Engineer Cafe Navigator —— 以多语言语音 AI 支撑接待的 OSS 实绩

课题

福冈市的 Engineer Cafe 迎来自国内外的各类访客。开馆时间、设备、活动信息等咨询内容十分广泛，接待海外访客也是日常。一方面，工作人员希望保持逐一认真作答的方式；另一方面，接待新访客的负担不断累积，访客自己也难以迅速找到想了解的信息。

思路

我们最先确定的一点是：不做那种把问题原样抛给单一 LLM 再返回答案的结构。而是按导览、营业时间、活动、对话记忆等职责划分出各自专门的智能体，并设置负责路由的角色将它们统合起来。不把作答整个甩出去，而是构建可以追溯“哪个智能体做出了怎样的判断”的结构——我们认为这样才能逐步积累多语言支持能力与导览的准确性。同时，也为了把在实际运维中打磨出的机制回馈社会，我们确定了以 OSS（ISC 许可证）公开的方针。

实装

前端采用 Next.js 15 构建，提供带 3D VRM 角色的自助终端式 UI。后端是基于 LangGraph Supervisor 架构的多智能体系统，路由、设施导览、营业时间、活动介绍、对话记忆等专门智能体相互协作。数据库采用 Supabase（PostgreSQL + pgvector），并设计为多语言 RAG（让 AI 参照内部文档等资料的机制），使日语知识库可以直接用于其他语言的提问。语音识别与语音合成使用 Google Cloud。在质量方面，我们设置了基于 RAGAS（RAG 回答质量的评估框架）的评估门禁，一边留下 ADR（设计判断的记录）一边推进开发，并着手设计短期与长期的对话记忆。

• 代码仓库：github.com/terisuke/engineer-cafe-navigator
• 架构：Next.js 15 + LangGraph Supervisor + Supabase(pgvector) + Google Cloud STT/TTS
• 质量保障：基于 RAGAS 的评估门禁、ADR 驱动开发

成果

Engineer Cafe Navigator 已投入实际运维，访客可以用多种语言询问设施导览、营业时间与活动信息。项目规模为 182,368 行・1,506 次提交・8 人贡献（含 Engineer Cafe 官方工作人员，git 实测・截至 2026 年 6 月），其中自有贡献率为 87.7%（git 实测）。以 OSS 形式公开后，形成了包含社区在内的持续改进体制。我们认为，今天的稳定运维源自没有止步于“先做个能跑的东西”，而是构建了涵盖路由、检索与评估的投产级架构。