夜雨聆风导读：在拆机器之前，先看清这台机器的全貌
这是《从零吃透企业级 AI 平台：元景万悟源码学习手记》第一季的导读。建议花 5 分钟读完，再开始第 1 篇。
这个系列要做什么？
一句话：把万悟这台"企业级 AI 平台"的机器拆开，一个齿轮一个齿轮地看，看明白它是怎么造的。
不是"调个 API 跑个 Demo"，不是"念一遍官方文档"。是打开源码，对着每一个 func、每一张表、每一条中间件链，问三个问题：
它是什么？（这个模块解决什么问题）
它怎么跑的？（代码层面，数据怎么流、请求怎么走）
为什么这么写？（设计取舍是什么，换一种写法会怎样）
读完 8 篇，你应该能做到：
在白板上画出万悟的完整架构图，并解释每个箭头的含义
对着任何一个模块的源码，说出"这段代码在做什么、为什么这么做"
独立部署一套万悟，并定位常见问题
你需要什么前置知识？
| 必备 | 了解即可 | 不需要 |
|---|---|---|
| Go 基础语法（能读懂函数、结构体、接口） | Docker / K8s 基本概念 | 分布式系统论文 |
| HTTP / RESTful API | 向量数据库是什么 | 机器学习理论 |
| 基本的 Linux 命令行 | LLM / Prompt 的概念 | 前端开发 |
| 用过至少一个 AI 对话产品 | MySQL / Redis | 密码学 |
如果你 Go 不太熟，没关系——每篇的源码部分我都会逐行注释。重点是理解设计，不是背语法。
8 篇文章的地图
┌─────────────────────────────┐ │ 第 1 篇：架构总览 │ ← 先看全景 │ 部署 + 微服务地图 + 技术栈 │ └──────────────┬──────────────┘ │ ┌────────────────┼────────────────────┐ ▼ ▼ ▼┌───────────────┐┌───────────────┐┌───────────────┐│ 第 2 篇：模型接入 │ │ 第 3 篇：传统RAG │ │ 第 5 篇：Agent ││ 多模型适配/路由 │ │ 分块→嵌入→检索 │ │ ReAct/工具调用 │└───────────────┘└────────┬──────┘└────────┬──────┘ ▼ ▼ ┌───────────────┐ ┌───────────────┐ │ 第 4 篇：GraphRAG│ │ 第 6 篇：MCP协议 │ │ 知识图谱/多跳 │ │ 工具解耦/标准化 │ └───────────────┘ └───────────────┘ │ │ ▼ ▼ ┌───────────────┐ ┌───────────────┐ │ 第 7 篇：工作流 │ │ 第 8 篇：多租户 │ │ DAG编排/条件分支 │ │ RBAC/隔离/限流 │ └───────────────┘ └───────────────┘
阅读顺序建议：
第 1 篇必读（全景地图，后面每篇都会引用）
第 2~4 篇（模型→RAG→GraphRAG）是一条线，建议顺序读
第 5~6 篇（Agent→MCP）是一条线，建议顺序读
第 7~8 篇（工作流→权限）相对独立，可按兴趣跳读
每篇末尾的"Mini 版"强烈建议动手跑一遍，10 分钟胜过读 3 遍
每篇的结构（六段式）
| 段落 | 内容 | 占比 |
|---|---|---|
| 一、要解决什么问题 | 场景引入，建立动机 | 10% |
| 二、核心概念 | 大白话 + 类比，不堆术语 | 15% |
| 三、源码拆解 | 带注释的关键代码，逐段解读 | 35% |
| 四、动手跑通 | 在万悟界面上操作 + 对比实验 | 20% |
| 五、Mini 版 | 50~100 行代码复现核心逻辑 | 15% |
| 六、总结 & 延伸 | 要点回顾 + 课后作业 + 下篇预告 | 5% |
关于"元景万悟"
万悟是中国联通研究院开源的企业级 AI 平台（GitHub: UnicomAI/wanwu），覆盖模型接入、RAG、Agent、工作流、MCP 工具生态、多租户权限等完整能力栈。选择它作为学习对象的原因：
开源且完整：不是 Demo，是真正上过生产的系统
架构典型：微服务 + Go + 向量库 + LLM，代表当前企业 AI 平台的主流技术栈
中文友好：文档、注释、社区以中文为主
规模适中：不像某些巨型项目让人望而却步，一个人能在两周内通读核心模块
最后
这个系列不是"万悟使用手册"。使用手册告诉你"点哪个按钮"。
这个系列要告诉你：那个按钮背后，从 HTTP 请求进来到 LLM 响应出去，中间经过了哪些服务、哪些中间件、哪些数据结构、哪些设计决策。
知其然，更知其所以然。
准备好了？翻开第 1 篇，我们先把万悟跑起来。
📌 第一季完整目录：
架构总览：5 分钟部署 + 微服务全景图
模型接入：多模型适配、负载均衡与流式输出
传统 RAG：分块→嵌入→检索→生成全链路
GraphRAG：知识图谱构建与多跳推理
Agent 引擎：ReAct 循环与 Function Calling
MCP 协议实战：让 Agent 插上 100+ 工具的翅膀
工作流引擎：让 AI 按"流程图"干活
多租户 + 权限：企业级 AI 平台的安全基石