BULAK/README.md

多 Agent 决策工作坊

🤖 决策智囊团 - 基于AI的多角色辩论辅助决策平台

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辅助决策平台。通过4个专业AI代理（技术专家、商业分析师、用户体验师、风险顾问）的多角度辩论，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代理辩论

• 技术专家 - 技术可行性、实现难度分析
• 商业分析师 - 市场机会、商业模式评估
• 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

🔄 实时辩论过程展示

• 可视化展示代理间的辩论流程
• 实时显示论点、论据和推理过程
• 支持辩论过程的交互控制

📊 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

2. 安装依赖

pip install -r requirements.txt

3. 配置环境变量 创建 .env 文件并添加：

DEEPSEEK_API_KEY=your_deepseek_api_key_here

4. 运行应用

streamlit run app.py

5. 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。