内部资料 · 新成员导览

star_ai 产品与架构导览

star_ai 是「锐识 AI」的产品主仓：一个面向商业分析场景的 AI 产品，核心能力是对话式分析、深度研报生成与数据分析工作台。这份导览给新加入的同学建立产品全貌与代码地图，读完应能回答三个问题——产品做什么、系统怎么跑起来、代码在哪里改。

仓库 starixs/star_ai 生产 starixs.com / raixis.com 测试 test.raixis.com 更新 2026-08-22
01产品是什么

一句话与四条功能线

产品对用户的承诺是：把「查资料、跑数据、写报告」这条商业分析工作流交给 AI 完成，并且结论可追溯——每个数字有出处、每张图表有数据来源、AI 生成内容有显式标识。这条「数据零编造、全程可追溯」的红线贯穿所有功能设计，是理解仓库里大量校验、溯源、事实闸代码的钥匙。

对话式商业分析chat

SSE 流式对话，默认模型 DeepSeek 直连；内置研究 Agent 库（行业、公司、宏观等十余个专项 Agent），支持联网检索、行情数据与文件上传分析。

深度研报生成report

大纲规划 → 分章写作 → map-reduce 质检 → 图表生成（ECharts SSR + matplotlib 双引擎）→ HTML/PDF 导出与在线发布。研报运行在阿里云 ECI 沙箱中，与主服务隔离。

数据分析工作台admin 内测

上传数据集 → AI 规划分析步骤 → 一次性 K8s Pod 沙箱执行代码 → 产出图表与结论。每次运行一个 Pod，跑完即销毁；目前仅 admin 可见。

账号与商业化platform

邮箱/微信登录、实名手机绑定、积分计费（1 积分 = ¥0.2，五档订阅）、支付、邀请体系；admin 子域控制台；内容安全闸与 AIGC 标识合规。

02系统架构

请求怎么流过整个系统

Next.js 前端apps/frontend · 蓝绿双 slot 部署，SSE/文件上传走专用代理 route
▼ nginx（普通请求 :8009 池 / 长 SSE :8008 池）
FastAPI 后端apps/backend · 40+ 路由：auth / sessions / reports / credits / payments / datasets / data_analysis / admin_*
▼ LangGraph + deepagents 编排
对话工作流agents/chat_workflow · 研究 Agent 库 · 事实闸与提示词防线
研报 RunnerECI 沙箱按需拉起，空闲缩容到零，跑完约 5 分钟回收
DA 沙箱ACS Serverless K8s，一次运行 = 一个一次性 Pod
▼ 存储与基础设施
PostgreSQL业务主库，迁移脚本 apply_migrations.py
Redis限流、运行时开关、lease 并发闸
阿里云 OSS数据集、研报产物、日志归档
LLMDeepSeek 直连（对话）· 通义 qwen（质检）· 按 task_type 路由
workerapps/worker · 资讯爬虫、定时任务、推送
密钥体系enc2 信封加密（AES-256-GCM），KEK 在服务器本地

两个沙箱容易混：研报 Runner 用的是 ECI（弹性容器实例，有预热与缩容逻辑）；数据分析工作台用的是 ACS K8s 一次性 Pod。它们镜像、生命周期、代码路径都不同。

03代码地图

改什么，去哪里

路径是什么典型改动
apps/backend/app/api/routes/全部 HTTP/SSE 接口，按域拆文件（reports、credits、admin_* 等）加接口、改鉴权、调计费
apps/backend/agents/LangGraph 工作流：chat_workflow、agent_library、提示词与防线改 Agent 行为、提示词、节点编排
apps/backend/app/services/业务服务层，含 data_analysis 编排、图表引擎、计费业务逻辑、沙箱调度
apps/frontend/src/app/Next.js 页面：workspace（主工作区）、home、data-analysis、settings、recharge页面与交互
apps/frontend/src/components/组件库，与页面同名分域UI 组件
apps/worker/后台 worker：爬虫、定时任务、推送定时任务
apps/data-analysis-worker/DA 沙箱 Pod 镜像（x86_64，推 ACR）沙箱内执行环境
scripts/dev/test/deploy 薄包装，server-setup 下有 nginx 配置部署与环境
docs/架构、runbook、合规、tech-backlog（团队待办台账）先读再动手

仓库规则看根目录 CLAUDE.md 与 AGENTS.md：前者是硬纪律（如所有待办必须写进 docs/tech-backlog/ledger/），后者有数据工作台的详细交接记忆与已知的坑。

04环境与部署

三套环境，一条部署路径

有大研报正在跑时不要部署——部署会杀掉在跑的生成任务。

05现阶段安排

先把产品用熟

现阶段只有一个要求：把目前的产品用熟。在测试环境（test.raixis.com）注册账号，四条功能线都亲手跑几遍——对话分析、完整生成一篇深度研报、看看导出与发布的产物长什么样。用的过程中记下觉得不顺、不懂、或者和产品承诺有差距的地方，这些体验笔记后面都用得上。

研读分工（数据层 / Agent 执行内核 / 知识图谱与溯源三条线）见飞书文档，与熟悉产品并行进行即可。

06后续方向

桌面端：raixis-desktop

Web 产品之外，公司后续发力的方向是桌面端客户端，独立仓库 starixs/raixis-desktop。技术形态是 Tauri 2 + React 19 的桌面客户端，配服务端 pi-agent-core，通过 WebSocket 反向工具桥让 Agent 在用户本机执行任务（带路径禁闭与操作审批），模型走 DeepSeek 直连。产品需求文档在该仓库的 docs/PRD.md。

这个仓库也在研读范围内：读的时候与研读分工里的 Pi Agent、Pi Agent Desktop 两个开源项目对照——它们是同一形态的参照实现。