Files

renjianbo 495eafcd78 feat: virtual company M2 control + tier-3/4 capabilities + per-dept session fix

- M2-a/b/c: stop/pause/resume/skip dept, plan/rework approval gates,
  budget & timeout circuit breakers, per-dept cancel and on-demand rework
- tier-3: batched event persistence (_EventBuffer), project/dept
  concurrency semaphores, company_ws event streaming
- tier-4: cross-dept deliverable handoff, CEO memory feedback loop,
  per-dept model override, one-click Markdown report export (RFC5987)
- fix: per-department independent SQLAlchemy session in parallel waves
  (shared Session race across asyncio tasks in company_orchestrator)
- fix: rename process_open_fds gauge to app_process_open_fds
  (collides with prometheus_client ProcessCollector on Linux)
- fix: dept role resolution ladder, real token usage & cost tracking,
  deliverable file capture (mtime scan of dept workspace)
- tests: test_company_orchestrator.py 22 cases with mocked LLM
- frontend: CompanyControlRoom, companyExecution store, EChart,
  dept model config dialog, ws proxy, build/typecheck decoupling
- docs: virtual company design/usage docs, M2 control plan,
  deepseek4pro handover docs

Co-Authored-By: Claude Opus 4.6 <noreply@anthropic.com>

2026-07-26 18:16:39 +08:00

34 KiB

Raw Blame History

天工智能体平台 - 核心文档汇总

项目概述

项目背景

天工智能体平台旨在让非技术用户通过可视化拖拽的方式，快速构建和部署AI智能体，降低AI应用开发门槛，提高开发效率。

核心价值

零代码/可视化：通过可视化界面配置智能体，无需编写代码
快速部署：一键部署到多种环境（云服务、本地、边缘设备）
灵活扩展：支持自定义组件和插件机制
多模型支持：集成主流AI模型（OpenAI、Claude、DeepSeek等）
工作流编排：支持复杂的工作流设计和执行
Agent协作：支持多Agent协作和工具链管理
自主 AI Agent 运行时：支持 ReAct 自主循环的 Agent Runtime，可独立对话或嵌入工作流

目标用户

产品经理和业务人员
初级开发者
企业数字化转型团队
AI应用开发者

系统架构设计

整体架构

采用前后端分离的微服务架构：

┌─────────────────────────────────────────────────────────┐
│                    前端层 (Frontend)                      │
│  ┌──────────────┐  ┌──────────────┐  ┌──────────────┐  │
│  │  可视化编辑器  │  │  智能体管理   │  │  监控面板     │  │
│  └──────────────┘  └──────────────┘  └──────────────┘  │
└─────────────────────────────────────────────────────────┘
                          │
                          │ HTTP/WebSocket
                          ▼
┌─────────────────────────────────────────────────────────┐
│                    API网关层 (Gateway)                    │
│           认证、限流、路由、负载均衡                        │
└─────────────────────────────────────────────────────────┘
                          │
                          ▼
┌─────────────────────────────────────────────────────────┐
│                   业务服务层 (Services)                    │
│  ┌──────────┐  ┌──────────┐  ┌──────────┐  ┌──────────┐│
│  │智能体引擎 │  │工作流引擎 │  │模型管理   │  │数据管理   ││
│  └──────────┘  └──────────┘  └──────────┘  └──────────┘│
│  ┌──────────┐  ┌──────────┐  ┌──────────┐  ┌──────────┐│
│  │任务调度   │  │日志监控   │  │用户管理   │  │权限管理   ││
│  └──────────┘  └──────────┘  └──────────┘  └──────────┘│
└─────────────────────────────────────────────────────────┘
                          │
                          ▼
┌─────────────────────────────────────────────────────────┐
│                   数据存储层 (Storage)                     │
│  ┌──────────┐  ┌──────────┐  ┌──────────┐  ┌──────────┐│
│  │  MySQL   │  │          │  │  Redis   │  │          ││
│  │(元数据)   │  │          │  │(缓存)    │  │          ││
│  └──────────┘  └──────────┘  └──────────┘  └──────────┘│
└─────────────────────────────────────────────────────────┘
                          │
                          ▼
┌─────────────────────────────────────────────────────────┐
│                   外部服务层 (External)                    │
│  ┌──────────┐  ┌──────────┐  ┌──────────┐  ┌──────────┐│
│  │ OpenAI   │  │ DeepSeek │  │ 本地模型  │  │ 其他API  ││
│  └──────────┘  └──────────┘  └──────────┘  └──────────┘│
└─────────────────────────────────────────────────────────┘

