🍎 智能决策工作坊 (Multi-Agent Council V4)

AI驱动的多智能体决策分析系统 - 基于多模型智囊团

✨ 核心功能

🧪 Multi-Model Council V4 (智囊团模式)

• 多轮对话讨论: 专家像真实会议一样进行多轮对话，互相批判、补充观点
• 动态专家组建: 自定义 2-5 位专家，为每位指定最擅长的模型
• 🪄 智能专家生成: AI 根据主题自动推荐最合适的专家角色
• 最终决策合成: 最后一位专家综合全场观点，生成方案并绘制 Mermaid 路线图

🎯 内置决策场景

系统预置 4 大典型决策场景，每个场景都配置了专业的典型问题：

场景	描述
🚀 新产品发布评审	评估产品可行性、市场潜力和实施计划
💰 投资审批决策	分析投资项目的 ROI、风险和战略价值
🤝 合作伙伴评估	评估合作伙伴的匹配度和合作价值
📦 供应商评估	对比分析供应商的综合能力

🎭 Debate Workshop (辩论工作坊)

让 AI 扮演不同立场角色，通过辩论帮助厘清复杂决策的利弊

💬 用户反馈

内置用户反馈系统，收集功能建议和使用体验

🌐 多平台支持

• DeepSeek: V3, R1, Coder
• OpenAI: GPT-4o, GPT-4o-mini
• Anthropic: Claude 3.5 Sonnet
• Google: Gemini 1.5/2.0
• SiliconFlow / AIHubMix / Deepseek

---

🛠️ 安装

# 克隆项目
git clone https://github.com/HomoDeusss/multi-agent.git
cd multi-agent

# 初始化 uv 项目（如首次使用）
uv init

# 安装依赖
uv add streamlit openai anthropic python-dotenv

# 或者同步现有依赖
uv sync

🚀 快速开始

uv run streamlit run app.py

使用步骤

1. 配置 API: 在侧边栏选择 Provider 并输入 API Key
2. 选择场景: 点击预置的决策场景或自定义主题
3. 生成专家: 点击 "🪄 根据主题自动生成专家" 或手动配置
4. 开始决策: 观察专家们如何互相对话，生成综合方案

---

📁 项目结构

multi_agent_workshop/
├── app.py                 # Streamlit 主应用
├── config.py              # 配置文件
├── agents/                # Agent 定义
│   ├── agent_profiles.py  # 预设角色配置
│   ├── base_agent.py      # 基础 Agent 类
│   └── research_agent.py  # 研究型 Agent
├── orchestrator/          # 编排器
│   ├── debate_manager.py  # 辩论管理
│   └── research_manager.py # 智囊团管理
├── utils/
│   ├── llm_client.py      # LLM 客户端封装
│   ├── storage.py         # 存储管理
│   └── auto_agent_generator.py # 智能专家生成
└── report/                # 报告生成

📝 License

MIT License