用、停止与继续执行，以及断线重连和历史恢复。
• 回答依据与执行轨迹：将“答案用了什么材料”和“Agent 做了哪些步骤”分层呈现，避免把工具日志或内部推理混进正文。
• 结构化任务工具：支持网页搜索与读取，以及天气、地点、路线、航班、高铁和综合行程等结构化结果。
• 文件与知识库：文件可随会话使用；启用知识库后，可异步解析、切片、向量化文档，并在回答中定位引用分块。
• 模型与运行治理：模型目录由 LiteLLM 统一提供；管理员可以查看模型状态、运行配置、MCP 服务、使用量和脱敏审计数据。
• Web 与桌面客户端：前端以 Next.js 提供 Web 体验，并保留 Electron 桌面构建入口。

工作方式

flowchart LR
    User[用户任务] --> Router[Run 能力路由]
    Router --> Model[匹配的模型能力]
    Router --> Tools[搜索 / 阅读 / MCP / 产品工具]
    Router --> Knowledge[可选知识库]
    Model --> Agent[Agent Run]
    Tools --> Agent
    Knowledge --> Agent
    Agent --> Stream[SSE 流式协议]
    Stream --> Chat[回答正文]
    Stream --> Evidence[回答依据]
    Stream --> Trajectory[执行轨迹]
    Agent --> State[(PostgreSQL / Redis)]

Loading

Fusion 在每个 Run 开始前冻结能力边界，再让模型和工具在同一条 Agent 执行链中协作。聊天正文、回答依据和轨迹视图消费同一组服务端事实，但承担不同的信息职责。

Monorepo

目录	作用	主要技术
backend/	API、Agent runtime、能力路由、工具、文件、知识库与治理	FastAPI、PostgreSQL、Redis、LiteLLM、Milvus
frontend/	Web / Electron 客户端、流式会话、回答依据与轨迹界面	Next.js、React、Redux Toolkit、Dexie
ops/	服务部署与运行脚本	Docker、Bash
docs/	设计、实施与验证记录	Markdown

本地开发

Fusion 的完整运行链路依赖 PostgreSQL、Redis、Auth Service、LiteLLM，以及按需启用的搜索、Reader、MCP、对象存储和 Milvus。仓库目前不提供掩盖这些依赖的根级一键启动脚本。

git clone https://github.com/HyxiaoGe/fusion.git
cd fusion

cp backend/.env.example backend/.env
cp frontend/.env.example frontend/.env.local

接下来按要开发的应用进入对应指南：

• Backend：依赖、启动、测试与结构
• Frontend：环境变量、启动、测试与结构

仓库历史

Fusion 的前后端代码与提交历史已经合并到本仓库。原 fusion-api 与 fusion-ui 仓库已归档，仅用于历史追溯。