技术栈选型

前端技术栈

框架: Vue 3 + TypeScript + Vite
状态管理: Pinia
UI组件库: Element Plus
工作流可视化: Vue Flow
HTTP客户端: Axios
WebSocket: 原生WebSocket API

后端技术栈

框架: Python FastAPI
数据库: MySQL（腾讯云数据库）
缓存/消息队列: Redis
异步任务: Celery
AI框架: LangChain
Agent Runtime: 自研 ReAct 循环（零重构，寄生式复用现有服务）
Agent Orchestrator: 多 Agent 编排引擎（路由/顺序/辩论三种模式）
Agent 监控: LLM 调用埋点 + 专属 Dashboard（Token/工具/Agent 用量统计）
数据库ORM: SQLAlchemy
迁移工具: Alembic
认证: JWT

核心功能模块

1. 用户认证系统

用户注册、登录
JWT Token认证
密码加密（bcrypt）
获取当前用户信息

2. 工作流管理

工作流CRUD（创建、读取、更新、删除）
可视化编辑器（拖拽节点、连线）
节点配置面板
工作流版本管理
工作流导入导出
工作流模板市场

3. 工作流执行引擎

DAG构建和拓扑排序
节点执行器（支持多种节点类型）
数据流管理（节点间数据传递）
Celery异步任务集成
执行状态管理
错误处理和重试机制

4. 节点类型支持

基础节点: 开始、输入、输出、结束
AI节点: LLM（支持OpenAI、DeepSeek等）
逻辑节点: 条件、循环
数据节点: 转换、数据库查询、文件操作
集成节点: HTTP请求、Webhook、邮件、消息队列
工具节点: 定时任务、Agent节点

5. 内置工具调用

平台提供10个内置工具，可在LLM节点中启用：

🌐 http_request - HTTP请求工具
📖 file_read - 文件读取工具
✍️ file_write - 文件写入工具
📊 text_analyze - 文本分析工具
🕐 datetime - 日期时间工具
🔢 math_calculate - 数学计算工具
💻 system_info - 系统信息工具
📦 json_process - JSON处理工具
🗄️ database_query - 数据库查询工具（只读查询场景）
📱 adb_log - Android/设备日志工具

6. 执行管理

创建执行任务
获取执行记录列表
获取执行详情
执行状态实时推送（WebSocket）
执行结果可视化
执行日志和监控

7. 数据源管理

数据源模型和CRUD API
数据源连接测试
数据查询功能

8. 模型配置管理

模型配置CRUD API（API Key 等在服务端加密存储；工作流 LLM 节点可绑定 model_config_id 由可信所有者运行时解密注入）
多模型支持（OpenAI、Anthropic 兼容路径、DeepSeek 等）
模型切换和配置

DeepSeek API（OpenAI 兼容格式）
与 DeepSeek API 文档对齐的常用参数如下（密钥需在控制台申请，勿写入文档或仓库）：

参数	说明
base_url	`https://api.deepseek.com`（OpenAI 兼容；Anthropic 兼容格式为 `https://api.deepseek.com/anthropic`）
主推模型	`deepseek-v4-flash`、`deepseek-v4-pro`
兼容旧名（计划弃用）	`deepseek-chat`、`deepseek-reasoner` 计划于 2026/07/24 弃用；二者分别对应 `deepseek-v4-flash` 的非思考与思考模式

本平台侧：新建 LLM 节点、节点模板及后端未显式指定模型时的 DeepSeek 默认值为 deepseek-v4-flash；工作流编辑器与「模型配置」页下拉仍可选择兼容旧模型名并标注弃用时间。

