基于 LangChain + LangGraph 的多 Agent 协作系统，将自然语言需求转化为完整的项目交付包。
本系统通过多个专业智能体的协作，实现从需求输入到技术交付的全流程自动化：
┌─────────────┐ ┌─────────────┐ ┌─────────────┐ ┌─────────────┐
│ 需求输入 │ -> │ 需求澄清 │ -> │ 方案设计 │ -> │ 工程实现 │
└─────────────┘ └─────────────┘ └─────────────┘ └─────────────┘
│
┌─────────────┐ ┌─────────────┐ │
│ 交付打包 │ <- │ 人工审批 │ <-┘
└─────────────┘ └─────────────┘
- 多智能体协作：Planner、Solution、Engineer、Reviewer 等专业 Agent 分工协作
- 人机协同：支持人工澄清和审批节点，确保交付质量
- 状态驱动：基于 LangGraph 的状态机工作流，支持断点续传
- 全流程交付：输出需求澄清文档、PRD、技术设计、代码骨架和评审报告
| 组件 | 技术 |
|---|---|
| 智能体框架 | LangChain + LangGraph |
| LLM 接口 | OpenAI API |
| 后端服务 | FastAPI + Uvicorn |
| 前端界面 | Vue 3 + TypeScript + Vite |
| 数据存储 | SQLite + SQLAlchemy |
| 向量存储 | ChromaDB |
# 克隆项目
git clone <repository-url>
cd mutil_agent_v1
# 创建虚拟环境
conda create -n multi-agent python=3.11
conda activate multi-agent
# 安装依赖
pip install -r requirements.txt复制 .env.example 为 .env，并填写您的配置：
cp .env.example .env编辑 .env 文件：
# LLM Configuration (必填)
OPENAI_API_KEY=your-api-key-here
OPENAI_API_BASE=https://api.openai.com/v1
OPENAI_MODEL_NAME=gpt-4o
# LangSmith (可选)
LANGCHAIN_TRACING_V2=false
LANGCHAIN_API_KEY=
LANGCHAIN_PROJECT=multi-agent-v1
# Database
DATABASE_URL=sqlite+aiosqlite:///./data/tasks.db
# App
APP_ENV=development
LOG_LEVEL=INFO
MAX_REFLOW_COUNT=2方式一：本地开发启动（适合调试、截图和二次开发）
# 终端 1：启动 FastAPI 后端
start.bat backend
# 终端 2：启动 Vue 前端
start.bat frontend前端地址：http://127.0.0.1:5173。
方式二：Docker 启动（适合环境隔离和快速部署）
start.bat docker前端地址：http://127.0.0.1:8080。
详细准备步骤与故障排查见 安装部署指南。
- 本地开发前端：http://localhost:5173
- Docker 前端：http://localhost:8080
- API 文档：http://localhost:8000/docs
- 健康检查：http://localhost:8000/health
mutil_agent_v1/
├── app/
│ ├── agents/ # 智能体实现
│ │ ├── orchestrator_agent.py # 编排器：输入规范化、人工交互、打包
│ │ ├── planner_agent.py # 规划器：需求澄清与结构化
│ │ ├── solution_agent.py # 方案师：PRD 与技术方案
│ │ ├── engineer_agent.py # 工程师：代码骨架生成
│ │ └── reviewer_agent.py # 评审员：质量检查
│ ├── api/ # API 路由
│ │ └── routes_task.py # 任务管理接口
│ ├── core/ # 核心组件
│ │ ├── config.py # 配置管理
│ │ ├── llm.py # LLM 封装
│ │ ├── logger.py # 日志配置
│ │ └── prompts.py # Prompt 模板
│ ├── graph/ # 工作流图
│ │ ├── builder.py # 图构建器
│ │ ├── checkpoints.py # 状态检查点
│ │ ├── router.py # 路由逻辑
│ │ └── state.py # 状态定义
│ ├── schemas/ # 数据模型
│ ├── storage/ # 数据存储
│ ├── tools/ # 工具函数
│ └── main.py # FastAPI 入口
├── frontend-vue/ # Vue 前端
├── data/ # 数据目录
├── output/ # 交付物输出目录
├── tests/ # 测试用例
├── requirements.txt # 依赖列表
└── start.bat # Windows 启动脚本
系统采用 LangGraph 构建的工作流，包含以下节点：
| 节点 | 职责 | 说明 |
|---|---|---|
| input_normalize | 输入规范化 | 清理和标准化用户输入 |
| planner | 需求规划 | 分析需求，识别待澄清问题 |
| human_clarification | 人工澄清 | 需求不明确时暂停等待用户补充 |
| solution | 方案设计 | 生成 PRD 和技术设计方案 |
| engineer | 工程实现 | 生成代码骨架和项目结构 |
| reviewer | 质量评审 | 检查交付物质量，决定是否回流 |
| human_approval | 人工审批 | 人工确认后进入打包阶段 |
| package_output | 交付打包 | 汇总所有产物生成最终交付包 |
当 Reviewer 发现质量问题时，系统支持回流到上游节点重新处理：
- 最大回流次数：可通过
MAX_REFLOW_COUNT配置（默认 2 次） - 回流目标：根据问题类型回流到 Solution 或 Engineer 节点
POST /tasks
Content-Type: application/json
{
"user_input": "我想开发一个在线教育平台..."
}GET /tasks/{task_id}POST /tasks/{task_id}/feedback
Content-Type: application/json
{
"feedback": "补充信息...",
"approved": true
}GET /tasks/{task_id}/result任务完成后，系统会在 output/{task_id}/ 目录下生成以下交付物：
| 文件 | 说明 |
|---|---|
requirement_*.json |
结构化需求文档 |
prd_*.md |
产品需求文档 (PRD) |
technical_design_*.md |
技术设计方案 |
review_report_*.md |
评审报告 |
full_deliverable_*.json |
完整交付包（JSON 格式） |
pytest tests/ -v- 使用 Python 3.11+
- 遵循 PEP 8 规范
- 类型注解：使用
from __future__ import annotations
当前发布包未授予开源、商业或独家授权。发布者须先确认全部源码与素材的权属，再由实际权利人替换 授权与权属说明 为适用的许可证或订单授权条款。详情见 授权与销售说明。
欢迎提交 Issue 和 Pull Request！
- Fork 本仓库
- 创建特性分支 (
git checkout -b feature/AmazingFeature) - 提交更改 (
git commit -m 'Add some AmazingFeature') - 推送分支 (
git push origin feature/AmazingFeature) - 创建 Pull Request