[Proposal] LangGraph 智能意图识别与双链路教学 Agent #6

背景

EduAvatar 的教学 Agent 需要先理解用户是在打招呼、请求讲解、提交题目，还是表达不够明确，再进入对应的教学处理链路。当前项目已通过 LangGraph 将判断和处理步骤拆成独立节点，但路由规则、异常恢复和回归验证仍可进一步完善。

目标

建立稳定、可配置、可测试的智能教学工作流，让“讲解知识点”和“解答题目”两条链路能够独立演进，同时保证回答说明信息来源。

当前能力

• 支持 welcome、ask_intent、explain、solve 四类意图。
• 讲解链路支持本地知识检索、网络搜索兜底和口语化改写。
• 解题链路支持复杂度判断：简单题直接推理，复杂题先检索再分步讲解。
• LangGraph 已将意图识别、检索、改写、解题和统一输出拆分为独立节点。
• 最终回答会根据 local、web、direct、none 标明知识来源。

Proposal（后续完善）

• 将意图类别、路由阈值和模型选择改为可配置项。
• 为 LLM 超时、返回空内容、检索失败增加明确的降级路径。
• 为四类意图及讲解/解题分支建立固定回归样例。
• 记录节点流转、耗时和降级原因，便于调试与性能优化。
• 保持教学输出格式统一，避免 Markdown、公式符号影响 TTS 播报。

验收标准

• 四类意图均有自动化测试，且能进入预期节点。
• 讲解链路和解题链路可以独立运行并汇聚到统一输出节点。
• 简单题不强制检索，复杂题能够优先使用本地知识库。
• 本地检索无结果时能够进入网络搜索或明确提示未找到资料。
• 最终回答明确标记本地知识库、网络搜索或直接推理来源。
• LLM 或检索工具异常时，工作流不会无提示中断。

涉及模块

• backend/agent/src/react_agent/graph.py
• backend/agent/src/react_agent/state.py
• backend/agent/src/react_agent/prompts.py
• backend/agent/src/react_agent/tools.py