项目展示 / LexiFlow Agent
面向企业销售、采购和法务团队的流程型 Agent Web 应用：上传合同后自动解析条款、检索合规规则、识别风险，命中高风险时进入人工审批，最终生成可追溯的审查报告。
LexiFlow Agent 不是通用聊天机器人，而是把合同审查拆成有权限、有状态、有依据、有人工介入的企业级 Agent 流程。
用户上传一份合同，Agent 自动审查风险，必要时进入法务审批，最后生成包含风险摘要、修改建议、引用依据和审批记录的审查报告。
主链路通过 REST 创建任务，通过 RabbitMQ 承载长耗时审查，通过 SSE 把解析、抽取、检索、分析、审批和报告生成过程实时推给前端。
主流程包含上传合同、创建审查任务、解析条款、检索规则、风险分析、人工审批和报告生成。每个阶段都对应明确的任务状态和后续处理入口。
状态从 CREATED 进入 PARSING、EXTRACTING、RETRIEVING_RULES、ANALYZING，必要时进入 WAITING_APPROVAL，最后生成报告或进入终止态。
合同审查详情页按“合同文本 / 风险点与建议 / Agent 时间线与引用依据”组织信息，SSE 事件驱动进度变化。
RabbitMQ 负责合同审查、规则文档入库、审批恢复和工具重试等异步任务，避免把模型调用和文件解析塞进同步请求。
合规规则库支持规则文档、模板和审查规范的解析、切分、embedding、入库与检索，并在审查和问答中展示引用来源。
规则文档上传后被解析、规范化、切片并写入 pgvector。审查合同时，系统按条款语义生成检索查询，拿到相似规则片段后再交给风险分析模块。
知识库检索会按 knowledge_base_id、visibility、department_id、allowed_roles 和文档状态过滤，避免 Agent 越权访问规则内容。
第一张图展示规则文档的切片结果，第二张图展示知识库问答中的引用依据。规则片段既服务合同审查，也支撑“公司付款周期要求”等合规知识问答场景。
第一阶段采用 PostgreSQL + pgvector，便于主数据、权限过滤和向量检索共库关联。
审查任务是长流程，必须能处理取消、失败、高风险暂停、审批通过恢复和重复审批防护。状态机把这些边界显式化。
AgentStateMachineTest 覆盖主路径流转、审批暂停恢复、终止态阻塞、各状态目标集合和多节点重试，确保流程状态与异常边界具备可验证行为。
Agent 不直接对高风险合同给出最终通过结论，而是创建审批请求，把关键风险、引用依据和建议交给法务主管处理。
总体 HIGH 风险、合同金额超过阈值、无限责任、付款周期超标、缺失数据保护条款、非标准争议解决、单方解除或自动续约风险都会触发审批。
系统创建 approval_request 并进入 WAITING_APPROVAL。批准、驳回、要求修改或转人工处理后，通过 RabbitMQ 审批事件驱动 Agent 恢复或终止。
高风险合同时，Agent 会暂停自动流转并等待审批结论。审批意见会回写审查流程，并作为后续报告和追踪记录的一部分保留。
Trace 模块记录 Agent 审查过程中的任务进度、步骤状态、LLM 调用、工具调用、RAG 命中、状态流转、失败原因、token 与耗时，用于解释审查结论的形成过程。
每个审查任务会保留步骤记录和状态变化，便于定位任务停留在解析、检索、分析、审批还是报告生成阶段。
风险点会关联命中的规则片段和建议内容，避免审查报告只呈现结论而缺少依据。
这个项目的重点不是“调通一个模型接口”，而是把 AI 能力放进一个可运行、可解释、可测试的企业业务系统里。
下一步