From b8f340401ae1097f8929a6d34715079fb902eeb1 Mon Sep 17 00:00:00 2001 From: rjb <263303411@qq.com> Date: Tue, 20 Jan 2026 18:05:31 +0800 Subject: [PATCH] =?UTF-8?q?=E8=87=AA=E5=8A=A8=E5=B8=83=E5=B1=80?= MIME-Version: 1.0 Content-Type: text/plain; charset=UTF-8 Content-Transfer-Encoding: 8bit --- .../多功能android应用智能体的提示词.md | 479 ++++++ backend/scripts/generate_android_agent.py | 394 +++++ backend/scripts/generate_batch_agents.py | 626 ++++++++ backend/scripts/generate_test_agent.py | 233 +++ .../WorkflowEditor/WorkflowEditor.vue | 342 +++- 创建Agent经验.md | 1385 +++++++++++++++++ 创建Agent经验总结.md | 186 +++ 开发进度.md | 185 ++- 8 files changed, 3812 insertions(+), 18 deletions(-) create mode 100644 androidExampleDemo/多功能android应用智能体的提示词.md create mode 100755 backend/scripts/generate_android_agent.py create mode 100755 backend/scripts/generate_batch_agents.py create mode 100755 backend/scripts/generate_test_agent.py create mode 100644 创建Agent经验.md create mode 100644 创建Agent经验总结.md diff --git a/androidExampleDemo/多功能android应用智能体的提示词.md b/androidExampleDemo/多功能android应用智能体的提示词.md new file mode 100644 index 0000000..c3438f4 --- /dev/null +++ b/androidExampleDemo/多功能android应用智能体的提示词.md @@ -0,0 +1,479 @@ +# 多功能Android应用智能体 - 提示词文档 + +## 📋 项目概述 + +创建一个智能Agent，能够帮助开发者快速生成、优化和调试Android应用。该Agent应该能够理解开发需求，提供代码生成、架构建议、性能优化、问题诊断等多方面的支持。 + +## 🎯 核心功能需求 + +### 1. 需求分析与理解 +- **输入**: 用户描述的应用需求（自然语言） +- **输出**: 结构化的需求分析结果 + - 应用类型（工具类、社交类、电商类等） + - 核心功能模块 + - 技术栈建议 + - 复杂度评估 + - 开发周期估算 + +### 2. 架构设计建议 +- **功能**: 根据需求生成Android应用架构方案 +- **输出内容**: + - 架构模式（MVP、MVVM、MVI等） + - 模块划分 + - 技术选型（框架、库、工具） + - 目录结构建议 + - 依赖管理方案 + +### 3. 代码生成 +- **功能**: 生成Android应用的核心代码 +- **支持类型**: + - Activity/Fragment代码 + - ViewModel代码 + - Repository代码 + - Adapter代码 + - 网络请求代码（Retrofit） + - 数据库代码（Room） + - 布局XML文件 + - 资源文件（strings.xml、colors.xml等） + +### 4. 性能优化建议 +- **功能**: 分析代码并提供性能优化建议 +- **优化方向**: + - 内存优化 + - 启动速度优化 + - 网络请求优化 + - 图片加载优化 + - 布局渲染优化 + - 电量消耗优化 + +### 5. 问题诊断与修复 +- **功能**: 分析错误日志，提供解决方案 +- **支持场景**: + - 崩溃分析（Crash Log） + - ANR问题诊断 + - 内存泄漏检测 + - 网络请求失败 + - 权限问题 + - 兼容性问题 + +### 6. 最佳实践建议 +- **功能**: 提供Android开发最佳实践 +- **内容**: + - 代码规范 + - 安全建议 + - 用户体验优化 + - 测试策略 + - 发布流程 + +## 🔄 工作流设计 + +### 工作流结构 + +``` +开始节点 (start) + ↓ +需求理解与分析节点 (LLM) + ↓ +需求分类节点 (Condition) + ├─→ [代码生成需求] → 代码生成节点 (LLM/Template) + ├─→ [架构设计需求] → 架构设计节点 (LLM) + ├─→ [问题诊断需求] → 问题诊断节点 (LLM) + └─→ [性能优化需求] → 性能优化节点 (LLM) + ↓ ↓ ↓ ↓ + └─────────────────────────────────────────────────┘ + ↓ + 结果整合节点 (Transform) + ↓ + 格式化输出节点 (LLM) + ↓ + 结束节点 (end) +``` + +### 详细节点配置 + +#### 1. 开始节点 (start-1) +```json +{ + "id": "start-1", + "type": "start", + "data": { + "label": "开始", + "description": "接收用户输入的Android开发需求" + } +} +``` + +#### 2. 需求理解与分析节点 (llm-requirement-analysis) +```json +{ + "id": "llm-requirement-analysis", + "type": "llm", + "data": { + "label": "需求理解与分析", + "model": "deepseek-chat", + "temperature": 0.3, + "max_tokens": 2000, + "prompt": "你是一个专业的Android开发顾问。请分析用户的需求，提取以下信息：\n1. 应用类型（工具类、社交类、电商类、游戏类等）\n2. 核心功能模块列表\n3. 目标用户群体\n4. 技术复杂度（简单/中等/复杂）\n5. 开发周期估算（周）\n6. 推荐的技术栈\n\n用户需求：{{user_query}}\n\n请以JSON格式输出分析结果：\n{\n \"app_type\": \"应用类型\",\n \"core_modules\": [\"模块1\", \"模块2\", ...],\n \"target_users\": \"目标用户\",\n \"complexity\": \"简单|中等|复杂\",\n \"estimated_weeks\": 数字,\n \"tech_stack\": [\"技术1\", \"技术2\", ...],\n \"summary\": \"需求摘要\"\n}" + } +} +``` + +#### 3. 需求分类节点 (condition-classify) +```json +{ + "id": "condition-classify", + "type": "condition", + "data": { + "label": "需求分类", + "condition": "{{input.complexity}}", + "branches": [ + { + "value": "代码生成", + "condition": "包含'生成'、'创建'、'写代码'等关键词" + }, + { + "value": "架构设计", + "condition": "包含'架构'、'设计'、'结构'等关键词" + }, + { + "value": "问题诊断", + "condition": "包含'错误'、'崩溃'、'问题'、'bug'等关键词" + }, + { + "value": "性能优化", + "condition": "包含'优化'、'性能'、'速度'、'卡顿'等关键词" + } + ] + } +} +``` + +#### 4. 代码生成节点 (llm-code-generation) +```json +{ + "id": "llm-code-generation", + "type": "llm", + "data": { + "label": "代码生成", + "model": "deepseek-chat", + "temperature": 0.2, + "max_tokens": 4000, + "prompt": "你是一个专业的Android开发工程师。根据以下需求分析，生成完整的Android代码。\n\n需求分析：{{input}}\n\n请生成以下内容：\n1. Java/Kotlin代码（包含必要的注释）\n2. 布局XML文件\n3. 资源文件配置\n4. 依赖配置（build.gradle）\n5. 使用说明\n\n代码要求：\n- 遵循Android开发最佳实践\n- 使用现代Android架构（推荐MVVM）\n- 包含错误处理\n- 代码注释清晰\n- 支持Android API 24+\n\n请以Markdown格式输出，包含代码块。" + } +} +``` + +#### 5. 架构设计节点 (llm-architecture) +```json +{ + "id": "llm-architecture", + "type": "llm", + "data": { + "label": "架构设计", + "model": "deepseek-chat", + "temperature": 0.3, + "max_tokens": 3000, + "prompt": "你是一个Android架构师。根据需求分析，设计一个合理的Android应用架构。\n\n需求分析：{{input}}\n\n请提供：\n1. 架构模式选择（MVP/MVVM/MVI）及理由\n2. 模块划分方案\n3. 技术栈选型（框架、库、工具）\n4. 目录结构设计\n5. 数据流设计\n6. 依赖关系图\n7. 扩展性考虑\n\n请以Markdown格式输出，包含架构图和说明。" + } +} +``` + +#### 6. 问题诊断节点 (llm-diagnosis) +```json +{ + "id": "llm-diagnosis", + "type": "llm", + "data": { + "label": "问题诊断", + "model": "deepseek-chat", + "temperature": 0.2, + "max_tokens": 3000, + "prompt": "你是一个Android问题诊断专家。分析用户提供的错误信息，提供诊断和解决方案。\n\n错误信息：{{user_query}}\n\n请提供：\n1. 问题类型（崩溃/ANR/内存泄漏/网络错误等）\n2. 根本原因分析\n3. 解决方案（步骤清晰）\n4. 修复代码示例\n5. 预防措施\n6. 相关文档链接\n\n请以Markdown格式输出。" + } +} +``` + +#### 7. 性能优化节点 (llm-optimization) +```json +{ + "id": "llm-optimization", + "type": "llm", + "data": { + "label": "性能优化", + "model": "deepseek-chat", + "temperature": 0.3, + "max_tokens": 3000, + "prompt": "你是一个Android性能优化专家。根据用户描述的性能问题，提供优化方案。\n\n性能问题：{{user_query}}\n需求分析：{{input}}\n\n请提供：\n1. 性能瓶颈分析\n2. 优化方案（按优先级排序）\n3. 具体优化代码\n4. 优化前后对比\n5. 性能测试建议\n6. 监控指标\n\n请以Markdown格式输出。" + } +} +``` + +#### 8. 结果整合节点 (transform-integration) +```json +{ + "id": "transform-integration", + "type": "transform", + "data": { + "label": "结果整合", + "mode": "merge", + "mapping": { + "requirement_analysis": "{{input}}", + "solution": "{{code_generation|architecture|diagnosis|optimization}}", + "timestamp": "{{$timestamp}}", + "agent_type": "Android开发助手" + } + } +} +``` + +#### 9. 格式化输出节点 (llm-format) +```json +{ + "id": "llm-format", + "type": "llm", + "data": { + "label": "格式化输出", + "model": "deepseek-chat", + "temperature": 0.1, + "max_tokens": 4000, + "prompt": "请将以下Android开发方案整理成专业的Markdown文档格式。\n\n方案内容：{{input}}\n\n文档结构：\n1. 需求分析摘要\n2. 解决方案\n3. 代码示例\n4. 实施步骤\n5. 注意事项\n6. 参考资料\n\n请确保格式清晰、代码高亮正确、结构完整。" + } +} +``` + +#### 10. 结束节点 (end-1) +```json +{ + "id": "end-1", + "type": "end", + "data": { + "label": "结束", + "description": "返回最终结果" + } +} +``` + +## 📝 使用示例 + +### 示例1：生成登录功能代码 + +**用户输入**： +``` +帮我生成一个Android登录功能的代码，包括： +1. 登录Activity +2. 登录ViewModel +3. 网络请求（使用Retrofit） +4. 登录布局XML +``` + +**Agent处理流程**： +1. 需求理解 → 识别为"代码生成"需求 +2. 代码生成节点 → 生成完整登录功能代码 +3. 结果整合 → 整合需求分析和代码 +4. 格式化输出 → 生成Markdown文档 + +**输出内容**： +- 需求分析摘要 +- MainActivity.java（登录Activity） +- LoginViewModel.java +- ApiService.java（Retrofit接口） +- activity_login.xml（布局文件） +- 使用说明 + +### 示例2：架构设计咨询 + +**用户输入**： +``` +我想开发一个电商类Android应用，包含商品浏览、购物车、订单管理等功能。 +请帮我设计应用架构。 +``` + +**Agent处理流程**： +1. 需求理解 → 分析电商应用需求 +2. 需求分类 → 识别为"架构设计"需求 +3. 架构设计节点 → 生成架构方案 +4. 结果整合 → 整合需求分析和架构设计 +5. 格式化输出 → 生成架构设计文档 + +**输出内容**： +- 需求分析（应用类型、核心模块、复杂度） +- 架构模式选择（推荐MVVM） +- 模块划分（商品模块、购物车模块、订单模块等） +- 技术栈选型（Retrofit、Room、Glide等） +- 目录结构 +- 数据流设计图 + +### 示例3：问题诊断 + +**用户输入**： +``` +我的应用在启动时崩溃了，错误信息： +java.lang.RuntimeException: Unable to start activity ComponentInfo{...}: +android.view.InflateException: Binary XML file line #15: Error inflating class android.support.v7.widget.Toolbar +``` + +**Agent处理流程**： +1. 需求理解 → 识别为"问题诊断"需求 +2. 问题诊断节点 → 分析崩溃原因 +3. 结果整合 → 整合诊断结果 +4. 格式化输出 → 生成问题诊断报告 + +**输出内容**： +- 问题类型：XML布局解析错误 +- 根本原因：Toolbar类导入错误或主题配置问题 +- 解决方案： + 1. 检查依赖配置 + 2. 修改Toolbar导入 + 3. 检查主题配置 +- 修复代码示例 +- 预防措施 + +### 示例4：性能优化 + +**用户输入**： +``` +我的应用列表页面滚动时很卡顿，特别是加载图片时。 +请帮我优化性能。 +``` + +**Agent处理流程**： +1. 需求理解 → 识别为"性能优化"需求 +2. 性能优化节点 → 分析性能瓶颈 +3. 结果整合 → 整合优化方案 +4. 格式化输出 → 生成优化指南 + +**输出内容**： +- 性能瓶颈分析（图片加载、列表渲染） +- 优化方案： + 1. 使用Glide/Picasso进行图片加载和缓存 + 2. RecyclerView优化（ViewHolder复用、分页加载） + 3. 异步加载图片 +- 优化代码示例 +- 性能测试建议 + +## 🛠️ 技术实现要点 + +### 1. Prompt设计原则 +- **明确角色定位**：始终强调Agent是"专业的Android开发顾问/工程师" +- **结构化输出**：要求以JSON或Markdown格式输出 +- **上下文传递**：确保前一个节点的输出能正确传递给下一个节点 +- **错误处理**：在Prompt中包含错误处理要求 + +### 2. 条件判断逻辑 +- 使用关键词匹配识别需求类型 +- 支持多种需求类型的组合 +- 提供默认分支处理未知需求 + +### 3. 代码生成质量 +- 要求遵循Android开发最佳实践 +- 包含必要的注释和文档 +- 支持现代Android架构（MVVM推荐） +- 考虑兼容性（API 24+） + +### 4. 输出格式统一 +- 使用Markdown格式 +- 代码块使用正确的语言标识（java、kotlin、xml等） +- 包含目录结构 +- 提供使用说明 + +## 📊 测试用例 + +### 测试用例1：简单代码生成 +``` +输入：生成一个显示"Hello World"的Activity +预期：生成MainActivity.java和activity_main.xml +``` + +### 测试用例2：复杂架构设计 +``` +输入：设计一个支持多用户的社交类应用架构 +预期：包含用户模块、社交模块、消息模块等的架构设计 +``` + +### 测试用例3：问题诊断 +``` +输入：应用在Android 12上崩溃，错误是权限被拒绝 +预期：提供Android 12权限变更说明和解决方案 +``` + +### 测试用例4：性能优化 +``` +输入：应用启动时间超过5秒，如何优化？ +预期：提供启动优化方案（懒加载、异步初始化等） +``` + +## 🚀 部署与使用 + +### 1. 