专为代码审校与技术文档翻译设计的
分布式、Agent 驱动 RAG 平台

产品概述Overview

CATEST 传统 RAG 把代码切成碎片检索，常常一离开上下文就"读不懂"了。CATEST 在检索结果之上再罩一层知识图谱，让模型清楚地看到一个函数、一个类型、一个模块在整个代码库里到底是怎么关联的。

界面复刻了专业 CAT 翻译软件的左右双栏对照，背后则由 LangGraph 做意图路由，按需调度术语库、规则库、翻译记忆和知识图谱。

核心特性Features

① 模块化 Agentic RAG

由 LangGraph 驱动的意图路由引擎，根据代码特征动态调度术语库、规则库、记忆库与知识图谱——只把对的上下文交给 LLM。

② 流式知识摄入

基于 Apache Kafka 与 Arroyo (SQL Stream) 的准实时清洗管道。代码库的任何变更在秒级内同步进入向量库与图数据库。

③ CAT 双栏对照工作流

原汁原味复刻专业翻译软件的源/目标语并排操作体验，Next.js 14 + SQLite 的轻量级实现，在工作站上即可流畅运行。

④ 分布式 Rust 微服务

所有核心组件均采用 Rust + Actix-Web 编写：SQLx 关系访问、rdkafka 流处理、neo4rs (Bolt) 图查询、Tree-sitter 语法解析——快速、安全、天生并发。

⑤ 拓扑上下文感知

通过 Memgraph 维护的关系图谱保留函数、类型、模块之间的依赖结构——从根本上解决朴素 RAG 在脱离上下文时的语义丢失问题。

技术栈Tech Stack

前端

Next.js 14、Tailwind CSS、LangGraph.js、pnpm

后端

Rust (Actix-Web)、SQLx、rdkafka、neo4rs (Bolt)、Tree-sitter

流处理

Apache Kafka、Arroyo

数据库

PostgreSQL、Qdrant（向量）、Memgraph（图）、SQLite

AI 模型

Qwen2.5 (Ollama)、e5-small、bge-reranker

许可证

AGPL-3.0

架构亮点Architecture

放弃 S3 协议改用 NAS 中心化的共享存储：摄入管道将原始文件落入共享卷 → 发布 Kafka 事件 → 解析器扇出处理 → 向量库与图库异步消费——全程异步、全在内存或 page cache 中流转。

搜索逻辑独立为领域层，统一调度 Qdrant 的向量相似度检索与 Memgraph 的关系遍历，让模型同时获得语义相关性与结构相关性。

开源Open Source

CATEST 采用 AGPL-3.0 协议开源。
欢迎在 GitHub 关注开发进度并查阅源代码。

联系我们

技术咨询、合作意向、授权事宜，欢迎联系。