# 🤖 多Agent决策工作坊

## 简介
多Agent决策工作坊是一个基于 AI 技术的方案评审工具，通过模拟不同角色的专业人士进行评审讨论（当前为**单轮评审**：每个角色各输出一次观点），并自动提取关键决策要点，帮助团队做出更全面、更理性的决策。

## 团队成员与贡献（必填）

| 姓名 | 学号 | 主要贡献（具体分工） |
|---|---|---|
| 胡云翔 | 2310561224 | （独立完成）选题与需求分析；Prompt 设计；项目结构搭建；Streamlit 前端实现；多 Agent 评审逻辑实现；结果可视化与导出；文档与开发心得撰写；测试与 Bug 修复 |

## 如何运行

1. **安装依赖**：
   ```bash
   # 进入项目目录
   cd multi_agent_submission
   
   # 同步依赖（uv 会自动创建虚拟环境）
   uv sync
   ```

2. **配置 API Key**：
   - 复制 `env.example` 为 `.env`（Windows 用 `copy` 命令）
   - 在 `.env` 中填入你的 API Key（支持两种格式）：
     ```
     # 推荐：OpenAI 兼容命名（二选一）
     OPENAI_API_KEY=sk-xxxxxx
     
     # 或 DeepSeek 兼容命名（二选一）
     # DEEPSEEK_API_KEY=sk-xxxxxx
     
     # 可选：API 基础地址（默认 DeepSeek）
     # OPENAI_API_BASE=https://api.deepseek.com/v1
     # MODEL_ID=deepseek-chat
     ```
   > ⚠️ 注意：
   > - 请勿将 `.env` 文件提交到 Git（已通过 .gitignore 过滤）
   > - 如果遇到 SSL 问题，可尝试添加 `REQUESTS_CA_BUNDLE=` 或 `CURL_CA_BUNDLE=`

3. **启动应用**：
   ```bash
   # 确保在 multi_agent_submission/ 目录下执行
   uv run streamlit run app.py
   ```
   
   - 如果一切正常，浏览器会自动打开应用
   - 如果缺少 Key，页面上会显示明确的错误提示和解决方案

## 功能列表

- [x] 📋 方案内容输入
- [x] 👥 多角色选择（产品经理、技术专家、用户代表等）
- [x] 🔄 单轮评审（固定 1 轮，减少调用次数、提升速度）
- [x] 🚀 自动评审流程
- [x] 📊 评审结果可视化
- [x] ✅ 智能决策要点生成

## 技术栈

- 🐍 **Python 3.12+**
- ⚡ **uv** - 极速Python包管理器
- 🤖 **DeepSeek API** - AI模型支持
- 🎨 **Streamlit** - 交互式Web界面
- 📦 **Pydantic** - 数据验证和管理

## 项目结构

```
multi_agent_submission/
├── app.py              # 主应用入口（Streamlit）
├── agent.py            # Agent 与评审管理逻辑
├── config.py           # 配置文件
├── .env                # 环境变量配置
├── pyproject.toml      # 项目依赖配置
├── uv.lock             # 依赖锁定文件
└── README.md           # 项目说明文档
```

## 使用说明

1. **输入方案**：在左侧输入需要评审的方案内容
2. **选择角色**：选择参与评审的专业角色
3. **开始评审**：点击"开始评审"按钮（当前固定为单轮评审）
4. **查看结果**：等待评审完成后，查看各角色观点与生成的决策要点

## 核心特性

- **多角色模拟**：支持 5 种不同专业角色的方案评审（单轮）
- **智能决策提取**：自动从评审内容中提取关键决策要点
- **交互式界面**：友好的 Web 界面，易于操作
- **可扩展设计**：支持添加新的角色与评审规则（保留扩展空间）

## 开发心得

见 `REFLECTION.md` 文件。