创建Agent +1. 登录Agent管理平台 +2. 点击"创建Agent" +3. 输入Agent名称："Android应用开发助手" +4. 描述："帮助开发者快速生成、优化和调试Android应用" + +### 2. 配置工作流 +1. 在工作流设计器中添加上述所有节点 +2. 按照工作流结构连接节点 +3. 配置每个节点的参数（参考节点配置部分） +4. 验证工作流逻辑 + +### 3. 测试Agent +1. 保存工作流 +2. 部署Agent（状态改为"已发布"） +3. 使用测试工具或前端界面测试 +4. 根据测试结果调整Prompt和节点配置 + +### 4. 优化建议 +- **Prompt优化**：根据实际输出结果调整Prompt，使其更精确 +- **温度参数**：代码生成使用较低温度（0.2），创意设计使用较高温度（0.7） +- **Token限制**：根据输出长度需求调整max_tokens +- **分支优化**：根据常见需求类型优化条件判断逻辑 + +## 📚 扩展功能建议 + +### 1. 代码审查功能 +- 添加代码审查节点 +- 分析代码质量、安全性、性能 +- 提供改进建议 + +### 2. 测试用例生成 +- 根据功能代码自动生成单元测试 +- 生成UI测试用例 +- 提供测试覆盖率建议 + +### 3. 依赖管理 +- 分析项目依赖 +- 检测过时依赖 +- 推荐替代方案 +- 生成依赖更新计划 + +### 4. 多语言支持 +- 支持Kotlin代码生成 +- 支持Flutter、React Native等跨平台框架建议 + +### 5. 版本适配 +- 提供Android版本兼容性建议 +- 检测API废弃警告 +- 提供迁移方案 + +## ⚠️ 注意事项 + +1. **代码安全性**：生成的代码需要人工审查，特别是涉及用户数据和安全的部分 +2. **最佳实践**：Agent提供的建议应该结合项目实际情况，不能盲目采用 +3. **版本兼容性**：确保生成的代码支持目标Android版本 +4. **性能考虑**：代码生成时应该考虑性能影响 +5. **法律合规**：确保生成的代码符合相关法律法规要求 + +## 🔗 相关资源 + +- [Android开发官方文档](https://developer.android.com/) +- [Android架构指南](https://developer.android.com/topic/architecture) +- [Material Design指南](https://material.io/design) +- [Android性能优化](https://developer.android.com/topic/performance) + +--- + +**最后更新**：2026-01-20 + +**版本**：v1.0 + +**作者**：Android开发智能体团队 diff --git a/backend/scripts/generate_android_agent.py b/backend/scripts/generate_android_agent.py new file mode 100755 index 0000000..16909e1 --- /dev/null +++ b/backend/scripts/generate_android_agent.py @@ -0,0 +1,394 @@ +#!/usr/bin/env python3 +""" +生成Android应用开发助手Agent +这是一个专门用于Android应用开发的Agent，能够帮助开发者快速生成、优化和调试Android应用 +""" +import sys +import os +sys.path.insert(0, os.path.dirname(os.path.dirname(os.path.abspath(__file__)))) + +from sqlalchemy.orm import Session +from app.core.database import SessionLocal +from app.models.agent import Agent +from app.models.user import User +from datetime import datetime +import uuid + + +def generate_android_agent(db: Session, username: str = "admin"): + """生成Android应用开发助手Agent""" + print("=" * 60) + print("生成Android应用开发助手Agent") + print("=" * 60) + print() + + # 查找用户 + user = db.query(User).filter(User.username == username).first() + if not user: + print(f"❌ 未找到用户 '{username}'，请先创建该用户") + return + print(f"✅ 找到用户: {user.username} (ID: {user.id})") + print() + + # 生成Android应用开发助手工作流配置 + # 工作流结构： + # 开始 -> 需求分析 -> 需求分类 -> [代码生成|架构设计|问题诊断|性能优化] -> 结果整合 -> 格式化输出 -> 结束 + + nodes = [] + edges = [] + + # 1. 开始节点 + start_node = { + "id": "start-1", + "type": "start", + "position": {"x": 50, "y": 400}, + "data": { + "label": "开始", + "output_format": "json" + } + } + nodes.append(start_node) + + # 2. 需求理解与分析节点（LLM节点） + requirement_analysis_node = { + "id": "llm-requirement-analysis", + "type": "llm", + "position": {"x": 250, "y": 400}, + "data": { + "label": "需求理解与分析", + "provider": "deepseek", + "model": "deepseek-chat", + "temperature": "0.3", + "max_tokens": "2000", + "prompt": """你是一个专业的Android开发顾问。请分析用户的需求，提取以下信息： + +用户需求：{{query}} + +请以JSON格式输出分析结果： +{ + "app_type": "应用类型（工具类、社交类、电商类、游戏类等）", + "core_modules": ["模块1", "模块2", ...], + "target_users": "目标用户群体", + "complexity": "简单|中等|复杂", + "estimated_weeks": 数字, + "tech_stack": ["技术1", "技术2", ...], + "summary": "需求摘要" +} + +请确保输出是有效的JSON格式。""" + } + } + nodes.append(requirement_analysis_node) + edges.append({ + "id": "e1", + "source": "start-1", + "target": "llm-requirement-analysis" + }) + + # 3. 数据准备节点（Transform节点）- 用于传递数据 + data_prepare_node = { + "id": "transform-prepare", + "type": "transform", + "position": {"x": 450, "y": 400}, + "data": { + "label": "准备数据", + "mode": "merge", + "mapping": { + "requirement_analysis": "{{output}}", + "user_query": "{{query}}" + } + } + } + nodes.append(data_prepare_node) + edges.append({ + "id": "e2", + "source": "llm-requirement-analysis", + "target": "transform-prepare" + }) + + # 4. 需求分类节点（条件节点） + classify_condition = { + "id": "condition-classify", + "type": "condition", + "position": {"x": 650, "y": 400}, + "data": { + "label": "需求分类", + "condition": "{user_query} contains '生成' or {user_query} contains '创建' or {user_query} contains '写代码' or {user_query} contains '代码'" + } + } + nodes.append(classify_condition) + edges.append({ + "id": "e3", + "source": "transform-prepare", + "target": "condition-classify" + }) + + # 5. 代码生成节点（LLM节点）- true分支 + code_generation_node = { + "id": "llm-code-generation", + "type": "llm", + "position": {"x": 850, "y": 300}, + "data": { + "label": "代码生成", + "provider": "deepseek", + "model": "deepseek-chat", + "temperature": "0.2", + "max_tokens": "4000", + "prompt": """你是一个专业的Android开发工程师。根据以下需求分析，生成完整的Android代码。 + +用户原始需求：{{user_query}} +需求分析结果：{{requirement_analysis}} + +请生成以下内容： +1. Java/Kotlin代码（包含必要的注释） +2. 布局XML文件 +3. 资源文件配置（如需要） +4. 依赖配置（build.gradle，如需要） +5. 使用说明 + +代码要求： +- 遵循Android开发最佳实践 +- 使用现代Android架构（推荐MVVM） +- 包含错误处理 +- 代码注释清晰 +- 支持Android API 24+ + +请以Markdown格式输出，包含代码块，使用正确的语言标识（java、kotlin、xml等）。""" + } + } + nodes.append(code_generation_node) + edges.append({ + "id": "e4-true", + "source": "condition-classify", + "target": "llm-code-generation", + "sourceHandle": "true" + }) + + # 6. 架构设计节点（LLM节点）- false分支（当不是代码生成时） + architecture_node = { + "id": "llm-architecture", + "type": "llm", + "position": {"x": 850, "y": 500}, + "data": { + "label": "架构设计/问题诊断/性能优化", + "provider": "deepseek", + "model": "deepseek-chat", + "temperature": "0.3", + "max_tokens": "3000", + "prompt": """你是一个Android开发专家。根据用户需求，提供专业的开发建议。 + +用户原始需求：{{user_query}} +需求分析结果：{{requirement_analysis}} + +请根据需求类型提供相应的帮助： + +**如果是架构设计需求**，请提供： +1. 架构模式选择（MVP/MVVM/MVI）及理由 +2. 模块划分方案 +3. 技术栈选型（框架、库、工具） +4. 目录结构设计 +5. 数据流设计 +6. 扩展性考虑 + +**如果是问题诊断需求**（包含错误、崩溃、问题、bug等关键词），请提供： +1. 问题类型（崩溃/ANR/内存泄漏/网络错误等） +2. 根本原因分析 +3. 解决方案（步骤清晰） +4. 修复代码示例 +5. 预防措施 + +**如果是性能优化需求**（包含优化、性能、速度、卡顿等关键词），请提供： +1. 性能瓶颈分析 +2. 优化方案（按优先级排序） +3. 具体优化代码 +4. 优化前后对比 +5. 性能测试建议 + +请以Markdown格式输出，确保内容专业、清晰、实用。""" + } + } + nodes.append(architecture_node) + edges.append({ + "id": "e4-false", + "source": "condition-classify", + "target": "llm-architecture", + "sourceHandle": "false" + }) + + # 7. 结果整合节点（Transform节点） + integration_node = { + "id": "transform-integration", + "type": "transform", + "position": {"x": 1050, "y": 400}, + "data": { + "label": "结果整合", + "mode": "merge", + "mapping": { + "requirement_analysis": "{{requirement_analysis}}", + "user_query": "{{user_query}}", + "solution": "{{output}}", + "agent_type": "Android应用开发助手", + "timestamp": "{{$timestamp}}" + } + } + } + nodes.append(integration_node) + + # 连接代码生成节点到整合节点 + edges.append({ + "id": "e5-code", + "source": "llm-code-generation", + "target": "transform-integration" + }) + + # 连接架构设计节点到整合节点 + edges.append({ + "id": "e5-arch", + "source": "llm-architecture", + "target": "transform-integration" + }) + + # 8. 格式化输出节点（LLM节点） + format_node = { + "id": "llm-format", + "type": "llm", + "position": {"x": 1250, "y": 400}, + "data": { + "label": "格式化输出", + "provider": "deepseek", + "model": "deepseek-chat", + "temperature": "0.1", + "max_tokens": "4000", + "prompt": """请将以下Android开发方案整理成专业的Markdown文档格式。 + +方案内容：{{input}} + +文档结构： +1. **需求分析摘要** + - 应用类型 + - 核心模块 + - 技术复杂度 + - 开发周期估算 + +2. **解决方案** + - 详细说明 + - 代码示例（如有） + - 架构设计（如有） + +3. **实施步骤** + - 步骤清晰的实施指南 + +4. **注意事项** + - 重要提醒 + - 常见问题 + +5. **参考资料** + - 相关文档链接 + +请确保格式清晰、代码高亮正确、结构完整。如果输入中已经包含格式良好的内容，请保持原有格式并适当优化。""" + } + } + nodes.append(format_node) + edges.append({ + "id": "e6", + "source": "transform-integration", + "target": "llm-format" + }) + + # 9. 结束节点 + end_node = { + "id": "end-1", + "type": "end", + "position": {"x": 1450, "y": 400}, + "data": { + "label": "结束", + "description": "返回最终结果" + } + } + nodes.append(end_node) + edges.append({ + "id": "e7", + "source": "llm-format", + "target": "end-1" + }) + + # 创建或更新Agent + workflow_config = { + "nodes": nodes, + "edges": edges + } + + agent = db.query(Agent).filter( + Agent.name == "Android应用开发助手", + Agent.user_id == user.id + ).first() + + if agent: + agent.workflow_config = workflow_config + agent.description = "帮助开发者快速生成、优化和调试Android应用。支持代码生成、架构设计、问题诊断、性能优化等功能。" + agent.updated_at = datetime.now() + agent.status = "published" # 设置为已发布状态，可直接使用 + print("⚠️ Agent 'Android应用开发助手' 已存在，将更新它...") + else: + agent = Agent( + id=str(uuid.uuid4()), + name="Android应用开发助手", + description="帮助开发者快速生成、优化和调试Android应用。支持代码生成、架构设计、问题诊断、性能优化等功能。", + workflow_config=workflow_config, + status="published", # 直接设置为已发布状态，可立即使用 + user_id=user.id, + version=1 + ) + db.add(agent) + + try: + db.commit() + db.refresh(agent) + print() + print("✅ Agent创建/更新成功！") + print() + print(f"📋 Agent信息：") + print(f" - ID: {agent.id}") + print(f" - 名称: {agent.name}") + print(f" - 状态: {agent.status} (已发布，可直接使用)") + print(f" - 版本: {agent.version}") + print(f" - 节点数: {len(nodes)}") + print(f" - 连接数: {len(edges)}") + print() + print("🎯 功能特性：") + print(" ✅ 需求分析与理解") + print(" ✅ 代码生成（Activity、ViewModel、Repository等）") + print(" ✅ 架构设计建议（MVP/MVVM/MVI）") + print(" ✅ 问题诊断与修复") + print(" ✅ 性能优化建议") + print(" ✅ 格式化输出") + print() + print("💡 使用提示：") + print(" 1. 