Agent管理

Agent CRUD API
Agent管理页面
Agent协作功能
批量场景Agent脚本（教育/企业/政务/媒体）

10. Agent Runtime（自主 AI Agent）

ReAct 自主循环：LLM 思考→工具调用→观察结果→再思考，支持最多 N 步迭代
分层记忆：短期（会话上下文）+ 长期（MySQL 持久化），LLM 自动压缩总结
执行追踪：每步迭代记录 think/tool_call/tool_result/final，返回 steps 供前端展开
工具管理：白名单/黑名单过滤，包装已有 ToolRegistry
工作流桥接：Agent 节点可嵌入工作流 DAG，复用工作流引擎
独立对话：通过专用 API 直接与 Agent 对话，不依赖工作流
LLM 调用埋点：每次 LLM 调用自动记录模型、tokens、耗时到 AgentLLMLog 表
Agent 监控：专属 Dashboard 展示 Agent 用量排行、LLM 调用记录、Token 统计、工具调用频次
多 Agent 编排：三种协作模式：
- route — Router Agent 分析问题，分发到最匹配的 Specialist Agent
- sequential — Agent 流水线执行，前者输出作为后者输入
- debate — 多个 Agent 独立回答，Aggregator 汇总为最终答案
自主学习：Agent 从历史执行中自动优化工具选择策略，基于 AgentLearningPattern 模型记录和累计工具使用模式，执行前注入历史模式到 system prompt

11. Agent 定时任务系统

cron 调度：支持标准 cron 表达式，按周期自动触发 Agent 执行
Celery Beat 集成：每分钟检查到期任务，到期自动触发
执行管理：支持手动触发、暂停/恢复、执行状态跟踪
飞书推送：定时任务执行结果自动推送到飞书（Webhook + 应用消息）

12. 虚拟团队（Team Orchestrator）

多 Agent 流水线：PM 规划 → Design → Dev → QA → DevOps 顺序执行
TeamOrchestrator：~1975 行，管理团队内 Agent 编排与上下文传递
SSE 流式执行：实时推送每步执行状态
交付物管理：自动捕获团队产出文件

13. 虚拟公司（Company Orchestrator）

最近半年投入最大的模块，在虚拟团队之上加第 3 级组织。

三级组织：Company → Department（复用 Team）→ Member（Agent）
三阶段执行：CEO 规划（需求分析→部门拆分→任务分配）→ 部门并行（DAG 拓扑排序）→ CEO 评审（打分+返工）
四档迭代（M1 后全部完成）：
- 一档：基础 MVP（CEO 规划→执行→评审）
- 二档：人工审批 / 返工 / 预算 / 6 个行业预设模板
- 三档-a：事件批量落库（_EventBuffer，N=25/T=0.7s）
- 三档-b：并发上限+排队（_PROJECT_SEM 信号量，MAX_CONCURRENT_COMPANY_PROJECTS=3）
- 四档-①：部门间上下文交接（_build_dept_context）
- 四档-②：公司学习闭环（自动沉淀+注入历史知识）
- 四档-③：按部门配模型（Team.config["model_override"]）
- 四档-④：一键导出运行报告（RFC 5987 Markdown）
per-dept 独立 session（2026-07-26 K3 改造）：消除共享 db_orch 竞态
核心文件：
- services/company_orchestrator.py（~1600 行）
- services/company_runner.py（~350 行）
- api/companies.py（~950 行）
- api/company_ws.py（~150 行，WebSocket 事件推送）

14. 飞书集成和通知系统

通知系统：统一的通知管理（notifications 表、通知服务、API）
飞书定时任务推送：定时任务执行结果自动推送飞书
飞书应用消息：通过飞书应用 API 发送消息通知
飞书账号绑定：用户可绑定飞书账号，接收个性化通知
橙子飞书机器人：独立 WebSocket 连接的飞书机器人，固定路由到橙子助手 Agent
飞书事件监听：WebSocket 长连接监听飞书 IM 事件

