Cheshire Cat AI：给 AI 插上"插件翅膀"的代理框架

图1：Cheshire Cat AI 项目 Logo —— 灵感来自《爱丽丝漫游奇境》中的"柴郡猫"，寓意 AI 的"消失式交互"

一只消失的猫，如何理解一个框架

想象你走进一家餐厅，点了一份"意大利面"。普通的 AI 助手会直接端上一盘标准意面——但 Cheshire Cat 框架下的 AI 助手会先问你："请问是北意风格的宽面，还是南部的手切通心粉？要加松露还是番茄酱？"它会先翻阅厨房里所有的食谱文档，再结合你上次点的菜谱，最终端上一份完全贴合你口味的定制餐品。

这就是 Cheshire Cat AI 的核心哲学：不是让用户适应 AI，而是让 AI 适应用户。

这个框架由意大利开发者 Piero Savastano 发起，旨在帮助开发者快速构建可深度定制的 AI 代理。它并非又一款"套壳 ChatGPT"，而是一套完整的生产级架构，包含向量检索增强生成（RAG）、插件系统、记忆管理和多模型支持，被意大利博洛尼亚大学作为 AI 方向毕业设计的研究对象。

架构拆解：从"单兵作战"到"系统化作战"

Cheshire Cat 的架构用一句话概括：FastAPI 后端 + Vue.js 管理后台 + Qdrant 向量数据库 + LangChain 编排层。

后端核心（Python 3.10+，位于 /core/cat/）：FastAPI 提供 REST API 和 WebSocket 双向通信能力，LangChain 0.2.x 作为 LLM 编排层，支持 OpenAI、Anthropic Claude、Google Gemini、Ollama（本地模型）、Cohere 等主流模型接入。无论你是 OpenAI 的忠实用户，还是坚持本地部署的隐私派，都能灵活切换。

向量检索层由 Qdrant 实现——这是一个用 Rust 编写的高性能向量数据库，专门用于语义搜索。项目还集成了 FastEmbed（用于本地向量嵌入生成），使得"上传 PDF/文档→自动切分→存入向量库→检索回答"的 RAG 流程完全开箱即用。

插件系统是 Cheshire Cat 区别于大多数 LangChain 二次封装项目的关键特性。开发者可以通过 pip install 方式加载自定义插件（install_plugin_dependencies.py），实现工具扩展、行为定制，甚至改造 AI 的人格设定（Persona）。这种"注入式"扩展方式比 fork 整个仓库优雅得多。

数据处理管道：支持 PDF、TXT、Markdown、JSON、网页抓取（BeautifulSoup4 + pdfminer.six + unstructured）等多种格式的文档解析，配合 tiktoken 分词和 scikit-learn 的 TF-IDF 能力，构建完整的知识库检索链路。

一键部署：Docker Compose 搞定一切

Cheshire Cat 提供了 compose.yml（Docker Compose v2 格式），包含三个核心服务：cheshire-cat-core（主服务）、Qdrant（向量数据库）和 Admin Vue（Web 管理界面）。启动命令仅需 docker compose up -d，约 5 分钟即可看到一个完整的 AI 助手服务跑起来。

主服务 Dockerfile 位于 /core/Dockerfile，基于 python:3.10.11-slim-bullseye，内置预编译的管理后台静态文件（通过下载 admin-vue 的 release.zip）。端口 1865 暴露 FastAPI 服务，5678 用于开发调试。无需 GPU，CPU 机器 4GB+ 内存即可运行，适合个人开发者快速验证想法。

不过需要注意的是，当前依赖版本相对保守（LangChain 0.2.x），与最新 LangChain 生态有一定差距；另外，所有数据默认存储在 TinyDB（SQLite 类文件数据库），生产环境建议自行替换持久化层。

谁在使用：场景与局限性

Cheshire Cat 适合以下场景：快速搭建内部知识库问答机器人、为现有应用增加对话式 AI 层、AI 助手概念的原型验证。

它的局限性也需要正视：对中文文档的分块策略支持尚不完善；生产级 HA 部署文档较少；向量数据库 Qdrant 的运维对非 DevOps 背景开发者有一定门槛。

项目现状：增长稳健但社区偏小众

截至分析时，项目在 GitHub 拥有约 3,040 颗星，贡献者超过 100 人，更新活跃（pyproject.toml 显示 v1.9.2）。主要语言为 Python，许可证 GPL-3.0。官方网站 cheshirecat.ai 提供了更详细的产品文档和插件市场预告。

从技术趋势看，Cheshire Cat 代表了**"LangChain 二次封装 + 向量数据库 + Web-UI 一体化"**的产品化路径——这类框架在 2023-2024 年涌现了很多，Cheshire Cat 能存活并保持更新，说明其在"开箱即用"和"灵活定制"之间找到了不错的平衡点。

技术标签：FastAPI · LangChain · Qdrant · RAG · WebSocket · Python · Docker · Vue.js
适用人群：需要快速搭建 AI 助手的开发者 · 企业内部知识库建设者 · AI 原型验证团队
一句话评价：给 LangChain 套上一个开箱即用的外壳，让"训练自己的 AI 助手"从科幻走进现实。