在Agent管理页面找到 'Android应用开发助手'") + print(" 2. 点击 '使用' 按钮开始使用") + print(" 3. 输入你的Android开发需求，例如：") + print(" - '帮我生成一个登录功能的代码'") + print(" - '设计一个电商应用的架构'") + print(" - '我的应用崩溃了，错误信息是...'") + print(" - '如何优化列表页面的滚动性能？'") + print() + return agent + except Exception as e: + db.rollback() + print(f"❌ 创建Agent失败: {str(e)}") + import traceback + traceback.print_exc() + return None + + +def main(): + """主函数""" + db = SessionLocal() + try: + generate_android_agent(db, username="admin") + finally: + db.close() + + +if __name__ == "__main__": + main() diff --git a/backend/scripts/generate_batch_agents.py b/backend/scripts/generate_batch_agents.py new file mode 100755 index 0000000..2c566a8 --- /dev/null +++ b/backend/scripts/generate_batch_agents.py @@ -0,0 +1,626 @@ +#!/usr/bin/env python3 +""" +批量生成多个Agent +生成一批不同类型的Agent，展示各种工作流模式 +""" +import sys +import os +sys.path.insert(0, os.path.dirname(os.path.dirname(os.path.abspath(__file__)))) + +from sqlalchemy.orm import Session +from app.core.database import SessionLocal +from app.models.agent import Agent +from app.models.user import User +from datetime import datetime +import uuid + + +def generate_text_summary_agent(db: Session, user: User): + """生成文本摘要Agent""" + nodes = [] + edges = [] + + start_node = { + "id": "start-1", + "type": "start", + "position": {"x": 50, "y": 300}, + "data": {"label": "开始", "output_format": "json"} + } + nodes.append(start_node) + + summary_node = { + "id": "llm-summary", + "type": "llm", + "position": {"x": 250, "y": 300}, + "data": { + "label": "文本摘要", + "provider": "deepseek", + "model": "deepseek-chat", + "temperature": "0.3", + "max_tokens": "2000", + "prompt": """你是一个专业的文本摘要专家。请对以下文本进行摘要。 + +文本内容：{{query}} + +请生成： +1. 核心要点（3-5条） +2. 简要摘要（100-200字） +3. 关键词（5-10个） + +请以Markdown格式输出。""" + } + } + nodes.append(summary_node) + + end_node = { + "id": "end-1", + "type": "end", + "position": {"x": 450, "y": 300}, + "data": {"label": "结束"} + } + nodes.append(end_node) + + edges.append({"id": "e1", "source": "start-1", "target": "llm-summary", "sourceHandle": "right", "targetHandle": "left"}) + edges.append({"id": "e2", "source": "llm-summary", "target": "end-1", "sourceHandle": "right", "targetHandle": "left"}) + + return { + "name": "文本摘要Agent", + "description": "智能文本摘要工具，能够提取文本核心要点、生成简要摘要和关键词。", + "workflow_config": {"nodes": nodes, "edges": edges} + } + + +def generate_code_review_agent(db: Session, user: User): + """生成代码审查Agent""" + nodes = [] + edges = [] + + start_node = { + "id": "start-1", + "type": "start", + "position": {"x": 50, "y": 300}, + "data": {"label": "开始", "output_format": "json"} + } + nodes.append(start_node) + + analysis_node = { + "id": "llm-analysis", + "type": "llm", + "position": {"x": 250, "y": 300}, + "data": { + "label": "代码分析", + "provider": "deepseek", + "model": "deepseek-chat", + "temperature": "0.2", + "max_tokens": "3000", + "prompt": """你是一个资深的代码审查专家。请审查以下代码。 + +代码：{{query}} + +请检查： +1. 代码规范（命名、格式、注释） +2. 潜在bug和错误 +3. 性能问题 +4. 安全性问题 +5. 最佳实践建议 + +请以Markdown格式输出，包含问题列表和改进建议。""" + } + } + nodes.append(analysis_node) + + end_node = { + "id": "end-1", + "type": "end", + "position": {"x": 450, "y": 300}, + "data": {"label": "结束"} + } + nodes.append(end_node) + + edges.append({"id": "e1", "source": "start-1", "target": "llm-analysis", "sourceHandle": "right", "targetHandle": "left"}) + edges.append({"id": "e2", "source": "llm-analysis", "target": "end-1", "sourceHandle": "right", "targetHandle": "left"}) + + return { + "name": "代码审查Agent", + "description": "专业的代码审查工具，能够检查代码规范、潜在bug、性能问题和安全性。", + "workflow_config": {"nodes": nodes, "edges": edges} + } + + +def generate_translation_agent(db: Session, user: User): + """生成翻译Agent""" + nodes = [] + edges = [] + + start_node = { + "id": "start-1", + "type": "start", + "position": {"x": 50, "y": 300}, + "data": {"label": "开始", "output_format": "json"} + } + nodes.append(start_node) + + detect_node = { + "id": "llm-detect", + "type": "llm", + "position": {"x": 250, "y": 300}, + "data": { + "label": "语言检测", + "provider": "deepseek", + "model": "deepseek-chat", + "temperature": "0.1", + "max_tokens": "500", + "prompt": """请检测以下文本的语言类型。 + +文本：{{query}} + +请输出JSON格式： +{ + "language": "检测到的语言（中文/英文/日文等）", + "confidence": "置信度（高/中/低）" +}""" + } + } + nodes.append(detect_node) + + translate_node = { + "id": "llm-translate", + "type": "llm", + "position": {"x": 450, "y": 300}, + "data": { + "label": "翻译", + "provider": "deepseek", + "model": "deepseek-chat", + "temperature": "0.3", + "max_tokens": "2000", + "prompt": """你是一个专业的翻译专家。请翻译以下文本。 + +原文：{{query}} +语言信息：{{output}} + +请提供： +1. 翻译结果 +2. 翻译说明（如有特殊处理） + +请以Markdown格式输出。""" + } + } + nodes.append(translate_node) + + end_node = { + "id": "end-1", + "type": "end", + "position": {"x": 650, "y": 300}, + "data": {"label": "结束"} + } + nodes.append(end_node) + + edges.append({"id": "e1", "source": "start-1", "target": "llm-detect", "sourceHandle": "right", "targetHandle": "left"}) + edges.append({"id": "e2", "source": "llm-detect", "target": "llm-translate", "sourceHandle": "right", "targetHandle": "left"}) + edges.append({"id": "e3", "source": "llm-translate", "target": "end-1", "sourceHandle": "right", "targetHandle": "left"}) + + return { + "name": "智能翻译Agent", + "description": "多语言翻译工具，支持语言自动检测和高质量翻译。", + "workflow_config": {"nodes": nodes, "edges": edges} + } + + +def generate_qa_agent(db: Session, user: User): + """生成问答助手Agent""" + nodes = [] + edges = [] + + start_node = { + "id": "start-1", + "type": "start", + "position": {"x": 50, "y": 300}, + "data": {"label": "开始", "output_format": "json"} + } + nodes.append(start_node) + + understand_node = { + "id": "llm-understand", + "type": "llm", + "position": {"x": 250, "y": 300}, + "data": { + "label": "问题理解", + "provider": "deepseek", + "model": "deepseek-chat", + "temperature": "0.3", + "max_tokens": "1000", + "prompt": """请分析用户的问题，提取关键信息。 + +用户问题：{{query}} + +请输出JSON格式： +{ + "question_type": "问题类型（技术/生活/学习等）", + "keywords": ["关键词1", "关键词2"], + "intent": "用户意图" +}""" + } + } + nodes.append(understand_node) + + answer_node = { + "id": "llm-answer", + "type": "llm", + "position": {"x": 450, "y": 300}, + "data": { + "label": "生成答案", + "provider": "deepseek", + "model": "deepseek-chat", + "temperature": "0.7", + "max_tokens": "2000", + "prompt": """你是一个知识渊博的助手。请回答用户的问题。 + +用户问题：{{query}} +问题分析：{{output}} + +请提供： +1. 直接答案 +2. 详细解释 +3. 相关建议 + +请以Markdown格式输出，确保答案准确、清晰、有用。""" + } + } + nodes.append(answer_node) + + end_node = { + "id": "end-1", + "type": "end", + "position": {"x": 650, "y": 300}, + "data": {"label": "结束"} + } + nodes.append(end_node) + + edges.append({"id": "e1", "source": "start-1", "target": "llm-understand", "sourceHandle": "right", "targetHandle": "left"}) + edges.append({"id": "e2", "source": "llm-understand", "target": "llm-answer", "sourceHandle": "right", "targetHandle": "left"}) + edges.append({"id": "e3", "source": "llm-answer", "target": "end-1", "sourceHandle": "right", "targetHandle": "left"}) + + return { + "name": "智能问答助手", + "description": "智能问答系统，能够理解问题意图并提供详细准确的答案。", + "workflow_config": {"nodes": nodes, "edges": edges} + } + + +def generate_document_agent(db: Session, user: User): + """生成文档生成Agent""" + nodes = [] + edges = [] + + start_node = { + "id": "start-1", + "type": "start", + "position": {"x": 50, "y": 300}, + "data": {"label": "开始", "output_format": "json"} + } + nodes.append(start_node) + + plan_node = { + "id": "llm-plan", + "type": "llm", + "position": {"x": 250, "y": 300}, + "data": { + "label": "文档规划", + "provider": "deepseek", + "model": "deepseek-chat", + "temperature": "0.3", + "max_tokens": "1500", + "prompt": """请根据用户需求规划文档结构。 + +用户需求：{{query}} + +请输出JSON格式的文档大纲： +{ + "title": "文档标题", + "sections": [ + {"name": "章节1", "content": "内容描述"}, + {"name": "章节2", "content": "内容描述"} + ] +}""" + } + } + nodes.append(plan_node) + + generate_node = { + "id": "llm-generate", + "type": "llm", + "position": {"x": 450, "y": 300}, + "data": { + "label": "生成文档", + "provider": "deepseek", + "model": "deepseek-chat", + "temperature": "0.5", + "max_tokens": "4000", + "prompt": """请根据文档规划生成完整的文档内容。 + +用户需求：{{query}} +文档规划：{{output}} + +请生成结构完整、内容详实的Markdown文档。""" + } + } + nodes.append(generate_node) + + end_node = { + "id": "end-1", + "type": "end", + "position": {"x": 650, "y": 300}, + "data": {"label": "结束"} + } + nodes.append(end_node) + + edges.append({"id": "e1", "source": "start-1", "target": "llm-plan", "sourceHandle": "right", "targetHandle": "left"}) + edges.append({"id": "e2", "source": "llm-plan", "target": "llm-generate", "sourceHandle": "right", "targetHandle": "left"}) + edges.append({"id": "e3", "source": "llm-generate", "target": "end-1", "sourceHandle": "right", "targetHandle": "left"}) + + return { + "name": "文档生成Agent", + "description": "智能文档生成工具，能够根据需求规划文档结构并生成完整内容。", + "workflow_config": {"nodes": nodes, "edges": edges} + } + + +def generate_data_analysis_agent(db: Session, user: User): + """生成数据分析Agent""" + nodes = [] + edges = [] + + start_node = { + "id": "start-1", + "type": "start", + "position": {"x": 50, "y": 300}, + "data": {"label": "开始", "output_format": "json"} + } + nodes.append(start_node) + + parse_node = { + "id": "llm-parse", + "type": "llm", + "position": {"x": 250, "y": 300}, + "data": { + "label": "数据解析", + "provider": "deepseek", + "model": "deepseek-chat", + "temperature": "0.2", + "max_tokens": "2000", + "prompt": """请解析用户提供的数据。 + +数据内容：{{query}} + +请输出JSON格式： +{ + "data_type": "数据类型（表格/列表/文本等）", + "structure": "数据结构描述", + "key_fields": ["字段1", "字段2"] +}""" + } + } + nodes.append(parse_node) + + analysis_node = { + "id": "llm-analysis", + "type": "llm", + "position": {"x": 450, "y": 300}, + "data": { + "label": "数据分析", + "provider": "deepseek", + "model": "deepseek-chat", + "temperature": "0.3", + "max_tokens": "3000", + "prompt": """请对数据进行深入分析。 + +原始数据：{{query}} +数据解析：{{output}} + +请提供： +1. 数据概览 +2. 关键指标 +3. 趋势分析 +4. 洞察建议 + +请以Markdown格式输出，包含数据表格和图表描述。""" + } + } + nodes.append(analysis_node) + + end_node = { + "id": "end-1", + "type": "end", + "position": {"x": 650, "y": 300}, + "data": {"label": "结束"} + } + nodes.append(end_node) + + edges.append({"id": "e1", "source": "start-1", "target": "llm-parse", "sourceHandle": "right", "targetHandle": "left"}) + edges.append({"id": "e2", "source": "llm-parse", "target": "llm-analysis", "sourceHandle": "right", "targetHandle": "left"}) + edges.append({"id": "e3", "source": "llm-analysis", "target": "end-1", "sourceHandle": "right", "targetHandle": "left"}) + + return { + "name": "数据分析Agent", + "description": "智能数据分析工具，能够解析数据、提取关键指标并提供深度洞察。", + "workflow_config": {"nodes": nodes, "edges": edges} + } + + +def generate_creative_writing_agent(db: Session, user: User): + """生成创意写作Agent""" + nodes = [] + edges = [] + + start_node = { + "id": "start-1", + "type": "start", + "position": {"x": 50, "y": 300}, + "data": {"label": "开始", "output_format": "json"} + } + nodes.append(start_node) + + brainstorm_node = { + "id": "llm-brainstorm", + "type": "llm", + "position": {"x": 250, "y": 300}, + "data": { + "label": "头脑风暴", + "provider": "deepseek", + "model": "deepseek-chat", + "temperature": "0.8", + "max_tokens": "1500", + "prompt": """你是一个创意写作专家。请根据用户需求进行头脑风暴。 + +用户需求：{{query}} + +请提供： +1. 创意主题（3-5个） +2. 故事大纲 +3. 角色设定 +4. 写作风格建议 + +请以Markdown格式输出。""" + } + } + nodes.append(brainstorm_node) + + write_node = { + "id": "llm-write", + "type": "llm", + "position": {"x": 450, "y": 300}, + "data": { + "label": "创作内容", + "provider": "deepseek", + "model": "deepseek-chat", + "temperature": "0.9", + "max_tokens": "4000", + "prompt": """请根据创意方案进行创作。 + +用户需求：{{query}} +创意方案：{{output}} + +请创作一篇完整的作品（文章、故事、诗歌等），确保内容生动、有趣、有创意。""" + } + } + nodes.append(write_node) + + end_node = { + "id": "end-1", + "type": "end", + "position": {"x": 650, "y": 300}, + "data": {"label": "结束"} + } + nodes.append(end_node) + + edges.append({"id": "e1", "source": "start-1", "target": "llm-brainstorm", "sourceHandle": "right", "targetHandle": "left"}) + edges.append({"id": "e2", "source": "llm-brainstorm", "target": "llm-write", "sourceHandle": "right", "targetHandle": "left"}) + edges.append({"id": "e3", "source": "llm-write", "target": "end-1", "sourceHandle": "right", "targetHandle": "left"}) + + return { + "name": "创意写作Agent", + "description": "创意写作助手，能够进行头脑风暴并创作各种类型的创意内容。", + "workflow_config": {"nodes": nodes, "edges": edges} + } + + +def generate_batch_agents(db: Session, username: str = "admin"): + """批量生成Agent""" + print("=" * 60) + print("批量生成Agent") + print("=" * 60) + print() + + # 查找用户 + user = db.query(User).filter(User.username == username).first() + if not user: + print(f"❌ 未找到用户 '{username}'，请先创建该用户") + return + print(f"✅ 找到用户: {user.username} (ID: {user.id})") + print() + + # 定义要生成的Agent列表 + agent_generators = [ + generate_text_summary_agent, + generate_code_review_agent, + generate_translation_agent, + generate_qa_agent, + generate_document_agent, + generate_data_analysis_agent, + generate_creative_writing_agent, + ] + + created_count = 0 + updated_count = 0 + failed_count = 0 + + for generator in agent_generators: + try: + agent_data = generator(db, user) + agent_name = agent_data["name"] + + # 检查Agent是否已存在 + existing_agent = db.query(Agent).filter( + Agent.name == agent_name, + Agent.user_id == user.id + ).first() + + if existing_agent: + existing_agent.workflow_config = agent_data["workflow_config"] + existing_agent.description = agent_data["description"] + existing_agent.updated_at = datetime.now() + existing_agent.status = "published" + updated_count += 1 + print(f"⚠️ 更新Agent: {agent_name}") + else: + agent = Agent( + id=str(uuid.uuid4()), + name=agent_name, + description=agent_data["description"], + workflow_config=agent_data["workflow_config"], + status="published", + user_id=user.id, + version=1 + ) + db.add(agent) + created_count += 1 + print(f"✅ 创建Agent: {agent_name}") + except Exception as e: + failed_count += 1 + print(f"❌ 生成Agent失败: {generator.__name__} - {str(e)}") + import traceback + traceback.print_exc() + + try: + db.commit() + print() + print("=" * 60) + print("✅ 批量生成完成！") + print("=" * 60) + print(f" - 新建: {created_count} 个") + print(f" - 更新: {updated_count} 个") + print(f" - 失败: {failed_count} 个") + print() + print("📋 生成的Agent列表：") + for generator in agent_generators: + agent_data = generator(db, user) + print(f" • {agent_data['name']}") + print() + except Exception as e: + db.rollback() + print(f"❌ 提交失败: {str(e)}") + import traceback + traceback.print_exc() + + +def main(): + """主函数""" + db = SessionLocal() + try: + generate_batch_agents(db, username="admin") + finally: + db.close() + + +if __name__ == "__main__": + main() diff --git a/backend/scripts/generate_test_agent.py b/backend/scripts/generate_test_agent.py new file mode 100755 index 0000000..9d9a9f4 --- /dev/null +++ b/backend/scripts/generate_test_agent.py @@ -0,0 +1,233 @@ +#!/usr/bin/env python3 +""" +生成测试Agent - 演示左右连接 +这是一个测试Agent，用于演示节点左右连接的功能 +""" +import sys +import os +sys.path.insert(0, os.path.dirname(os.path.dirname(os.path.abspath(__file__)))) + +from sqlalchemy.orm import Session +from app.core.database import SessionLocal +from app.models.agent import Agent +from app.models.user import User +from datetime import datetime +import uuid + + +def generate_test_agent(db: Session, username: str = "admin"): + """生成测试Agent（左右连接）""" + print("=" * 60) + print("生成测试Agent（左右连接演示）") + print("=" * 60) + print() + + # 查找用户 + user = db.query(User).filter(User.username == username).first() + if not user: + print(f"❌ 未找到用户 '{username}'，请先创建该用户") + return + print(f"✅ 找到用户: {user.username} (ID: {user.id})") + print() + + # 生成测试工作流配置 + # 工作流结构（横向排列，使用左右连接）： + # 开始 → 处理1 → 处理2 → 处理3 → 结束 + + nodes = [] + edges = [] + + # 节点横向排列，Y坐标相同，X坐标递增 + base_y = 300 + x_spacing = 250 + + # 1. 开始节点 + start_node = { + "id": "start-1", + "type": "start", + "position": {"x": 50, "y": base_y}, + "data": { + "label": "开始", + "output_format": "json" + } + } + nodes.append(start_node) + + # 2. 处理节点1（LLM） + process1_node = { + "id": "llm-process1", + "type": "llm", + "position": {"x": 50 + x_spacing, "y": base_y}, + "data": { + "label": "处理1", + "provider": "deepseek", + "model": "deepseek-chat", + "temperature": "0.3", + "max_tokens": "1000", + "prompt": """你是一个测试助手。请简单处理用户输入。 + +用户输入：{{query}} + +请输出：已处理用户输入："{{query}}" +""" + } + } + nodes.append(process1_node) + + # 3. 处理节点2（Transform） + process2_node = { + "id": "transform-process2", + "type": "transform", + "position": {"x": 50 + x_spacing * 2, "y": base_y}, + "data": { + "label": "处理2", + "mode": "merge", + "mapping": { + "original_input": "{{query}}", + "processed_result": "{{output}}" + } + } + } + nodes.append(process2_node) + + # 4. 处理节点3（LLM） + process3_node = { + "id": "llm-process3", + "type": "llm", + "position": {"x": 50 + x_spacing * 3, "y": base_y}, + "data": { + "label": "处理3", + "provider": "deepseek", + "model": "deepseek-chat", + "temperature": "0.3", + "max_tokens": "1000", + "prompt": """请对处理结果进行总结。 + +原始输入：{{original_input}} +处理结果：{{processed_result}} + +请输出一个简洁的总结。""" + } + } + nodes.append(process3_node) + + # 5. 