项目结构

aiagent/
├── frontend/                    # 前端项目（Vue 3 + TypeScript）
│   ├── src/
│   │   ├── assets/             # 静态资源
│   │   ├── components/         # 组件
│   │   ├── router/             # 路由
│   │   ├── stores/             # 状态管理（Pinia）
│   │   ├── views/              # 页面
│   │   └── App.vue             # 根组件
│   ├── package.json            # 依赖配置
│   ├── vite.config.ts          # Vite配置
│   └── Dockerfile.dev          # 开发环境Dockerfile
├── backend/                    # 后端项目（Python FastAPI）
│   ├── app/
│   │   ├── agent_runtime/     # Agent Runtime（新增，自主 ReAct 循环）
│   │   │   ├── __init__.py    # 包导出
│   │   │   ├── schemas.py     # Agent 配置 Schema + AgentStep 执行追踪
│   │   │   ├── context.py     # 会话上下文（消息历史、迭代追踪）
│   │   │   ├── memory.py      # 分层记忆管理器 + LLM 自动压缩总结
│   │   │   ├── tool_manager.py# 工具管理器（包装 ToolRegistry）
│   │   │   ├── core.py        # AgentRuntime 主循环（ReAct 核心）+ 自主学习集成
│   │   │   ├── orchestrator.py# 多 Agent 编排引擎（route/sequential/debate/pipeline）
│   │   │   └── workflow_integration.py  # 工作流桥接
│   │   ├── api/               # API路由
│   │   │   ├── agent_chat.py  # Agent 聊天 + 多 Agent 编排 + LLM 调用日志 + SSE 流式
│   │   │   ├── agent_monitoring.py  # Agent 监控 API 5 个端点
│   │   │   ├── agent_schedules.py   # Agent 定时任务 CRUD API + 手动触发
│   │   │   ├── feishu_bind.py       # 飞书账号绑定/解绑 API
│   │   │   ├── notifications.py     # 通知系统 API
│   │   │   ├── companies.py         # 公司 + 项目 CRUD API（~950 行）
│   │   │   └── company_ws.py        # 公司 WebSocket 事件推送
│   │   ├── core/              # 核心模块
│   │   ├── models/            # 数据库模型
│   │   │   ├── agent_llm_log.py # Agent LLM 调用日志模型
│   │   │   ├── agent_learning_pattern.py # Agent 学习模式模型（自主学习）
│   │   │   ├── agent_schedule.py  # Agent 定时任务调度模型
│   │   │   ├── notification.py    # 通知模型
│   │   │   ├── agent_vector_memory.py # Agent 向量记忆表模型
│   │   │   ├── company.py              # 公司/项目/知识模型
│   │   │   ├── company_project_event.py # 项目事件日志模型
│   │   │   └── company_knowledge.py    # 公司知识沉淀模型
│   │   ├── schemas/           # Pydantic模式
│   │   ├── services/          # 业务逻辑
│   │   │   ├── agent_monitoring_service.py  # Agent 监控服务
│   │   │   ├── agent_learning_service.py    # 自主学习服务（工具选择优化）
│   │   │   ├── agent_schedule_service.py    # 定时任务调度服务
│   │   │   ├── notification_service.py      # 通知服务
│   │   │   ├── feishu_app_service.py        # 飞书应用消息发送
│   │   │   ├── feishu_notifier.py           # 飞书通知器
│   │   │   ├── feishu_ws_handler.py         # 飞书 WebSocket 事件处理
│   │   │   ├── orange_app_service.py        # 橙子飞书机器人服务
│   │   │   ├── orange_ws_handler.py         # 橙子机器人 WS 处理
│   │   │   ├── knowledge_service.py         # 知识库 RAG 服务
│   │   │   ├── embedding_service.py         # Embedding 生成服务
│   │   │   ├── document_parser.py           # 文档解析器
│   │   │   ├── text_chunker.py              # 文本分块器
│   │   │   ├── company_orchestrator.py      # 虚拟公司编排器（~1600 行）
│   │   │   ├── company_runner.py            # 公司项目运行管理器（~350 行）
│   │   │   ├── company_knowledge_extractor.py # 公司知识自动提取
│   │   │   ├── company_presets.py           # 6 个行业预设模板
│   │   │   └── team_orchestrator.py         # 虚拟团队编排器（~1975 行）
│   │   └── main.py            # 应用入口
│   ├── alembic/               # 数据库迁移
│   ├── tests/                 # 测试
│   ├── requirements.txt       # Python依赖
│   ├── Dockerfile.dev         # 开发环境Dockerfile
│   └── alembic.ini            # Alembic配置
├── docker-compose.dev.yml     # 开发环境Docker Compose配置
├── README.md                  # 项目说明
├── QUICKSTART.md              # 快速启动指南
├── 使用指南.md                 # 用户使用指南
├── 方案-优化版.md             # 完整技术方案
├── 开发进度.md                # 开发进度跟踪
├── 内置工具列表.md            # 内置工具文档
└── 项目核心文档汇总.md        # 本文档

