面向导航类开源算法库学习的知识库智能助手

在导航领域，一个特点是很多算法没有一个统一的标准，针对不同的场景和工程经验会有很多细节上的差异，所以我们就必须要深入探索所用的算法库的源码，了解它每个细节的处理是否还合理，但麻烦的是一个完整的导航算法框架往往也很复杂，想要一点一点弄明白的话就需要投入很多的精力和时间。

从企业需求来说，对于我们研究院部门，我们的一大特点是学生的流动性非常大，而 GICI 给我们造成的问题在于，我们的新成员在接手工作、推进课题时会因为 GICI 的复杂性而拖慢进度，会花费很多时间在采坑和学习当中，因此，这个课题的出发点就是希望能够解决该问题，提高效率。

于是我们就想要用 Agent 来做一个智能助手来帮助我们去拆解一个庞大算法框架。

技术路线

在当时 RAG 技术非常火，但我评估了一下还是没有选择 RAG 的路线，而是致力于 Agent 工作流的优化，如果不做任何约束，只让 Claude Code 这种直接打开进行本地检索的话，我们实测下来随着问题的难度变高它回答的质量下降、响应速度也很慢 。

我们将开发过程拆分成三个层面，首先是数据层，也就是知识库的知识部分，这方面我们收集了源代码、相关的笔记、规范等文档；然后是工具层，也就是本地智能体，我们选择的是 OpenCode，这方面的主要工作是通过编写规则、工具和skill来约束和优化智能体的能力和行为；最后是应用层，主要是考虑怎么使得知识库易于使用，易于部署，尤其是要照顾到在非研发团队中的推广。

成果

最终我们的成品，就包含了一个网页前端，用户在这里交互，就像使用 ChatGPT 一样简单，它的后台就是我们数据层累积的知识库文件，中间通过我们优化后的智能体也就是 OpenCode 来联系起来。

效果评估

目前还未进行量化评估，只能从组内用户反馈的情况来看效果不错，未来会考虑继续补充 Evaluation 方面的内容。

其它

该项目获得华测导航首届 AI 创新应用大赛人机协创奖