Python2025-CourseDesign/sunpayus

Fork 0

st2411020120 a75a9aaaae Initial commit: 多 Agent 决策工作坊项目

2026-01-08 20:32:03 +08:00

4.8 KiB

Raw Blame History

多 Agent 决策工作坊 - 项目设计文档

1. 一句话描述

多 Agent 决策工作坊是一个为团队提供方案评审服务的 Web 应用，通过模拟多角色视角的辩论，帮助团队生成全面、客观的决策要点。

2. 核心功能 (MVP)

2.1 工作坊创建与管理

创建新的决策工作坊，设置工作目标和评审范围
管理已有的工作坊，支持查看和编辑工作坊信息

2.2 多角色配置

为每个工作坊配置不同的角色（如产品经理、技术专家、用户代表等）
为每个角色设置独特的视角和关注点，确保决策考虑的全面性

2.3 AI 驱动的决策分析

收集多角色的辩论内容和观点
使用 DeepSeek API 分析辩论内容，生成全面的决策要点和建议
展示决策分析结果，包括关键因素、风险评估和具体建议

3. 交互流程

3.1 用户操作流程

用户打开应用
- 访问应用首页，查看已有工作坊列表
创建新工作坊
- 点击"创建新工作坊"按钮
- 填写工作坊名称和目标
- 点击"下一步"按钮进入角色配置
配置角色
- 输入角色名称（如产品经理、技术专家等）
- 输入角色的视角和关注点
- 点击"添加更多角色"继续添加，或点击"完成配置"进入辩论环节
开始辩论
- 选择一个角色
- 输入该角色的观点和建议
- 点击"提交观点"按钮
- 重复以上步骤，为不同角色添加观点
查看决策分析
- 点击"查看结果"按钮
- 系统使用 DeepSeek API 分析辩论内容
- 展示 AI 生成的决策要点和建议

3.2 页面流程

首页 (index.html)
  ↓
创建工作坊 (create_workshop.html)
  ↓
配置角色 (configure_roles.html)
  ↓
开始辩论 (start_debate.html)
  ↓
查看结果 (results.html)

4. 技术实现

4.1 技术栈

后端：Python 3.8+, Flask 框架
前端：HTML5, CSS3, Jinja2 模板引擎
AI 集成：DeepSeek API
环境管理：uv 虚拟环境
依赖管理：pip
配置管理：python-dotenv

4.2 核心技术点

4.2.1 DeepSeek API 集成

使用 DeepSeek API 分析辩论内容，生成决策要点
构建有效的系统提示，引导 AI 生成高质量的决策分析
实现错误处理，确保 API 调用失败时系统仍能正常运行

4.2.2 数据管理

使用内存字典存储工作坊数据（开发阶段）
支持工作坊的创建、编辑和查询
支持角色配置和辩论内容的管理

4.2.3 用户界面

响应式设计，适配不同屏幕尺寸
直观的用户操作流程，减少学习成本
清晰的结果展示，突出决策要点和建议

5. 项目结构

.
├── app.py              # 主应用文件
├── .env                # 环境变量配置
├── README.md           # 项目说明文档
├── Project_Design.md   # 项目设计文档
├── requirements.txt    # 依赖项列表
└── templates/          # HTML 模板文件
    ├── index.html      # 首页
    ├── create_workshop.html  # 创建工作坊页面
    ├── configure_roles.html  # 配置角色页面
    ├── start_debate.html     # 开始辩论页面
    └── results.html          # 查看结果页面

6. 依赖项

依赖项	版本	用途
Flask	^2.0.0	Web 框架
requests	^2.26.0	HTTP 客户端，用于调用 DeepSeek API
python-dotenv	^0.19.0	环境变量管理

7. 环境要求

Python 3.8+
uv 虚拟环境管理工具
DeepSeek API 密钥

8. 后续扩展

持久化存储：使用数据库存储工作坊数据，支持长期保存和历史查询
用户认证：添加用户登录功能，支持多用户协作
高级分析：增强 AI 分析能力，提供更详细的决策建议和风险评估
导出功能：支持将决策结果导出为 PDF 或其他格式
集成其他 LLM：支持集成多个 AI 模型，提供更全面的分析视角

9. 风险评估

API 调用限制：DeepSeek API 可能有调用次数或速率限制，需要实现合理的错误处理和重试机制
数据安全：工作坊内容可能包含敏感信息，需要考虑数据加密和访问控制
性能优化：AI 分析可能需要较长时间，需要实现异步处理或进度提示

10. 结论

多 Agent 决策工作坊通过模拟多角色视角的辩论，结合 AI 分析能力，为团队提供了一种全新的方案评审方式。它不仅能够帮助团队生成全面、客观的决策要点，还能够促进团队成员之间的有效沟通和协作。

该项目的 MVP 版本已经包含了核心功能，能够满足基本的方案评审需求。后续可以通过持续优化和扩展，进一步提升系统的功能和用户体验。

4.8 KiB Raw Blame History Unescape Escape