部署指南

前置要求

Node.js 18+ 和 pnpm
Python 3.11+
Docker 和 Docker Compose
MySQL（使用腾讯云数据库）
Redis 7+（或使用Docker）

使用 Docker Compose 启动（推荐）

# 启动所有服务
docker-compose -f docker-compose.dev.yml up -d

# 查看服务状态
docker-compose ps

# 查看日志
docker-compose logs -f

# 停止服务
docker-compose down

本地开发部署

后端服务

cd backend

# 创建虚拟环境
python -m venv venv
source venv/bin/activate  # Windows: venv\Scripts\activate

# 安装依赖
pip install -r requirements.txt

# 配置环境变量
cp env.example .env
# 编辑 .env 文件（数据库已配置为腾讯云MySQL）

# 运行数据库迁移
alembic upgrade head

# 启动开发服务器
uvicorn app.main:app --reload

# 启动 Celery Worker（新终端）
celery -A app.core.celery_app worker --loglevel=info

前端服务

cd frontend

# 安装依赖
pnpm install

# 启动开发服务器
pnpm dev

服务访问地址

前端（本地开发推荐）: http://localhost:3001
前端（Docker方案）: http://localhost:8038
后端API: http://localhost:8037
API文档: http://localhost:8037/docs
Redis: localhost:6379

API 文档摘要

认证API

POST /api/v1/auth/register - 用户注册
POST /api/v1/auth/login - 用户登录（获取JWT Token）
GET /api/v1/auth/me - 获取当前用户信息

工作流API

GET /api/v1/workflows - 获取工作流列表
POST /api/v1/workflows - 创建工作流
GET /api/v1/workflows/{id} - 获取工作流详情
PUT /api/v1/workflows/{id} - 更新工作流
DELETE /api/v1/workflows/{id} - 删除工作流
POST /api/v1/workflows/{id}/execute - 执行工作流

执行管理API

GET /api/v1/executions - 获取执行记录列表
GET /api/v1/executions/{id} - 获取执行详情
GET /api/v1/executions/{id}/status - 获取执行状态

数据源API

GET /api/v1/data-sources - 获取数据源列表
POST /api/v1/data-sources - 创建数据源
POST /api/v1/data-sources/{id}/test - 测试数据源连接
POST /api/v1/data-sources/{id}/query - 执行数据查询

Agent 与编排 API（新增）

POST /api/v1/agent-chat/bare - 默认 Agent 直接对话（无需预配置）
POST /api/v1/agent-chat/{agent_id} - 与指定 Agent 对话（复用工作流配置）
POST /api/v1/agent-chat/orchestrate - 多 Agent 编排（route/sequential/debate 三种模式）
- 请求体: { message, mode, agents[] } 每个 Agent 可独立配置 system_prompt/model/temperature/tools
- 返回: { final_answer, steps[], agent_results[] }

Agent 监控 API（新增）

GET /api/v1/agent-monitoring/overview - Agent 概览统计（Agent 数、对话/LLM/工具调用次数、Token 用量）
GET /api/v1/agent-monitoring/llm-calls?days=7&limit=50 - LLM 调用记录列表（模型、tokens、耗时、状态）
GET /api/v1/agent-monitoring/agents-stats?days=7 - 各 Agent 用量排行（调用次数、Token、延迟）
GET /api/v1/agent-monitoring/tool-usage?days=7 - 工具调用频次统计
GET /api/v1/agent-monitoring/daily-trend?days=7 - 每日 LLM 调用趋势

虚拟公司 API（新增）

GET /api/v1/companies — 公司列表
POST /api/v1/companies — 创建公司
GET /api/v1/companies/{id} — 公司详情
DELETE /api/v1/companies/{id} — 删除公司
GET /api/v1/companies/{id}/export — 导出公司报告（RFC 5987 Markdown）
POST /api/v1/companies/{id}/projects — 创建公司项目
POST /api/v1/companies/{id}/projects/{pid}/execute — 同步执行
POST /api/v1/companies/{id}/projects/{pid}/execute/async — 异步执行
GET /api/v1/companies/{id}/projects — 项目列表
GET /api/v1/companies/{id}/projects/{pid} — 项目详情
POST /api/v1/companies/{id}/projects/{pid}/stop — 停止项目
GET /api/v1/companies/{id}/projects/{pid}/report — 导出项目报告
WS /api/v1/ws/company/{pid} — 实时事件推送（DB 轮询，0.8s 间隔）