结束节点 + end_node = { + "id": "end-1", + "type": "end", + "position": {"x": 50 + x_spacing * 4, "y": base_y}, + "data": { + "label": "结束", + "description": "返回最终结果" + } + } + nodes.append(end_node) + + # 创建连接（使用左右连接） + # 注意：使用 sourceHandle='right' 和 targetHandle='left' 来指定左右连接 + edges.append({ + "id": "e1", + "source": "start-1", + "target": "llm-process1", + "sourceHandle": "right", # 从开始节点的右侧连接 + "targetHandle": "left" # 连接到处理1节点的左侧 + }) + + edges.append({ + "id": "e2", + "source": "llm-process1", + "target": "transform-process2", + "sourceHandle": "right", # 从处理1节点的右侧连接 + "targetHandle": "left" # 连接到处理2节点的左侧 + }) + + edges.append({ + "id": "e3", + "source": "transform-process2", + "target": "llm-process3", + "sourceHandle": "right", # 从处理2节点的右侧连接 + "targetHandle": "left" # 连接到处理3节点的左侧 + }) + + edges.append({ + "id": "e4", + "source": "llm-process3", + "target": "end-1", + "sourceHandle": "right", # 从处理3节点的右侧连接 + "targetHandle": "left" # 连接到结束节点的左侧 + }) + + # 创建或更新Agent + workflow_config = { + "nodes": nodes, + "edges": edges + } + + agent = db.query(Agent).filter( + Agent.name == "测试Agent（左右连接）", + Agent.user_id == user.id + ).first() + + if agent: + agent.workflow_config = workflow_config + agent.description = "测试Agent，演示节点左右连接功能。工作流横向排列，使用左右连接点。" + agent.updated_at = datetime.now() + agent.status = "published" + print("⚠️ Agent '测试Agent（左右连接）' 已存在，将更新它...") + else: + agent = Agent( + id=str(uuid.uuid4()), + name="测试Agent（左右连接）", + description="测试Agent，演示节点左右连接功能。工作流横向排列，使用左右连接点。", + workflow_config=workflow_config, + status="published", + user_id=user.id, + version=1 + ) + db.add(agent) + + try: + db.commit() + db.refresh(agent) + print() + print("✅ Agent创建/更新成功！") + print() + print(f"📋 Agent信息：") + print(f" - ID: {agent.id}") + print(f" - 名称: {agent.name}") + print(f" - 状态: {agent.status} (已发布，可直接使用)") + print(f" - 版本: {agent.version}") + print(f" - 节点数: {len(nodes)}") + print(f" - 连接数: {len(edges)}") + print() + print("🎯 工作流特点：") + print(" ✅ 节点横向排列") + print(" ✅ 使用左右连接点（sourceHandle='right', targetHandle='left'）") + print(" ✅ 工作流：开始 → 处理1 → 处理2 → 处理3 → 结束") + print() + print("💡 使用提示：") + print(" 1. 在Agent管理页面找到 '测试Agent（左右连接）'") + print(" 2. 点击 '使用' 按钮开始使用") + print(" 3. 输入任意文本进行测试") + print(" 4. 在工作流设计器中查看左右连接的视觉效果") + print() + return agent + except Exception as e: + db.rollback() + print(f"❌ 创建Agent失败: {str(e)}") + import traceback + traceback.print_exc() + return None + + +def main(): + """主函数""" + db = SessionLocal() + try: + generate_test_agent(db, username="admin") + finally: + db.close() + + +if __name__ == "__main__": + main() diff --git a/frontend/src/components/WorkflowEditor/WorkflowEditor.vue b/frontend/src/components/WorkflowEditor/WorkflowEditor.vue index b2b0e9a..f469924 100644 --- a/frontend/src/components/WorkflowEditor/WorkflowEditor.vue +++ b/frontend/src/components/WorkflowEditor/WorkflowEditor.vue @@ -20,6 +20,55 @@ 粘贴节点 (Ctrl+V) + + + + + + 对齐 + + + + + + + 自动布局 +
@@ -1255,7 +1304,7 @@ import { Controls } from '@vue-flow/controls' import { MiniMap } from '@vue-flow/minimap' import type { Node, Edge, NodeClickEvent, EdgeClickEvent, Connection, Viewport } from '@vue-flow/core' import { ElMessage, ElMessageBox } from 'element-plus' -import { Check, Warning, ZoomIn, ZoomOut, FullScreen, DocumentCopy, User, VideoPlay, InfoFilled, WarningFilled } from '@element-plus/icons-vue' +import { Check, Warning, ZoomIn, ZoomOut, FullScreen, DocumentCopy, User, VideoPlay, InfoFilled, WarningFilled, Rank, ArrowDown, Sort, Grid, Operation } from '@element-plus/icons-vue' import { useWorkflowStore } from '@/stores/workflow' import api from '@/api' import type { WorkflowNode, WorkflowEdge } from '@/types' @@ -2253,6 +2302,11 @@ const handleKeyDown = (event: KeyboardEvent) => { event.preventDefault() zoomOut() } + // Ctrl+L 自动布局 + if (event.ctrlKey && event.key === 'l') { + event.preventDefault() + handleAutoLayout() + } } // 删除节点（优化版） @@ -2454,6 +2508,292 @@ const handleClear = () => { ElMessage.success('画布已清空') } +// 节点对齐功能 +const handleAlignNodes = (command: string) => { + // 获取选中的节点（支持多选） + const selectedNodes = nodes.value.filter(node => node.selected) + + if (selectedNodes.length < 2) { + ElMessage.warning('请至少选择2个节点进行对齐') + return + } + + // 计算对齐基准值 + let baseValue: number + // 默认节点尺寸（根据节点类型可能有不同） + const defaultNodeWidth = 150 + const defaultNodeHeight = 50 + + const positions = selectedNodes.map(node => { + // 尝试从DOM获取实际尺寸，如果获取不到则使用默认值 + let width = defaultNodeWidth + let height = defaultNodeHeight + + // 可以通过vueFlowInstance获取节点尺寸 + try { + const nodeElement = document.querySelector(`[data-id="${node.id}"]`) + if (nodeElement) { + const rect = nodeElement.getBoundingClientRect() + width = rect.width || defaultNodeWidth + height = rect.height || defaultNodeHeight + } + } catch (e) { + // 如果获取失败，使用默认值 + } + + return { + id: node.id, + x: node.position.x, + y: node.position.y, + width, + height + } + }) + + switch (command) { + case 'left': + // 左对齐：以最左边的节点为基准 + baseValue = Math.min(...positions.map(p => p.x)) + positions.forEach(pos => { + updateNode(pos.id, { position: { x: baseValue, y: pos.y } }) + }) + ElMessage.success('节点已左对齐') + break + + case 'right': + // 右对齐：以最右边的节点为基准 + baseValue = Math.max(...positions.map(p => p.x + p.width)) + positions.forEach(pos => { + updateNode(pos.id, { position: { x: baseValue - pos.width, y: pos.y } }) + }) + ElMessage.success('节点已右对齐') + break + + case 'top': + // 上对齐：以最上边的节点为基准 + baseValue = Math.min(...positions.map(p => p.y)) + positions.forEach(pos => { + updateNode(pos.id, { position: { x: pos.x, y: baseValue } }) + }) + ElMessage.success('节点已上对齐') + break + + case 'bottom': + // 下对齐：以最下边的节点为基准 + baseValue = Math.max(...positions.map(p => p.y + p.height)) + positions.forEach(pos => { + updateNode(pos.id, { position: { x: pos.x, y: baseValue - pos.height } }) + }) + ElMessage.success('节点已下对齐') + break + + case 'center-h': + // 水平居中：以所有节点的中心点为基准 + const minX = Math.min(...positions.map(p => p.x)) + const maxX = Math.max(...positions.map(p => p.x + p.width)) + const centerX = (minX + maxX) / 2 + positions.forEach(pos => { + updateNode(pos.id, { position: { x: centerX - pos.width / 2, y: pos.y } }) + }) + ElMessage.success('节点已水平居中') + break + + case 'center-v': + // 垂直居中：以所有节点的中心点为基准 + const minY = Math.min(...positions.map(p => p.y)) + const maxY = Math.max(...positions.map(p => p.y + p.height)) + const centerY = (minY + maxY) / 2 + positions.forEach(pos => { + updateNode(pos.id, { position: { x: pos.x, y: centerY - pos.height / 2 } }) + }) + ElMessage.success('节点已垂直居中') + break + + case 'distribute-h': + // 水平分布：均匀分布节点 + const sortedByX = [...positions].sort((a, b) => a.x - b.x) + const totalWidth = sortedByX[sortedByX.length - 1].x + sortedByX[sortedByX.length - 1].width - sortedByX[0].x + const spacing = totalWidth / (sortedByX.length - 1) + let currentX = sortedByX[0].x + sortedByX.forEach((pos, index) => { + if (index > 0) { + currentX = sortedByX[index - 1].x + sortedByX[index - 1].width + spacing - pos.width + } + updateNode(pos.id, { position: { x: currentX, y: pos.y } }) + }) + ElMessage.success('节点已水平分布') + break + + case 'distribute-v': + // 垂直分布：均匀分布节点 + const sortedByY = [...positions].sort((a, b) => a.y - b.y) + const totalHeight = sortedByY[sortedByY.length - 1].y + sortedByY[sortedByY.length - 1].height - sortedByY[0].y + const vSpacing = totalHeight / (sortedByY.length - 1) + let currentY = sortedByY[0].y + sortedByY.forEach((pos, index) => { + if (index > 0) { + currentY = sortedByY[index - 1].y + sortedByY[index - 1].height + vSpacing - pos.height + } + updateNode(pos.id, { position: { x: pos.x, y: currentY } }) + }) + ElMessage.success('节点已垂直分布') + break + } + + // 标记有变更 + hasChanges.value = true +} + +// 自动布局功能（基于DAG的层次布局算法） +const handleAutoLayout = async () => { + if (nodes.value.length === 0) { + ElMessage.warning('画布中没有节点') + return + } + + // 找到开始节点 + const startNode = nodes.value.find(n => n.type === 'start') + if (!startNode) { + ElMessage.warning('未找到开始节点，无法进行自动布局') + return + } + + // 构建邻接表（有向图） + const graph: Record = {} + const inDegree: Record = {} + + // 初始化 + nodes.value.forEach(node => { + graph[node.id] = [] + inDegree[node.id] = 0 + }) + + // 构建图 + edges.value.forEach(edge => { + if (graph[edge.source] && !graph[edge.source].includes(edge.target)) { + graph[edge.source].push(edge.target) + inDegree[edge.target] = (inDegree[edge.target] || 0) + 1 + } + }) + + // 拓扑排序，将节点分层 + const layers: string[][] = [] + const visited = new Set() + const queue: string[] = [] + + // 找到所有入度为0的节点（开始节点） + Object.keys(inDegree).forEach(nodeId => { + if (inDegree[nodeId] === 0) { + queue.push(nodeId) + } + }) + + // 如果没有入度为0的节点，使用开始节点 + if (queue.length === 0 && startNode) { + queue.push(startNode.id) + } + + // 分层遍历 + while (queue.length > 0) { + const layer: