271 lines
6.8 KiB
Markdown
271 lines
6.8 KiB
Markdown
# 智能需求分析与解决方案生成器 - 使用说明
|
||
|
||
## 📋 Agent 基本信息
|
||
|
||
- **名称**: 智能需求分析与解决方案生成器
|
||
- **状态**: 已发布（可直接使用）
|
||
- **节点数量**: 8个节点
|
||
- **连接数量**: 8条连接
|
||
- **Agent ID**: `9195f8df-3340-46a0-b761-b955a57acc6c`
|
||
|
||
## 🎯 功能概述
|
||
|
||
这是一个智能的多节点Agent，能够：
|
||
1. **自动理解用户需求** - 分析用户输入，提取关键信息
|
||
2. **智能需求分类** - 根据需求类型自动分类（技术方案/业务流程/数据分析等）
|
||
3. **专业方案生成** - 调用专业模板或LLM生成针对性解决方案
|
||
4. **方案整合优化** - 整合各分支结果，优化输出格式
|
||
5. **专业文档输出** - 生成结构化的Markdown文档
|
||
|
||
## 🔄 工作流结构
|
||
|
||
```
|
||
开始节点
|
||
↓
|
||
需求理解与分析节点（LLM）
|
||
↓
|
||
需求分类节点（条件判断）
|
||
├─→ [技术方案分支] → 技术方案设计节点（Template/LLM）
|
||
└─→ [业务流程分支] → 业务流程设计节点（Template/LLM）
|
||
↓ ↓
|
||
└────→ 方案整合节点（Transform）
|
||
↓
|
||
输出优化与格式化节点（LLM）
|
||
↓
|
||
结束节点
|
||
```
|
||
|
||
## 📊 节点详细说明
|
||
|
||
### 1. 开始节点（start-1）
|
||
- **功能**: 接收用户输入
|
||
- **输入格式**: JSON格式
|
||
- **输出**: 将用户输入传递给需求理解节点
|
||
|
||
### 2. 需求理解与分析节点（llm-requirement-analysis）
|
||
- **类型**: LLM节点
|
||
- **模型**: DeepSeek Chat
|
||
- **功能**:
|
||
- 分析用户需求
|
||
- 提取关键信息
|
||
- 识别需求类型、复杂度、领域等
|
||
- **输出格式**: JSON
|
||
```json
|
||
{
|
||
"requirement_type": "技术方案|业务流程|数据分析|工作流设计|其他",
|
||
"key_points": ["关键点1", "关键点2", ...],
|
||
"complexity": "简单|中等|复杂",
|
||
"domain": "领域（如：电商、金融、教育等）",
|
||
"summary": "需求摘要"
|
||
}
|
||
```
|
||
|
||
### 3. 需求分类节点（condition-classify）
|
||
- **类型**: 条件节点
|
||
- **功能**: 根据需求类型进行分支
|
||
- **判断条件**:
|
||
- 如果需求类型是"技术方案"或"API集成" → 走技术方案分支
|
||
- 否则 → 走业务流程分支
|
||
|
||
### 4. 技术方案设计节点
|
||
- **类型**: Template节点（优先）或LLM节点（备用）
|
||
- **功能**: 生成技术方案
|
||
- **输出内容**:
|
||
- 技术选型建议
|
||
- 架构设计
|
||
- 实施步骤
|
||
- 风险评估
|
||
- 最佳实践建议
|
||
|
||
### 5. 业务流程设计节点
|
||
- **类型**: Template节点（优先）或LLM节点（备用）
|
||
- **功能**: 生成业务流程方案
|
||
- **输出内容**:
|
||
- 流程概述
|
||
- 关键步骤
|
||
- 角色与职责
|
||
- 流程优化建议
|
||
- 实施路线图
|
||
|
||
### 6. 方案整合节点（transform-integration）
|
||
- **类型**: Transform节点
|
||
- **功能**: 整合各分支的结果
|
||
- **模式**: 合并模式
|
||
- **输出**: 包含解决方案、需求分析、时间戳的整合数据
|
||
|
||
### 7. 输出优化与格式化节点（llm-optimization）
|
||
- **类型**: LLM节点
|
||
- **模型**: DeepSeek Chat
|
||
- **功能**:
|
||
- 优化文档结构
|
||
- 补充关键细节
|
||
- 添加实施建议
|
||
- 统一格式
|
||
- **输出**: 完整的Markdown文档
|
||
|
||
### 8. 结束节点（end-1）
|
||
- **功能**: 返回最终结果
|
||
|
||
## 🚀 使用方法
|
||
|
||
### 方法一：通过Agent管理界面测试
|
||
|
||
1. **进入Agent管理页面**
|
||
- 在左侧菜单选择"Agent管理"
|
||
- 找到"智能需求分析与解决方案生成器"
|
||
|
||
2. **测试Agent**
|
||
- 点击Agent名称进入详情页
|
||
- 点击"测试"按钮
|