虚拟团队 API（新增）

GET /api/v1/teams — 团队列表
POST /api/v1/teams — 创建团队
POST /api/v1/teams/{id}/execute — 执行团队项目
POST /api/v1/teams/{id}/execute/stream — 执行（SSE 流式）

WebSocket API

ws://localhost:8037/ws/execution/{execution_id} - 执行状态实时推送

完整API文档请访问：http://localhost:8037/docs

用户指南摘要

快速开始使用

登录系统：访问 http://localhost:8038，注册并登录
创建工作流：点击"创建工作流"按钮进入可视化编辑器
拖拽节点：从左侧工具箱拖拽节点到画布
连接节点：点击节点的连接点并拖拽到目标节点
配置节点：点击节点，在右侧配置面板设置参数
保存工作流：点击工具栏的"保存"按钮
执行工作流：点击工具栏的"运行"按钮

节点类型说明

开始节点：工作流起始节点
输入节点：数据输入节点，可配置输入参数
LLM节点：AI 模型处理节点，支持 OpenAI、DeepSeek 等；DeepSeek 推荐选用 deepseek-v4-flash 或 deepseek-v4-pro（旧名 deepseek-chat / deepseek-reasoner 仍可兼容使用，计划 2026/07/24 弃用）
条件节点：条件判断节点，支持表达式配置
转换节点：数据转换节点，支持JSONPath、模板等
输出节点：数据输出节点，可配置输出格式
结束节点：工作流结束节点

工具调用功能

在LLM节点中启用工具调用，AI可以调用内置工具处理任务：

选择LLM节点，打开"工具"标签页
启用"启用工具调用"开关
选择需要的工具（可多选）
保存配置

开发指南

开发规范

前端代码规范：ESLint + Prettier
后端代码规范：PEP 8 + Black
Git提交规范：Conventional Commits
代码审查：必须通过Code Review

测试指南

# 前端测试
cd frontend
pnpm test

# 后端测试
cd backend
pytest

数据库迁移

cd backend

# 创建新的迁移
alembic revision --autogenerate -m "描述"

# 应用迁移
alembic upgrade head

# 回退迁移
alembic downgrade -1

添加新节点类型

后端：在 backend/app/services/workflow_engine.py 的 execute_node 中增加节点类型分支；如需校验，可扩展 workflow_validator.py
前端：在 frontend/src/components/nodes/（或工作流编辑器关联组件）中增加节点展示与配置
前端：在 frontend/src/stores/workflowStore.ts 等处注册节点类型与默认数据

测试指南

单元测试

使用 pytest 框架
测试核心功能和工作流引擎
测试API端点

集成测试

测试数据库操作
测试外部API集成
测试工作流执行

端到端测试

测试用户界面交互
测试完整工作流执行
测试跨浏览器兼容性

内置工具列表

平台提供10个内置工具，详细功能如下：

工具名称	功能描述	主要参数
http_request	发送HTTP请求	url, method, headers, body
file_read	读取文件内容	file_path
file_write	写入文件内容	file_path, content, mode
text_analyze	分析文本内容	text, operation
datetime	处理日期时间	operation, format
math_calculate	执行数学计算	expression
system_info	获取系统信息	无
json_process	处理JSON数据	json_string, operation
database_query	只读数据库查询	datasource/query(按工具schema)
adb_log	设备日志读取	command/serial/lines(按工具schema)

