多 Agent 决策工作坊

项目概述

多 Agent 决策工作坊是一个基于 Flask 和 DeepSeek API 的方案评审工具，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。

核心功能

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。
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），每个角色拥有独特的视角和关注点。
3. AI 驱动的决策分析：基于多角色的辩论内容，使用 DeepSeek API 生成全面的决策要点和建议。
4. 智能排序与筛选：支持按时间（升序/降序）和名称首字母排序工作坊，默认按时间降序显示最新工作坊。
5. 批量操作功能：支持多选工作坊进行批量删除，勾选框显示在右侧空白处，与工作坊名称高度对齐。
6. 防抖与状态管理：点击查看结果按钮时，实现防抖功能，避免重复生成结果，并显示加载提示。
7. 结果缓存：生成AI结果后自动保存，后续点击查看结果时直接显示已保存结果，无需重复生成。
8. 优化的用户界面：工作坊列表标题与右侧按钮字符中心线对齐，创建第一个工作坊按钮在列表方框中居中显示。

使用场景

• 产品方案评审：评估新功能或产品方案的可行性和风险。
• 技术选型决策：在多种技术方案中进行客观比较和选择。
• 项目规划评审：对项目计划、资源分配等进行多维度分析。

快速开始

环境要求

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

安装步骤

1. 克隆项目

2. 初始化虚拟环境

   uv init
   

3. 安装依赖

   uv add flask requests python-dotenv
   

4. 配置 API 密钥 创建 .env 文件，添加以下内容：

   DEEPSEEK_API_KEY=your_deepseek_api_key
   

5. 启动应用

   python app.py
   

6. 访问应用 打开浏览器，访问 http://localhost:5000

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

使用指南

1. 创建工作坊：在首页点击"创建新工作坊"，填写工作坊名称和目标。
2. 配置角色：为工作坊添加不同的角色，每个角色需要设置名称和视角。
3. 开始辩论：选择角色，输入该角色的观点和建议。
4. 查看结果：点击"查看结果"按钮，系统会基于所有角色的辩论内容，生成决策要点和建议。首次点击会生成结果并显示加载提示，后续点击会直接显示已保存的结果。
5. 排序工作坊：点击"按时间排序"按钮可按创建时间升序排列工作坊，默认状态下工作坊按创建时间降序显示。点击"按名称首字母排序"按钮可按名称字母顺序排列工作坊。
6. 批量操作：点击"多选"按钮进入多选模式，勾选工作坊后可进行批量删除操作。多选模式下，勾选框会显示在工作坊名称右侧，与名称高度对齐。
7. 保存最终决策：在查看结果页面，填写最终决策后点击"保存最终决策"按钮，系统会保存决策并自动跳转到首页。

技术栈

• 后端：Python, Flask
• 前端：HTML, CSS, Jinja2 模板
• AI 集成：DeepSeek API
• 环境管理：uv

许可证

MIT

孙子舒 2411020120 陈敬峰 2411020229

心得

通过本次多 Agent 决策工作坊项目的开发，我深刻体会到了多角色视角在决策过程中的重要性。在实际开发中，我们常常需要从不同角度审视问题，而本系统通过模拟多角色辩论的方式，能够帮助团队更全面地分析方案，避免片面决策。

在技术实现上，我学习了如何使用 Flask 框架快速搭建 Web 应用，并整合 DeepSeek API 实现 AI 功能。同时，通过使用 uv 管理虚拟环境和依赖，使得项目环境配置更加简便和规范。

项目开发过程中，我重点关注了用户体验的优化：从调整工作坊列表的布局对齐，到实现查看结果按钮的防抖功能，再到优化时间排序逻辑，每一个细节的改进都让系统更加易用和直观。特别是在实现 AI 结果缓存功能时，我意识到良好的状态管理对于提升用户体验至关重要，它不仅减少了重复的 API 调用，还让用户能够即时查看已生成的结果。

此外，我还体验了从需求分析、设计、编码到测试的完整开发流程，提高了解决实际问题的能力。在处理多选框布局、排序逻辑等细节问题时，我学会了如何平衡功能实现与视觉效果，确保系统既实用又美观。

在未来的学习中，我将继续探索更多 AI 与 Web 应用结合的场景，提升系统的智能化水平。同时，我也会更加注重用户体验的细节，努力开发出更加人性化的应用。

最后，感谢老师和同学们在项目过程中给予的帮助和指导。