string[] = [] + const layerSize = queue.length + + for (let i = 0; i < layerSize; i++) { + const nodeId = queue.shift()! + if (visited.has(nodeId)) continue + + visited.add(nodeId) + layer.push(nodeId) + + // 处理该节点的所有出边 + const neighbors = graph[nodeId] || [] + neighbors.forEach(neighborId => { + inDegree[neighborId] = (inDegree[neighborId] || 0) - 1 + if (inDegree[neighborId] === 0 && !visited.has(neighborId)) { + queue.push(neighborId) + } + }) + } + + if (layer.length > 0) { + layers.push(layer) + } + } + + // 处理未访问的节点（可能是孤立节点） + nodes.value.forEach(node => { + if (!visited.has(node.id)) { + if (layers.length === 0) { + layers.push([node.id]) + } else { + layers[layers.length - 1].push(node.id) + } + } + }) + + // 布局参数 + const nodeWidth = 200 + const nodeHeight = 80 + const horizontalSpacing = 280 // 水平间距（增大间距，避免节点重叠） + const verticalSpacing = 180 // 垂直间距（增大间距，使布局更清晰） + const startX = 100 + const startY = 100 + + // 计算每层的布局（水平居中） + layers.forEach((layer, layerIndex) => { + const layerY = startY + layerIndex * verticalSpacing + const layerWidth = (layer.length - 1) * horizontalSpacing + const layerStartX = startX - layerWidth / 2 + + layer.forEach((nodeId, nodeIndex) => { + const nodeX = layerStartX + nodeIndex * horizontalSpacing + updateNode(nodeId, { + position: { x: nodeX, y: layerY } + }) + }) + }) + + // 自动调整视口，使所有节点可见 + await nextTick() + setTimeout(() => { + try { + const allNodes = nodes.value + if (allNodes.length > 0) { + const minX = Math.min(...allNodes.map(n => n.position.x)) + const maxX = Math.max(...allNodes.map(n => n.position.x + nodeWidth)) + const minY = Math.min(...allNodes.map(n => n.position.y)) + const maxY = Math.max(...allNodes.map(n => n.position.y + nodeHeight)) + + const centerX = (minX + maxX) / 2 + const centerY = (minY + maxY) / 2 + const width = maxX - minX + const height = maxY - minY + + // 计算合适的缩放比例 + const viewport = getViewport() + if (viewport) { + const scale = Math.min( + (viewport.zoom * 800) / width, + (viewport.zoom * 600) / height, + 1.2 // 最大缩放不超过1.2 + ) + + setViewport({ + x: -centerX * scale + 400, + y: -centerY * scale + 300, + zoom: scale + }, { duration: 300 }) + } + } + } catch (e) { + console.warn('自动调整视口失败:', e) + } + }, 100) + + ElMessage.success(`自动布局完成，共 ${layers.length} 层，${nodes.value.length} 个节点`) + hasChanges.value = true +} + // 测试动画 - 依次执行所有节点，展示完整的工作流动画效果 const handleTestAnimation = () => { // 清除之前的测试状态 diff --git a/创建Agent经验.md b/创建Agent经验.md new file mode 100644 index 0000000..0bf8640 --- /dev/null +++ b/创建Agent经验.md @@ -0,0 +1,1385 @@ +# 创建Agent经验总结 + + + +## 📋 目录 + + + +1. [创建Agent的完整流程](#创建agent的完整流程) + +2. [工作流设计经验](#工作流设计经验) + +3. [节点配置要点](#节点配置要点) + +4. [Prompt设计技巧](#prompt设计技巧) + +5. [数据流转与上下文传递](#数据流转与上下文传递) + +6. [常见问题和解决方案](#常见问题和解决方案) + +7. [最佳实践](#最佳实践) + +8. [实战案例](#实战案例) + + + +--- + + + +## 创建Agent的完整流程 + + + +### 1. 准备工作 + + + +#### 1.1 明确Agent目标 + +- **功能定位**：确定Agent要解决什么问题 + +- **目标用户**：明确使用场景和用户群体 + +- **输出格式**：确定最终输出的格式（文本、JSON、Markdown等） + + + +#### 1.2 设计工作流结构 + +- 绘制工作流流程图 + +- 确定节点类型和数量 + +- 规划数据流转路径 + +- 考虑分支和合并逻辑 + + + +#### 1.3 准备Prompt模板 + +- 为每个LLM节点准备详细的Prompt + +- 考虑上下文传递和变量替换 + +- 明确输出格式要求 + + + +### 2. 编写生成脚本 + + + +#### 2.1 脚本结构模板 + + + +```python + +#!/usr/bin/env python3 + +""" + +生成[Agent名称]Agent + +[Agent功能描述] + +""" + +import sys + +import os + +sys.path.insert(0, os.path.dirname(os.path.dirname(os.path.abspath(__file__)))) + + + +from sqlalchemy.orm import Session + +from app.core.database import SessionLocal + +from app.models.agent import Agent + +from app.models.user import User + +from datetime import datetime + +import uuid + + + + +def generate_xxx_agent(db: Session, username: str = "admin"): + +    """生成[Agent名称]Agent""" + +    print("=" * 60) + +    print("生成[Agent名称]Agent") + +    print("=" * 60) + +    print() + +    # 1. 查找用户 + +    user = db.query(User).filter(User.username == username).first() + +    if not user: + +        print(f"❌ 未找到用户 '{username}'，请先创建该用户") + +        return + +    print(f"✅ 找到用户: {user.username} (ID: {user.id})") + +    print() + +    # 2. 创建工作流配置 + +    nodes = [] + +    edges = [] + +    # 3. 添加节点 + +    # ... 节点配置 ... + +    # 4. 添加连接 + +    # ... 边配置 ... + +    # 5. 创建或更新Agent + +    workflow_config = { + +        "nodes": nodes, + +        "edges": edges + +    } + +    agent = db.query(Agent).filter( + +        Agent.name == "[Agent名称]", + +        Agent.user_id == user.id + +    ).first() + +    if agent: + +        # 更新现有Agent + +        agent.workflow_config = workflow_config + +        agent.updated_at = datetime.now() + +        agent.status = "published"  # 设置为已发布 + +        print("⚠️  Agent已存在，将更新它...") + +    else: + +        # 创建新Agent + +        agent = Agent( + +            id=str(uuid.uuid4()), + +            name="[Agent名称]", + +            description="[Agent描述]", + +            workflow_config=workflow_config, + +            status="published",  # 直接设置为已发布，可立即使用 + +            user_id=user.id, + +            version=1 + +        ) + +        db.add(agent) + +    # 6. 提交并输出结果 + +    try: + +        db.commit() + +        db.refresh(agent) + +        print("✅ Agent创建/更新成功！") + +        print(f"   - ID: {agent.id}") + +        print(f"   - 状态: {agent.status}") + +        return agent + +    except Exception as e: + +        db.rollback() + +        print(f"❌ 创建Agent失败: {str(e)}") + +        return None + + + + +def main(): + +    """主函数""" + +    db = SessionLocal() + +    try: + +        generate_xxx_agent(db, username="admin") + +    finally: + +        db.close() + + + + +if __name__ == "__main__": + +    main() + +``` + + + +### 3. 执行脚本 + + + +```bash + +# 1. 添加执行权限 + +chmod +x backend/scripts/generate_xxx_agent.py + + + +# 2. 运行脚本 + +python3 backend/scripts/generate_xxx_agent.py + +``` + + + +### 4. 验证和测试 + + + +- 在Agent管理页面查看创建的Agent + +- 使用"使用"按钮测试Agent功能 + +- 根据测试结果调整Prompt和工作流 + + + +--- + + + +## 工作流设计经验 + + + +### 1. 常见工作流模式 + + + +#### 模式1：线性流程 + +``` + +开始 → 处理1 → 处理2 → 处理3 → 结束 + +``` + +**适用场景**：简单的顺序处理任务 + + + +#### 模式2：分支流程 + +``` + +开始 → 分析 → 条件判断 → [分支A | 分支B] → 整合 → 结束 + +``` + +**适用场景**：需要根据条件选择不同处理路径 + + + +#### 模式3：并行处理 + +``` + +开始 → 分析 → [处理A | 处理B | 处理C] → 整合 → 结束 + +``` + +**适用场景**：多个独立任务可以并行执行 + + + +#### 模式4：循环处理 + +``` + +开始 → 循环开始 → 处理 → 条件判断 → [继续循环 | 退出] → 结束 + +``` + +**适用场景**：需要重复处理的数据 + + + +### 2. 节点布局建议 + + + +#### 2.1 位置规划 + +- **X轴间距**：建议200-250像素，确保节点不重叠 + +- **Y轴间距**：分支节点建议100-150像素 + +- **起始位置**：开始节点建议 (50, 300-400) + + + +#### 2.2 布局示例 + +```python + +# 线性布局 + +start_node = {"position": {"x": 50, "y": 400}} + +node1 = {"position": {"x": 250, "y": 400}} + +node2 = {"position": {"x": 450, "y": 400}} + + + +# 分支布局 + +condition_node = {"position": {"x": 450, "y": 400}} + +branch_true = {"position": {"x": 650, "y": 300}}  # 上分支 + +branch_false = {"position": {"x": 650, "y": 500}}  # 下分支 + +``` + + + +### 3. 工作流设计原则 + + + +#### 3.1 单一职责原则 + +- 每个节点只负责一个明确的任务 + +- 避免在一个节点中做太多事情 + + + +#### 3.2 数据流清晰 + +- 明确每个节点的输入和输出 + +- 使用Transform节点整理数据 + +- 避免数据丢失或混乱 + + + +#### 3.3 错误处理 + +- 考虑异常情况的处理 + +- 提供默认分支 + +- 添加错误提示节点（可选） + + + +#### 3.4 可扩展性 + +- 预留扩展点 + +- 使用条件节点支持多种场景 + +- 保持工作流的灵活性 + + + +--- + + + +## 节点配置要点 + + + +### 1. 开始节点 (start) + + + +```python + +start_node = { + +    "id": "start-1",  # 唯一ID，建议使用 start-1, start-2 等 + +    "type": "start", + +    "position": {"x": 50, "y": 400}, + +    "data": { + +        "label": "开始", + +        "output_format": "json"  # 可选：json 或 text + +    } + +} + +``` + + + +**要点**： + +- ID必须唯一 + +- `output_format` 决定后续节点如何接收数据 + + + +### 2. LLM节点 (llm) + + + +```python + +llm_node = { + +    "id": "llm-xxx", + +    "type": "llm", + +    "position": {"x": 250, "y": 400}, + +    "data": { + +        "label": "节点名称", + +        "provider": "deepseek",  # 或 "openai" + +        "model": "deepseek-chat",  # 模型名称 + +        "temperature": "0.3",  # 温度参数，字符串格式 + +        "max_tokens": "2000",  # 最大token数，字符串格式 + +        "prompt": """你的Prompt内容 + +使用 {{variable}} 引用变量 + +使用 {{query}} 引用用户输入 + +使用 {{output}} 引用上一个节点的输出""" + +    } + +} + +``` + + + +**要点**： + +- `temperature` 和 `max_tokens` 必须是字符串 + +- Prompt中使用 `{{variable}}` 进行变量替换 + +- 明确指定输出格式要求（JSON、Markdown等） + + + +### 3. 条件节点 (condition) + + + +```python + +condition_node = { + +    "id": "condition-xxx", + +    "type": "condition", + +    "position": {"x": 450, "y": 400}, + +    "data": { + +        "label": "条件判断", + +        "condition": "{variable} contains '关键词' or {variable} contains '另一个关键词'" + +    } + +} + +``` + + + +**要点**： + +- 条件表达式使用 `{variable}` 引用变量 + +- 支持 `contains`、`==`、`!