||
- 在输入框中输入你的需求
|
||
|
||
3. **输入示例**:
|
||
```json
|
||
{
|
||
"query": "我需要设计一个电商系统的用户订单处理流程，包括下单、支付、发货、售后等环节"
|
||
}
|
||
```
|
||
或者简单输入：
|
||
```json
|
||
{
|
||
"query": "设计一个微服务架构的在线教育平台"
|
||
}
|
||
```
|
||
|
||
4. **查看结果**
|
||
- 等待Agent执行完成（通常需要30-60秒）
|
||
- 查看生成的解决方案文档
|
||
|
||
### 方法二：通过API调用
|
||
|
||
```bash
|
||
POST /api/v1/executions
|
||
Content-Type: application/json
|
||
Authorization: Bearer <your_token>
|
||
|
||
{
|
||
"agent_id": "9195f8df-3340-46a0-b761-b955a57acc6c",
|
||
"input_data": {
|
||
"query": "你的需求描述"
|
||
}
|
||
}
|
||
```
|
||
|
||
## 💡 使用场景示例
|
||
|
||
### 场景1：技术方案设计
|
||
**输入**:
|
||
```
|
||
设计一个高并发的实时推荐系统，需要支持千万级用户，毫秒级响应
|
||
```
|
||
|
||
**输出**:
|
||
- 技术选型（Redis、Kafka、Spark等）
|
||
- 架构设计图
|
||
- 实施步骤
|
||
- 性能优化建议
|
||
|
||
### 场景2：业务流程优化
|
||
**输入**:
|
||
```
|
||
优化我们公司的客户服务流程，提高客户满意度
|
||
```
|
||
|
||
**输出**:
|
||
- 当前流程分析
|
||
- 优化建议
|
||
- 新流程设计
|
||
- 实施路线图
|
||
|
||
### 场景3：系统架构设计
|
||
**输入**:
|
||
```
|
||
设计一个微服务架构的电商平台，包括用户、商品、订单、支付等模块
|
||
```
|
||
|
||
**输出**:
|
||
- 微服务拆分方案
|
||
- 服务间通信设计
|
||
- 数据一致性方案
|
||
- 部署架构
|
||
|
||
## ⚙️ 配置说明
|
||
|
||
### 节点配置参数
|
||
|
||
- **LLM节点温度**: 0.5-0.7（平衡创造性和准确性）
|
||
- **最大Token数**: 2000-3000（确保输出完整）
|
||
- **模型**: DeepSeek Chat（默认）
|
||
|
||
### 自定义配置
|
||
|
||
如果需要修改Agent配置：
|
||
1. 进入Agent管理页面
|
||
2. 点击"设计"按钮
|
||
3. 在可视化编辑器中修改节点配置
|
||
4. 保存并发布
|
||
|
||
## 📝 输出格式
|
||
|
||
Agent最终输出为结构化的Markdown文档，包含：
|
||
|
||
1. **需求摘要**
|
||
2. **需求分析结果**
|
||
- 需求类型
|
||
- 关键点
|
||
- 复杂度评估
|
||
- 领域识别
|
||
3. **解决方案**
|
||
- 详细方案内容
|
||
- 实施建议
|
||
- 最佳实践
|
||
4. **附录**
|
||
- 相关资源
|
||
- 注意事项
|
||
|
||
## 🔍 注意事项
|
||
|
||
1. **输入格式**: 建议使用JSON格式，包含`query`字段
|
||
2. **执行时间**: 复杂需求可能需要60-120秒
|
||
3. **Token限制**: 如果输出被截断，可以增加`max_tokens`参数
|
||
4. **需求描述**: 越详细的需求描述，生成的方案越准确
|
||
|
||
## 🛠️ 故障排查
|
||
|
||
### 问题1：Agent执行超时
|
||
**解决方案**:
|
||
- 检查网络连接
|
||
- 确认LLM服务正常
|
||
- 简化需求描述
|
||
|
||
### 问题2：输出不完整
|
||
**解决方案**:
|
||
- 增加`max_tokens`参数
|
||
- 分段处理复杂需求
|
||
|
||
### 问题3：分类不准确
|
||
**解决方案**:
|
||
- 在需求描述中明确说明需求类型
|
||
- 例如："我需要一个技术方案..."或"请帮我设计业务流程..."
|
||
|
||
## 📈 性能优化建议
|
||
|
||
1. **缓存机制**: 对于相似需求，可以复用之前的分析结果
|
||
2. **并行处理**: 对于多个独立需求，可以并行执行
|
||
3. **模板优化**: 根据使用频率优化模板选择逻辑
|
||
|
||
## 🔄 更新日志
|
||
|
||
- **v1.0** (2026-01-19): 初始版本
|
||
- 支持需求理解和分类
|
||
- 支持技术方案和业务流程生成
|
||
- 支持输出优化和格式化
|
||
|
||
## 📞 技术支持
|
||
|
||
如有问题或建议，请联系系统管理员或查看系统日志。
|
||
|
||
---
|
||
|
||
**最后更新**: 2026-01-19
|