说明：http_request 已加入响应体截断与头部精简机制（支持 max_body_chars），用于避免大页面导致 LLM 上下文超限。

详细使用示例请参考：内置工具列表.md

开发进度和路线图

当前完成度

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% ✅
自主 Agent Runtime: 100% ✅（2026-04 新增）
多 Agent 编排: 100% ✅（2026-05 新增）
Agent 监控 Dashboard: 100% ✅（2026-05 新增）
SSE 流式输出: 100% ✅（2026-05 新增）
向量记忆 + 知识库 RAG: 100% ✅（2026-05 新增）
工具市场: 100% ✅（2026-05 新增）
工作流预算接入: 100% ✅（2026-05 新增）
Agent 自主学习: 100% ✅（2026-05 新增）
Agent 定时任务系统: 100% ✅（2026-05 新增）
飞书通知与机器人对话: 100% ✅（2026-05 新增）
虚拟团队（TeamOrchestrator）: 100% ✅（2026-06 新增）
虚拟公司 MVP（一档）: 100% ✅（2026-06 新增）
虚拟公司二档（审批/返工/预算/模板）: 100% ✅（2026-07 新增）
虚拟公司三档-a/b（事件批量落库+并发上限）: 100% ✅（2026-07 新增）
虚拟公司四档（交接/学习闭环/按部门配模型/导出报告）: 100% ✅（2026-07 新增）
per-dept 独立 session（K3 改造）: 100% ✅（2026-07-26）
编排器测试 22 个: 100% ✅（2026-07-26）
演示项目 4 个: 100% ✅
整体项目: 约 99.9%

已完成核心功能

完整的用户认证系统 - 注册、登录、JWT认证
工作流CRUD - 创建、读取、更新、删除工作流
工作流执行引擎 - DAG构建、拓扑排序、节点执行
可视化编辑器 - 拖拽节点、连线、配置面板
异步任务处理 - Celery集成，支持长时间运行的任务
多模型支持 - OpenAI、DeepSeek 等（DeepSeek 主推 deepseek-v4-flash / deepseek-v4-pro）
内置工具调用 - 10 个内置工具支持
实时状态推送 - WebSocket实时推送执行状态
批量Agent场景生成 - 教育与政务/媒体场景批量创建脚本
Windows运维文档统一 - 启停/重启流程合并为单一权威文档
自主 AI Agent 运行时 - 新增 agent_runtime 模块（~1020 行），实现 ReAct 自主循环、工具调用、分层记忆管理
Agent 独立对话 - POST /api/v1/agent-chat/bare 和 /{agent_id} API，前端 AgentChat.vue 页面
工作流 Agent 节点 - 工作流引擎新增 agent 节点类型，Agent 可嵌入 DAG 执行
执行追踪与思考链 - 后端 steps 记录每步迭代，前端可展开显示思考链
记忆压缩总结 - LLM 自动提取用户画像/关键事实/话题，去重后存入长期记忆
Agent 配置页面 - AgentConfig.vue 可视化编辑 System Prompt / 模型 / Temperature / 工具
多 Agent 编排 - AgentOrchestrator 三种模式（route/sequential/debate），前端编排 UI 支持模式切换和动态 Agent 编辑
Agent 监控 Dashboard - 实时 LLM 调用埋点（AgentLLMLog 表）、Agent 用量排行、Token 统计、工具调用频次、日趋势图
SSE 流式输出 - Agent 思考过程实时推送到前端
向量记忆 - Embedding API + 余弦相似度 Top-K 语义检索
知识库 RAG - 文件上传 → 5 种格式解析 → 分块 → 向量化 → 检索增强
工具市场 - HTTP/Code 工具 CRUD + 沙箱测试 + 分类浏览
工作流预算接入 - Agent LLM/工具调用计入 WorkflowEngine 全局预算
Agent 自主学习 - 从历史执行中自动优化工具选择策略（AgentLearningPattern）
Agent 定时任务系统 - cron 表达式定时触发 Agent 执行，集成 Celery Beat
飞书通知与机器人对话 - 通知系统、飞书定时任务推送、橙子飞书机器人
虚拟团队编排 - TeamOrchestrator（~1975 行），PM→Design→Dev→QA→DevOps 流水线
虚拟公司编排 - CompanyOrchestrator（~1600 行），CEO 规划→部门并行→评审返工
事件批量落库 - _EventBuffer（add_all + commit），N=25/T=0.7s
并发上限+排队 - _PROJECT_SEM 信号量，MAX_CONCURRENT_COMPANY_PROJECTS=3
学习闭环 - 自动沉淀 CompanyKnowledge + 注入历史知识到 CEO
一键导出报告 - RFC 5987 编码，Markdown 格式项目运行报告
per-dept 独立 session - 消除共享 db_orch 竞态（K3 2026-07-26）
编排器测试 - 22 个 pytest（CEO JSON/知识过滤/交接上下文/全流程 mock）

