grouphyx/README.md

🤖 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：

   # 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：

   # 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

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