| agents | ||
| orchestrator | ||
| report | ||
| utils | ||
| .env.example | ||
| .gitignore | ||
| .python-version | ||
| app.py | ||
| config.py | ||
| LICENSE | ||
| main.py | ||
| Project_Design.md | ||
| pyproject.toml | ||
| README.md | ||
| requirements.txt | ||
| uv.lock | ||
🍎 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
👥 团队成员与贡献
| 姓名 | 学号 | 主要贡献 (具体分工) |
|---|---|---|
| 徐睿敏 | 2411020228 | (组长) 核心逻辑开发、Multi-Agent 编排、Prompt 工程 |
| 高玮 | 2411020226 | 前端界面设计 (Streamlit UI)、决策场景模块、PPT 制作 |
| 马菁艺 | 2411020230 | 文档撰写、测试与 Bug 修复、用户反馈模块 |
✨ 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 http://hblu.top:3000/Python2025-CourseDesign/wd666.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
cd wd666
uv run streamlit run app.py
使用步骤
- 配置 API: 在侧边栏选择 Provider 并输入 API Key
- 选择场景: 点击预置的决策场景或自定义主题
- 生成专家: 点击 "🪄 根据主题自动生成专家" 或手动配置
- 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
心得体会
在当今的工作及学习生活中，决策充斥着我们生活的多个方面。而在决策时往往面临着个人情绪以及经验对决策的过度影响、数据量庞大缺乏有效分析以及结构化建议等问题。此程序的设计，可以为用户提供系统化评估框架，明确决策优先级，以及内置评估维度和权重体系。同时，我们在决策过程中引入 "虚拟会议" 功能，模拟真实决策会议中不同角色的视角和建议，帮助用户全面理解各利益相关方的立场。 在程序设计过程中，使用ai协助无疑大大降低了代码编写的门槛，加快了代码编写的速度。先构思程序功能，让ai生成骨架，在根据测试完善功能，这转变了我们的编程思维，从纠结语法细节转向专注业务逻辑，从边写边想升级直接设计然后优化功能。在开发决策系统时，AI不仅快速生成核心代码，还创意性地建议加入“模拟会议”功能，让项目更加丰富立体。 当然，AI辅助编程也有挑战和陷阱。最大的考验是如何精准表达需求——模糊的描述会得到模糊的答案。在设计过程中，因表达不全面，在优化过程中ai删去了需要的功能，这也让我们看到ai的局限性，这提醒我们用更结构化的语言说明需求，以获得更符合要求的方案。