=` 等操作符 + +- 支持 `and`、`or` 逻辑运算符 + +- 连接边需要指定 `sourceHandle`：`"true"` 或 `"false"` + + + +### 4. Transform节点 (transform) + + + +```python + +transform_node = { + +    "id": "transform-xxx", + +    "type": "transform", + +    "position": {"x": 650, "y": 400}, + +    "data": { + +        "label": "数据转换", + +        "mode": "merge",  # 或 "replace"、"extract" + +        "mapping": { + +            "key1": "{{variable1}}", + +            "key2": "{{variable2}}", + +            "key3": "{{output}}" + +        } + +    } + +} + +``` + + + +**要点**： + +- `mode: "merge"` 用于合并多个数据源 + +- `mode: "replace"` 用于替换整个数据 + +- `mode: "extract"` 用于提取特定字段 + +- 使用 `{{variable}}` 引用变量 + + + +### 5. 结束节点 (end) + + + +```python + +end_node = { + +    "id": "end-1", + +    "type": "end", + +    "position": {"x": 1450, "y": 400}, + +    "data": { + +        "label": "结束", + +        "description": "返回最终结果" + +    } + +} + +``` + + + +**要点**： + +- 结束节点会返回最终输出 + +- 可以设置 `output_format` 控制输出格式 + + + +### 6. 连接边 (edges) + + + +```python + +# 普通连接 + +edge = { + +    "id": "e1",  # 唯一ID + +    "source": "start-1",  # 源节点ID + +    "target": "llm-xxx"  # 目标节点ID + +} + + + +# 条件分支连接 + +edge_true = { + +    "id": "e2-true", + +    "source": "condition-xxx", + +    "target": "branch-true", + +    "sourceHandle": "true"  # true分支 + +} + + + +edge_false = { + +    "id": "e2-false", + +    "source": "condition-xxx", + +    "target": "branch-false", + +    "sourceHandle": "false"  # false分支 + +} + +``` + + + +**要点**： + +- 每个边必须有唯一的ID + +- 条件节点的分支必须指定 `sourceHandle` + +- 确保所有节点都有正确的连接 + + + +--- + + + +## Prompt设计技巧 + + + +### 1. Prompt结构 + + + +#### 1.1 角色定位 + +``` + +你是一个专业的[角色]，请[任务描述]。 + +``` + +**示例**： + +``` + +你是一个专业的Android开发顾问。请分析用户的需求，提取关键信息。 + +``` + + + +#### 1.2 任务说明 + +- 明确任务目标 + +- 列出具体要求 + +- 提供输出格式示例 + + + +#### 1.3 上下文信息 + +``` + +用户需求：{{query}} + +需求分析结果：{{requirement_analysis}} + +``` + + + +#### 1.4 输出要求 + +``` + +请以JSON格式输出分析结果： + +{ + +  "key1": "value1", + +  "key2": "value2" + +} + +``` + + + +### 2. 变量使用 + + + +#### 2.1 常用变量 + +- `{{query}}` - 用户原始输入 + +- `{{user_query}}` - 用户查询（可能经过处理） + +- `{{output}}` - 上一个节点的输出 + +- `{{variable_name}}` - 自定义变量（通过Transform节点传递） + + + +#### 2.2 变量引用示例 + +```python + +"prompt": """用户需求：{{query}} + +需求分析：{{requirement_analysis}} + +请根据以上信息生成代码。""" + +``` + + + +### 3. 输出格式控制 + + + +#### 3.1 JSON格式 + +``` + +请以JSON格式输出： + +{ + +  "field1": "value1", + +  "field2": ["item1", "item2"] + +} + +请确保输出是有效的JSON格式。 + +``` + + + +#### 3.2 Markdown格式 + +``` + +请以Markdown格式输出，包含： + +1. 标题 + +2. 代码块（使用正确的语言标识） + +3. 列表 + +4. 表格（如需要） + +``` + + + +#### 3.3 纯文本格式 + +``` + +请直接输出优化后的完整内容（纯文本格式）。 + +不要包含JSON格式或其他包装。 + +``` + + + +### 4. 温度参数选择 + + + +| 场景 | Temperature | 说明 | + +|------|------------|------| + +| 代码生成 | 0.2-0.3 | 需要准确、一致的输出 | + +| 需求分析 | 0.3-0.5 | 需要平衡准确性和灵活性 | + +| 创意内容 | 0.7-0.9 | 需要多样性和创造性 | + +| 格式化输出 | 0.1-0.2 | 需要严格按照格式要求 | + + + +### 5. Token限制 + + + +| 任务类型 | Max Tokens | 说明 | + +|---------|-----------|------| + +| 简单分析 | 1000-2000 | 简短的分析和提取 | + +| 代码生成 | 3000-4000 | 完整的代码文件 | + +| 长文档生成 | 4000-8000 | 长篇文章或文档 | + +| 格式化输出 | 2000-4000 | 整理和格式化内容 | + + + +--- + + + +## 数据流转与上下文传递 + + + +### 1. 数据流转路径 + + + +``` + +开始节点 → LLM节点 → Transform节点 → 条件节点 → LLM节点 → 结束节点 + +   ↓          ↓            ↓            ↓           ↓          ↓ + +  query    output      merged_data   condition   solution   final_output + +``` + + + +### 2. 上下文传递策略 + + + +#### 2.1 使用Transform节点合并数据 + +```python + +transform_node = { + +    "data": { + +        "mode": "merge", + +        "mapping": { + +            "user_query": "{{query}}",  # 保留原始输入 + +            "analysis": "{{output}}",   # 保留分析结果 + +            "context": "{{previous_output}}"  # 保留上下文 + +        } + +    } + +} + +``` + + + +#### 2.2 在Prompt中传递上下文 + +```python + +"prompt": """用户原始需求：{{user_query}} + +需求分析结果：{{requirement_analysis}} + +请根据以上信息生成代码。""" +``` + +#### 2.3 数据传递示例 + +```python +# 完整的数据流转示例 +# 1. 开始节点输出：{"query": "用户输入"} +# 2. LLM节点分析，输出：{"app_type": "...", "modules": [...]} +# 3. Transform节点合并： +transform_node = { + "data": { + "mode": "merge", + "mapping": { + "user_query": "{{query}}", # 保留原始输入 + "requirement_analysis": "{{output}}" # 保留分析结果 + } + } +} +# 4. 后续LLM节点可以使用：{{user_query}} 和 {{requirement_analysis}} +``` + +### 3. 避免数据丢失 + +#### 3.1 使用Transform节点保留关键数据 + +```python +# 在分支前合并数据，确保所有分支都能访问 +transform_before_branch = { + "data": { + "mode": "merge", + "mapping": { + "original_query": "{{query}}", + "analysis": "{{output}}", + "context": "{{previous_context}}" + } + } +} +``` + +#### 3.2 在Prompt中明确引用 + +```python +"prompt": """请参考以下完整上下文： + +原始需求：{{user_query}} +分析结果：{{requirement_analysis}} +历史上下文：{{context}} + +根据以上信息完成任务。""" +``` + +--- + +## 常见问题和解决方案 + +### 1. Agent无法执行（403错误） + +**问题现象**： +- 点击"使用"按钮提示无权限 +- API调用返回403 + +**原因分析**： +- Agent状态不是 `published` 或 `running` +- 非owner用户尝试执行 `draft` 状态的Agent + +**解决方案**： +```python +# 在创建脚本中设置状态 +agent = Agent( + ... + status="published", # 直接设置为已发布 + ... +) +``` + +### 2. LLM输出答非所问 + +**问题现象**： +- Agent执行了，但回答不相关 +- 输出内容与用户需求不符 + +**原因分析**： +- Prompt中没有正确引用用户输入 +- 缺少需求分析步骤 +- 上下文传递丢失 + +**解决方案**： +```python +# 1. 确保Prompt中包含用户输入 +"prompt": """用户需求：{{query}} + +请根据用户需求完成任务。""" + +# 2. 添加需求分析节点 +# 先分析需求，再生成内容 + +# 3. 使用Transform节点保留原始输入 +transform_node = { + "data": { + "mode": "merge", + "mapping": { + "user_query": "{{query}}" # 保留原始输入 + } + } +} +``` + +### 3. 条件节点分支执行错误 + +**问题现象**： +- 条件判断后，所有分支都执行了 +- 或者分支执行顺序错误 + +**原因分析**： +- 边的 `sourceHandle` 未设置或设置错误 +- 条件表达式不正确 + +**解决方案**： +```python +# 1. 确保条件节点的边有sourceHandle +edge_true = { + "id": "e-true", + "source": "condition-xxx", + "target": "branch-true", + "sourceHandle": "true" # 必须设置 +} + +edge_false = { + "id": "e-false", + "source": "condition-xxx", + "target": "branch-false", + "sourceHandle": "false" # 必须设置 +} + +# 2. 条件表达式要明确 +"condition": "{user_query} contains '生成' or {user_query} contains '创建'" +``` + +### 4. 输出格式混乱 + +**问题现象**： +- 输出包含多余信息 +- 格式不统一 +- 代码块格式错误 + +**原因分析**： +- 缺少格式化节点 +- Prompt中格式要求不明确 +- End节点输出了不必要的数据 + +**解决方案**： +```python +# 1. 添加格式化节点 +format_node = { + "id": "llm-format", + "type": "llm", + "data": { + "label": "格式化输出", + "temperature": "0.1", # 低温度确保格式一致 + "prompt": """请将以下内容整理成专业的Markdown格式： + +内容：{{input}} + +要求： +- 使用清晰的标题层级 +- 代码块使用正确的语言标识 +- 格式统一、易读""" + } +} + +# 2. End节点只输出必要字段 +# 在workflow_engine.py中，End节点会排除query、USER_INPUT等字段 +``` + +### 5. 数据传递中断 + +**问题现象**： +- 后续节点无法获取前面节点的输出 +- 变量引用失败 + +**原因分析**： +- 节点之间缺少连接 +- Transform节点映射错误 +- 变量名不匹配 + +**解决方案**： +```python +# 1. 检查节点连接 +edges = [ + {"id": "e1", "source": "node1", "target": "node2"}, + {"id": "e2", "source": "node2", "target": "node3"} +] + +# 2. 使用Transform节点明确映射 +transform_node = { + "data": { + "mode": "merge", + "mapping": { + "key1": "{{output}}", # 上一个节点的输出 + "key2": "{{query}}", # 用户输入 + "key3": "{{custom_var}}" # 自定义变量 + } + } +} + +# 3. 在Prompt中正确引用 +"prompt": """使用变量：{{key1}}、{{key2}}、{{key3}}""" +``` + +### 6. Token限制导致输出截断 + +**问题现象**： +- 输出内容不完整 +- 代码生成到一半就停止了 + +**原因分析**： +- `max_tokens` 设置过小 +- 输出内容过长 + +**解决方案**： +```python +# 根据任务类型调整max_tokens +llm_node = { + "data": { + "max_tokens": "4000", # 代码生成建议3000-4000 + # 长文档建议4000-8000 + } +} +``` + +--- + +## 最佳实践 + +### 1. 工作流设计原则 + +#### 1.1 单一职责 +- 每个节点只做一件事 +- 避免在一个节点中处理多个任务 + +#### 1.2 数据流清晰 +- 明确每个节点的输入输出 +- 使用Transform节点整理数据 +- 保留关键上下文信息 + +#### 1.3 错误处理 +- 提供默认分支 +- 考虑异常情况 +- 添加错误提示 + +#### 1.4 可扩展性 +- 预留扩展点 +- 使用条件节点支持多种场景 +- 保持工作流灵活性 + +### 2. Prompt设计原则 + +#### 2.1 明确角色定位 +``` +你是一个专业的[角色]，请[任务描述]。 +``` + +#### 2.2 结构化输出 +- 明确指定输出格式（JSON、Markdown等） +- 提供输出示例 +- 要求验证格式正确性 + +#### 2.3 上下文传递 +- 在Prompt中明确引用所有需要的变量 +- 保留原始用户输入 +- 传递分析结果和上下文 + +#### 2.4 温度参数选择 +- 代码生成：0.2-0.3（准确） +- 需求分析：0.3-0.5（平衡） +- 创意内容：0.7-0.9（多样） +- 格式化：0.1-0.2（严格） + +### 3. 节点配置建议 + +#### 3.1 节点ID命名规范 +- 开始节点：`start-1`, `start-2` +- LLM节点：`llm-xxx`（如 `llm-analysis`, `llm-generation`） +- 条件节点：`condition-xxx` +- Transform节点：`transform-xxx` +- 结束节点：`end-1` + +#### 3.2 边ID命名规范 +- 普通边：`e1`, `e2`, `e3`... +- 条件分支：`e-true`, `e-false` +- 多分支：`e-branch1`, `e-branch2` + +#### 3.3 位置布局 +- X轴间距：200-250像素 +- Y轴间距：分支节点100-150像素 +- 起始位置：(50, 300-400) + +### 4. 