近期规划

多租户支持 - 租户模型、数据隔离、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
性能优化 - 工作流执行性能优化、前端性能优化
用户体验优化 - 工作流编辑器优化、Agent使用体验优化

详细开发进度请参考：开发进度.md

常见问题

1. 数据库连接失败

检查MySQL数据库是否可访问（腾讯云数据库）
检查数据库连接信息是否正确（.env 文件）
检查网络连接是否正常

2. Redis 连接失败

检查Redis是否正在运行
检查Redis URL是否正确

3. 前端无法连接后端

检查后端服务是否正在运行
检查前端配置的API URL是否正确（vite.config.ts）
检查CORS配置是否正确

4. Celery 任务不执行

检查Celery Worker是否正在运行
检查Redis连接是否正常
检查任务是否正确注册

5. 工作流执行失败

检查节点配置是否正确
检查LLM API密钥是否有效
查看执行日志获取详细错误信息

联系和支持

API文档：http://localhost:8037/docs
前端服务（本地开发）：http://localhost:3001
前端服务（Docker）：http://localhost:8038
问题反馈：查看项目文档或联系开发团队

演示项目

#	项目	生成方式	状态
1	Framework 知识管理软件	虚拟团队	可运行（Vue3 + FastAPI + SQLite）
2	「今天吃啥」渭南家常菜	虚拟公司	可运行（69 道菜，PWA）
3	家庭阅读激励工具	虚拟公司	设计文档（PRD/原型），无代码
4	家庭泡饮制作助手	虚拟公司 + 人工打磨	可直接用（59 款饮品，真图，纯前端）

详细启动方式见 docs/天工虚拟团队演示项目.md

关键文档索引

项目管理：天工平台项目管理.md（Obsidian）
Windows 启停：docs/startup-deploy/(红头)Windows服务器启动与重启唯一指南(1.0版本).md
Git 上传：docs/startup-deploy/上传git仓.md
平台资料：docs/平台资料.md（Gitea + 项目结构速查）
商业化计划：docs/商业化落地计划.md
演示项目：docs/天工虚拟团队演示项目.md
K3 交接资料：docs/deepseek4pro交接/（6 份）
虚拟公司迭代方案：.claude/projects/D--cd-claude-code/memory/project_company_roadmap.md
Agent Runtime 源码入口：backend/app/agent_runtime/core.py
公司编排器：backend/app/services/company_orchestrator.py
团队编排器：backend/app/services/team_orchestrator.py
编排器测试：backend/tests/test_company_orchestrator.py（22 个）

最后更新: 2026-07-26 文档版本: 2.0

本文档基于项目现有文档整理生成，涵盖项目核心信息。详细技术方案请参考方案-优化版.md。DeepSeek 模型名与 Base URL 以官方文档为准，变更时请同步修订本节。

34 KiB Raw Blame History Unescape Escape

天工智能体平台 - 核心文档汇总

项目概述

项目背景

核心价值

目标用户

系统架构设计

整体架构

技术栈选型

前端技术栈

后端技术栈

核心功能模块

1. 用户认证系统

2. 工作流管理

3. 工作流执行引擎

4. 节点类型支持

5. 内置工具调用

6. 执行管理

7. 数据源管理

8. 模型配置管理

Agent管理

10. Agent Runtime（自主 AI Agent）

11. Agent 定时任务系统

12. 虚拟团队（Team Orchestrator）

13. 虚拟公司（Company Orchestrator）

14. 飞书集成和通知系统

项目结构

部署指南

前置要求

使用 Docker Compose 启动（推荐）

本地开发部署

后端服务

前端服务

服务访问地址

API 文档摘要

认证API

工作流API

执行管理API

数据源API

Agent 与编排 API（新增）

Agent 监控 API（新增）

虚拟公司 API（新增）

虚拟团队 API（新增）

WebSocket API

用户指南摘要

快速开始使用

节点类型说明

工具调用功能

开发指南

开发规范

测试指南

数据库迁移

添加新节点类型

测试指南

单元测试

集成测试

端到端测试

内置工具列表

开发进度和路线图

当前完成度

已完成核心功能

近期规划

常见问题

1. 数据库连接失败

2. Redis 连接失败

3. 前端无法连接后端

4. Celery 任务不执行

5. 工作流执行失败

联系和支持

演示项目

关键文档索引

34 KiB

Raw Blame History