Go to file
2026-01-09 09:49:57 +08:00
.gitignore feat: 添加多Agent决策工作坊项目\n\n- 实现多角色AI代理辩论系统\n- 添加Streamlit交互界面\n- 包含4个专业角色:技术专家、商业分析师、用户体验师、风险顾问\n- 支持实时辩论过程和智能决策要点生成\n- 添加完整的项目文档和依赖配置 2026-01-09 01:27:23 +08:00
app.py 优化智能选项系统:实现触类旁通能力 2026-01-09 09:20:38 +08:00
build_exe.py feat: 添加便携启动器和智能选项生成功能\n\n- 添加启动应用.bat便携启动器\n- 实现AI智能选项生成系统\n- 优化UI界面和问题细化功能\n- 更新端口号为8513\n- 添加打包脚本build_exe.py和simple_build.py 2026-01-09 09:49:57 +08:00
README.md 更新README:添加当前运行访问地址信息 2026-01-09 09:25:19 +08:00
requirements.txt feat: 添加多Agent决策工作坊项目\n\n- 实现多角色AI代理辩论系统\n- 添加Streamlit交互界面\n- 包含4个专业角色:技术专家、商业分析师、用户体验师、风险顾问\n- 支持实时辩论过程和智能决策要点生成\n- 添加完整的项目文档和依赖配置 2026-01-09 01:27:23 +08:00
simple_build.py feat: 添加便携启动器和智能选项生成功能\n\n- 添加启动应用.bat便携启动器\n- 实现AI智能选项生成系统\n- 优化UI界面和问题细化功能\n- 更新端口号为8513\n- 添加打包脚本build_exe.py和simple_build.py 2026-01-09 09:49:57 +08:00
启动应用.bat feat: 添加便携启动器和智能选项生成功能\n\n- 添加启动应用.bat便携启动器\n- 实现AI智能选项生成系统\n- 优化UI界面和问题细化功能\n- 更新端口号为8513\n- 添加打包脚本build_exe.py和simple_build.py 2026-01-09 09:49:57 +08:00

AI经理人为你把关

🤖 专业决策把关系统 - 基于AI的多角色决策辅助平台

项目简介

这是一个为团队决策者、产品经理和战略规划师设计的AI决策辅助平台。通过4个专业AI经理人技术专家、战略顾问、用户体验师、风险顾问的多角度把关帮助用户全面分析复杂问题并生成结构化决策要点。

核心功能

🎯 多角色AI经理人把关

  • 技术专家 - 技术可行性、实现难度分析
  • 战略顾问 - 战略规划、竞争优势评估
  • 用户体验师 - 用户需求、易用性分析
  • 风险顾问 - 风险识别、不确定性评估

🔄 实时把关过程展示

  • 可视化展示经理人间的把关流程
  • 实时显示论点、论据和推理过程
  • 支持把关过程的交互控制

📊 智能决策要点生成

  • 自动总结关键观点和共识
  • 生成结构化决策建议
  • 提供风险评估和行动方案

快速开始

环境要求

  • Python 3.8+
  • DeepSeek API密钥

安装步骤

  1. 克隆项目
git clone <repository-url>
cd multi_agent_decision_workshop
  1. 安装依赖
pip install -r requirements.txt
  1. 配置环境变量 创建 .env 文件并添加:
DEEPSEEK_API_KEY=your_deepseek_api_key_here

🌐 访问地址

当前运行地址

启动应用

python -m streamlit run app.py --server.headless true --server.port 8513

端口说明

  • 默认端口8513可自定义
  • 如果端口被占用会自动尝试其他端口8510-8520
  1. 运行应用
streamlit run app.py
  1. 打开浏览器访问 http://localhost:8501

使用指南

基本流程

  1. 输入决策问题 - 在左侧面板输入需要分析的决策问题
  2. 开始辩论 - 点击"开始辩论"按钮激活AI代理
  3. 观察辩论 - 实时观看4个专业角色的观点碰撞
  4. 生成总结 - 辩论结束后生成结构化决策要点
  5. 制定计划 - 基于共识制定具体行动计划

决策模板

系统内置常见决策模板:

  • 产品功能优先级排序
  • 技术方案选择评估
  • 市场进入策略分析
  • 团队资源分配决策

技术架构

前端

  • Streamlit - 快速原型开发框架
  • 实时更新 - 辩论过程的动态展示
  • 响应式设计 - 适配不同屏幕尺寸

后端

  • DeepSeek API - AI对话能力支持
  • 多代理协调 - 角色间的对话管理
  • 内容分析 - 辩论内容的智能处理

数据流

  1. 用户输入 → 问题解析
  2. 代理激活 → 角色分配
  3. 多轮辩论 → 观点碰撞
  4. 内容分析 → 决策生成
  5. 结果展示 → 用户反馈

项目结构

multi_agent_decision_workshop/
├── app.py                 # 主应用文件
├── requirements.txt       # 项目依赖
├── README.md             # 项目说明
└── .env                  # 环境变量配置

开发计划

Phase 1: MVP版本

  • 基础Streamlit界面
  • 单个AI代理对话功能
  • 简单的辩论流程控制

Phase 2: 功能完善 🔄

  • 辩论过程可视化优化
  • 更多专业角色代理
  • 辩论内容深度分析

Phase 3: 高级功能 📈

  • 自定义角色配置
  • 辩论过程导出功能
  • 决策历史记录

贡献指南

欢迎提交Issue和Pull Request

开发环境设置

  1. Fork项目仓库
  2. 创建功能分支
  3. 提交代码变更
  4. 创建Pull Request

许可证

MIT License

联系方式

  • 项目主页: [GitHub Repository]
  • 问题反馈: [Issues]
  • 功能建议: [Discussions]

让AI成为您的决策智囊团助力更明智的商业决策

2411020231 音布鲁格 主程序师 2411020225 刘明扬 副程序师

心得

创作《决策智囊团》源于对个体决策局限的观察。我意识到最好的决策来自多维视角的碰撞而非单一“正确答案”。因此项目的核心从构建一个“超级专家”转向设计四个性格与专长各异的AI角色让它们进行有节奏的辩论。

技术实现上,从“单声道”问答到“多声道”交锋是一大突破。更大的挑战在于人性化设计:如何让辩论既有专业深度,又产出可落地的建议?我通过为角色注入性格(如技术专家的严谨、体验师的共情)并设计发言规则来模拟真实会议,确保冲突充分暴露而非过早消解。

整个过程让我深刻反思AI的真正价值并非提供答案而是拓展人类的思维边界。它通过系统性的观点交锋揭示盲区、量化风险但最终决定权与责任必须牢牢握在人类手中。这是一个谦卑的辅助者而非替代者。