测试和验证 + +#### 4.1 单元测试 +- 测试每个节点的输入输出 +- 验证数据传递正确性 +- 检查条件分支逻辑 + +#### 4.2 集成测试 +- 测试完整工作流 +- 验证最终输出格式 +- 检查错误处理 + +#### 4.3 用户测试 +- 收集真实使用反馈 +- 根据反馈调整Prompt +- 优化工作流结构 + +--- + +## 实战案例 + +### 案例1：Android应用开发助手 + +**目标**：帮助开发者快速生成、优化和调试Android应用 + +**工作流结构**： +``` +开始 → 需求分析 → 需求分类 → [代码生成 | 架构设计/问题诊断/性能优化] → 结果整合 → 格式化输出 → 结束 +``` + +**关键设计**： +1. **需求分析节点**：提取结构化信息（JSON格式） +2. **需求分类节点**：根据关键词判断需求类型 +3. **分支处理**：不同需求类型走不同分支 +4. **结果整合**：使用Transform节点合并数据 +5. **格式化输出**：统一Markdown格式 + +**脚本位置**：`backend/scripts/generate_android_agent.py` + +**状态**：已发布，可直接使用 + +### 案例2：内容生成助手 + +**目标**：根据用户需求生成各种类型的高质量内容 + +**工作流结构**： +``` +开始 → 需求分析 → 内容类型判断 → [文章生成 | 文案生成 | 脚本生成 | 通用生成] → 内容整合 → 内容优化 → 结束 +``` + +**关键设计**： +1. **多分支处理**：根据内容类型选择不同生成策略 +2. **内容优化**：添加优化润色节点 +3. **格式统一**：确保输出格式一致 + +**脚本位置**：`backend/scripts/generate_content_agent.py` + +### 案例3：智能需求分析与解决方案生成器 + +**目标**：分析用户需求并生成专业解决方案 + +**工作流结构**： +``` +开始 → 需求理解 → 需求分类 → [技术方案分支 | 业务流程分支] → 方案整合 → 输出优化 → 结束 +``` + +**关键设计**： +1. **深度分析**：多步骤需求理解 +2. **专业分支**：技术方案和业务流程分开处理 +3. **方案整合**：合并各分支结果 + +--- + +## 总结 + +创建Agent是一个系统性的工作，需要： + +1. **明确目标**：确定Agent要解决什么问题 +2. **设计工作流**：规划节点和连接关系 +3. **编写Prompt**：设计清晰、有效的提示词 +4. **数据流转**：确保上下文正确传递 +5. **测试验证**：充分测试各种场景 +6. **持续优化**：根据反馈不断改进 + +### 关键要点 + +- ✅ **状态设置**：创建时直接设置 `status="published"` 可立即使用 +- ✅ **数据传递**：使用Transform节点保留关键上下文 +- ✅ **条件分支**：必须设置 `sourceHandle` 才能正确分支 +- ✅ **Prompt设计**：明确角色、任务、输出格式 +- ✅ **格式化输出**：添加格式化节点确保输出统一 + +### 参考资源 + +- **生成脚本示例**： + - `backend/scripts/generate_android_agent.py` + - `backend/scripts/generate_content_agent.py` + - `backend/scripts/generate_smart_agent.py` + +- **API文档**： + - `backend/app/api/agents.py` - Agent管理API + - `backend/app/api/executions.py` - 执行管理API + +- **工作流引擎**： + - `backend/app/services/workflow_engine.py` - 工作流执行逻辑 + +- **提示词文档**： + - `androidExampleDemo/多功能android应用智能体的提示词.md` + +--- + +**最后更新**：2026-01-20 + +**版本**：v1.0 + +**作者**：Agent开发团队 \ No newline at end of file diff --git a/创建Agent经验总结.md b/创建Agent经验总结.md new file mode 100644 index 0000000..25689a8 --- /dev/null +++ b/创建Agent经验总结.md @@ -0,0 +1,186 @@ +# 创建Agent经验总结（实战版） + +> 基于本仓库实际落地的 **Android应用开发助手**（已发布可用）沉淀：从“想法→工作流→落库→发布→验证→避坑”一套流程。 + +## 1. 目标与验收标准 + +- **目标**：在 Agent 管理页面出现一个“可运行/可使用”的 Agent，并且能通过 `/api/v1/executions` 正常触发执行并拿到结果。 +- **关键验收**： + - **状态**：Agent 为 `published` 或 `running`（否则普通用户无法执行） + - **工作流**：`workflow_config` 必须包含合法的 `nodes` / `edges`，能从 `start` 走到 `end` + - **数据链路**：LLM prompt 能正确拿到用户输入（一般是 `{{query}}` / `{{user_query}}`） + +## 2. 两种创建方式：UI vs 脚本 + +### 2.1 UI 创建（适合调试） + +- 优点：所见即所得、方便调整 prompt/连线/节点参数 +- 缺点：重复劳动多，不利于批量/版本化 + +### 2.2 脚本创建（推荐用于“生成一批可运行Agent/一键复现”） + +- 典型做法：写一个 `backend/scripts/generate_xxx_agent.py`，直接用 SQLAlchemy 创建或更新 Agent。 +- 本仓库示例： + - `backend/scripts/generate_android_agent.py`（Android应用开发助手） + - `backend/scripts/generate_content_agent.py`（内容生成助手） + +## 3. Agent 能不能“运行”，最关键的规则 + +### 3.1 Agent 状态与执行权限 + +后端创建执行时会做状态校验：**非 owner 执行必须是 `published/running`**。 + +对应代码（要点：状态不对会 403）： + +```103:104:backend/app/api/executions.py + if agent.status not in ["published", "running"] and agent.user_id != current_user.id: + raise HTTPException(status_code=403, detail="Agent未发布或无权执行") +``` + +**经验**： +- 如果你希望“创建出来立刻可用”，脚本里就直接写 `status="published"`。 +- 如果你希望“先草稿”，脚本里写 `draft`，但要用 owner 测试或再部署发布。 + +### 3.2 workflow_config 的最低要求 + +- 必须包含： + - `nodes`: 节点数组 + - `edges`: 连线数组 +- 且能通过校验（创建接口会校验）： + - 参考：`backend/app/api/agents.py` 中 `create_agent` 会调用 `validate_workflow(...)` + +**经验**： +- 最小可运行工作流：`start -> llm -> end` +- 复杂工作流建议：`start -> 分析(llm) -> 分流(condition) -> 子分支(llm/transform) -> 汇总(transform) -> 输出优化(llm) -> end` + +## 4. 数据流转与 Prompt 设计（决定“是否答非所问”） + +### 4.1 输入字段命名建议 + +本平台执行 Agent 时，常见输入会放在： +- `query` +- `USER_INPUT` + +Android 示例项目也是这样发起的： +- `query = 用户输入` +- `USER_INPUT = 用户输入` + +**经验**： +- prompt 里优先用 `{{query}}`（平台链路更稳定） +- 如果你做了 transform 映射，可统一成 `user_query` 再用 `{{user_query}}` + +### 4.2 先分析、再生成：降低跑偏 + +常见稳定结构： +- 第 1 个 LLM：**需求抽取/结构化**（JSON 输出） +- 后续 LLM：拿着“结构化需求 + 原始需求”做生成/诊断/优化 + +这样可以显著减少“答非所问”，也便于条件分支与 transform 做数据拼接。 + +## 5. 条件分支的关键坑：`sourceHandle` + +条件节点“走哪个分支”，靠 edge 的 `sourceHandle` 来区分（例如 `true` / `false`）。 + +对应引擎逻辑（要点：**只保留 sourceHandle == branch 的边**）： + +```1936:1961:backend/app/services/workflow_engine.py + if node.get('type') == 'condition': + branch = result.get('branch', 'false') + # 只保留：不是从条件节点出发的边，或 从条件节点出发且sourceHandle匹配分支的边 + edges_to_remove = [] + edges_to_keep = [] + for edge in active_edges: + if edge['source'] == next_node_id: + edge_handle = edge.get('sourceHandle') + if edge_handle == branch: + edges_to_keep.append(edge) + else: + edges_to_remove.append(edge) + else: + edges_to_keep.append(edge) + active_edges = edges_to_keep +``` + +**经验**： +- 条件节点的出边必须带 `sourceHandle`，而且值要与引擎产出的 `branch` 完全一致（常用：`true`/`false`） +- 否则会出现： + - 分支全跑 / 分支全不跑 / 走错分支 + +## 6. 用脚本创建“可运行Agent”的推荐模板 + +核心点： +- 查用户（owner） +- 构造 `nodes/edges` +- 若同名存在则更新，否则创建 +- 设置 `status="published"` + +本仓库可直接复用（已验证创建成功）： +- `backend/scripts/generate_android_agent.py` + +运行方式： + +```bash +cd /home/renjianbo/aiagent +python3 backend/scripts/generate_android_agent.py +``` + +运行后会输出 Agent ID、节点数、边数，且状态为 `published`。 + +## 7. 如何验证 Agent “真的可运行” + +### 7.1 前端验证 + +- 进入 **Agent管理** +- 找到 Agent（例如：Android应用开发助手） +- 状态为 **已发布/运行中** +- 点击 **使用**，输入一句话触发执行 + +### 7.2 API 验证（推荐可自动化） + +1) 登录获取 token（form-urlencoded） +2) 发起执行： + +```json +POST /api/v1/executions +{ + "agent_id": "你的agent_id", + "input_data": { + "query": "帮我生成一个登录页", + "USER_INPUT": "帮我生成一个登录页" + } +} +``` + +3) 轮询状态： +- `GET /api/v1/executions/{execution_id}/status` +4) 获取结果： +- `GET /api/v1/executions/{execution_id}` + +## 8. 常见问题与排查清单 + +- **Agent 列表里看到了，但点“使用”无权限/403** + - 检查 `status` 是否为 `published/running` + - 是否为 owner 在测试草稿 + +- **LLM 输出跑偏/答非所问** + - 是否把用户输入稳定透传到了 `{{query}}` + - 是否先做“需求结构化”再生成 + - prompt 是否过泛、缺少输出格式约束 + +- **条件节点后续分支乱跑** + - 检查条件节点出边是否有 `sourceHandle=true/false` + - 检查引擎分支值是否与 sourceHandle 对齐 + +- **输出结构混乱** + - 建议末端增加 `llm-format` 做统一 Markdown 格式化 + - end 节点尽量只输出最终 `output` 字段（不要拼接用户 query） + +## 9. 本次落地成果（可复用资产） + +- **可运行 Agent**：Android应用开发助手（脚本创建，状态 `published`） +- **生成脚本**：`backend/scripts/generate_android_agent.py` +- **Prompt 方案文档**：`androidExampleDemo/多功能android应用智能体的提示词.md` + +--- + +最后更新：2026-01-20 diff --git a/开发进度.md b/开发进度.md index b515084..c8bdf61 100644 --- a/开发进度.md +++ b/开发进度.md @@ -127,24 +127,118 @@ - [x] 错误处理优化 ✅ - [x] 前端组件优化和样式完善 ✅ -## 📝 下一步计划 +## 📝 下一步计划（待开发功能） -1. **集成OpenAI模型** - - 在LLM节点中实现真实的OpenAI API调用 - - 支持模型选择和参数配置 +### 第八阶段：监控和告警前端界面（中优先级） -2. **实现WebSocket实时推送** - - 执行状态实时更新 - - 执行进度显示 +#### 后端状态 ✅ +- [x] 告警规则API（CRUD、启用/禁用）✅ +- [x] 告警服务（检查告警、触发告警）✅ +- [x] 告警日志API ✅ -3. **完善可视化编辑器** - - 优化节点样式 - - 实现连线验证 - - 添加节点删除和编辑功能 +#### 前端待开发 +- [ ] 系统监控面板 + - [ ] 系统资源监控（CPU、内存、磁盘） + - [ ] 执行统计图表（成功率、执行时间、错误率） + - [ ] 实时执行状态看板 +- [ ] 告警规则管理页面 + - [ ] 告警规则列表 + - [ ] 告警规则创建/编辑表单 + - [ ] 告警规则启用/禁用 +- [ ] 告警日志页面 + - [ ] 告警历史列表 + - [ ] 告警详情查看 + - [ ] 告警通知配置（邮件、Webhook等） -4. **执行结果展示** - - 执行历史页面 - - 执行结果详情展示 +### 第九阶段：用户体验优化（中优先级） + +- [ ] 工作流编辑器优化 + - [ ] 节点连接线样式优化（已完成左右连接支持） + - [ ] 节点对齐和自动布局 + - [ ] 工作流模板快速应用 + - [ ] 节点搜索和筛选 +- [ ] Agent使用体验优化 + - [ ] Agent快速测试功能 + - [ ] Agent使用统计和分析 + - [ ] Agent性能监控 +- [ ] 移动端适配 + - [ ] 响应式布局优化 + - [ ] 移动端工作流查看（只读） + - [ ] 移动端执行状态查看 + +### 第十阶段：高级功能（低优先级，按需开发） + +#### 多租户支持 +- [ ] 租户模型和API +- [ ] 租户隔离（数据隔离、资源隔离） +- [ ] 租户管理界面 +- [ ] 资源配额管理 + +#### 插件系统 +- [ ] 插件注册机制 +- [ ] 自定义节点插件开发框架 +- [ ] 插件市场（插件上传、下载、评分） +- [ ] 插件版本管理 + +#### 性能优化 +- [ ] 工作流执行性能优化（并发执行、缓存） +- [ ] 前端性能优化（懒加载、虚拟滚动） +- [ ] 数据库查询优化（索引、查询优化） +- [ ] API响应时间优化 + +### 第十一阶段：部署和运维（生产环境准备） + +#### 生产环境配置 +- [ ] 生产环境Docker配置优化 + - [ ] Docker Compose生产配置 + - [ ] 多环境配置管理（dev/staging/prod） + - [ ] 配置文件加密 +- [ ] Kubernetes部署配置 + - [ ] K8s部署清单（Deployment、Service、Ingress） + - [ ] 水平扩展配置 + - [ ] 健康检查和就绪探针 +- [ ] 环境变量管理 + - [ ] 敏感信息管理（密钥管理） + - [ ] 配置中心集成 + +#### 监控和日志 +- [ ] Prometheus指标收集 + - [ ] 业务指标（执行数、成功率、耗时） + - [ ] 系统指标（CPU、内存、网络） +- [ ] Grafana仪表板 + - [ ] 系统监控仪表板 + - [ ] 业务监控仪表板 +- [ ] 日志聚合 + - [ ] ELK Stack集成 + - [ ] 日志查询和分析 +- [ ] 错误追踪 + - [ ] Sentry集成 + - [ ] 错误告警和通知 + +#### CI/CD +- [ ] GitHub Actions配置 + - [ ] 自动化测试流程 + - [ ] 自动化构建流程 + - [ ] 自动化部署流程 +- [ ] 代码质量检查 + - [ ] Linter配置（ESLint、Pylint） + - [ ] 代码覆盖率检查 + - [ ] 安全扫描 + +### 第十二阶段：文档和测试完善 + +- [ ] 用户文档 + - [ ] 用户使用手册 + - [ ] 视频教程 + - [ ] 常见问题FAQ +- [ ] 开发者文档 + - [ ] API文档完善 + - [ ] 架构设计文档 + - [ ] 插件开发指南 +- [ ] 测试覆盖 + - [ ] 单元测试覆盖率提升（目标80%+） + - [ ] 集成测试完善 + - [ ] E2E测试（Playwright/Cypress） ## 🎯 当前状态 @@ -156,8 +250,16 @@ ## 📊 完成度 -- **第一阶段MVP**: 约 100% ✅ -- **整体项目**: 约 90-95% +- **第一阶段MVP**: 100% ✅ +- **第二阶段核心功能**: 100% ✅ +- **第三阶段核心功能**: 100% ✅ +- **第四-七阶段功能**: 100% ✅ +- **整体项目**: 约 85-90% + - 核心功能：100% ✅ + - 监控告警前端：0% ⚠️ + - 用户体验优化：60% 🚧 + - 高级功能（多租户、插件）：0% ⚠️ + - 部署运维：30% 🚧 ## ✅ 最新测试结果 @@ -176,6 +278,55 @@ 4. **可视化编辑器** - 拖拽节点、连线、配置面板 5. **异步任务处理** - Celery集成，支持长时间运行的任务 +## 🎯 当前优先级建议 + +### 高优先级（建议优先开发） + +1. **监控和告警前端界面** ⭐⭐⭐ + - 系统监控面板 + - 告警规则管理页面 + - 告警日志查看 + - **预计工作量**: 1-2周 + +2. **用户体验优化** ⭐⭐ + - 工作流编辑器优化（节点对齐、自动布局） + - Agent使用体验优化 + - **预计工作量**: 1-2周 + +### 中优先级（按需开发） + +3. **性能优化** ⭐⭐ + - 工作流执行性能优化 + - 前端性能优化 + - **预计工作量**: 1-2周 + +4. **生产环境部署配置** ⭐⭐ + - Docker/K8s配置 + - 监控和日志集成 + - **预计工作量**: 2-3周 + +### 低优先级（长期规划） + +5. **多租户支持** ⭐ + - 适用于SaaS场景 + - **预计工作量**: 3-4周 + +6. **插件系统** ⭐ + - 扩展性增强 + - **预计工作量**: 4-6周 + +## 📈 近期开发建议 + +**接下来1-2个月的重点**： +1. 完成监控和告警前端界面（让系统可观测） +2. 优化用户体验（提升使用体验） +3. 完善生产环境部署配置（准备上线） + +**长期规划**（3-6个月）： +1. 多租户支持（如需要SaaS模式） +2. 插件系统（增强扩展性） +3. 性能优化（支持更大规模） + --- -**最后更新**: 2024年 +**最后更新**: 2026-01-20