系统架构文档

整体架构

┌─────────────────────────────────────────────────────────────┐
│                      工作流引擎（Workflow Engine）              │
│                   控制项目生命周期的六个阶段                      │
└───────────────┬─────────────────────────────┬─────────────────┘
                │                             │
    ┌───────────▼──────────┐      ┌──────────▼─────────────┐
    │   智能体系统（Agents）  │      │  共享数据库（SharedDB）  │
    │  - 项目发起人          │◄────►│  - 项目信息              │
    │  - 项目经理            │      │  - 文档记录              │
    │  - 项目组成员          │      │  - 讨论历史              │
    └───────────┬──────────┘      └──────────┬─────────────┘
                │                             │
    ┌───────────▼──────────┐      ┌──────────▼─────────────┐
    │  LLM客户端             │      │  文档生成器               │
    │  - API调用            │      │  - Markdown文档          │
    │  - 重试机制            │      │  - 代码文件              │
    └───────────────────────┘      └────────────────────────┘

核心模块

1. 智能体模块（agents/）

BaseAgent（基类）

所有智能体的基础类，提供：

记忆管理
- 短期记忆：conversation_history（对话历史）
- 工作记忆：working_memory（任务相关临时信息）
- 长期记忆：通过shared_db访问
思考机制
- think()：核心方法，调用LLM生成响应
- 自动管理对话上下文
- 支持额外上下文注入
通信机制
- communicate_with()：与其他智能体通信
- 自动记录到共享数据库

SponsorAgent（项目发起人）

职责：

state_requirements() - 陈述项目需求
participate_in_kickoff() - 参与启动会议
review_product() - 评审产品，决定是否接受
final_acceptance() - 最终验收

ManagerAgent（项目经理）

职责：

draft_project_charter() - 起草项目章程
facilitate_kickoff_meeting() - 主持启动会议，确定三大约束
create_wbs() - 创建工作分解结构
create_management_plans() - 创建三大管理计划
perform_evm_analysis() - 执行挣值分析
update_plans() - 根据反馈更新计划

TeamMemberAgent（项目组成员）

职责：

participate_in_kickoff() - 参与启动会议，提供技术意见
develop_code() - 开发代码
report_progress() - 报告进展
discuss_with_sponsor() - 与发起人讨论改进

2. 数据库模块（database/）

SharedDatabase

集中式数据存储，包含：

数据结构：

{
    'project_info': {...},           # 项目基本信息
    'project_charter': str,          # 项目章程
    'constraints': {                 # 三大约束
        'cost': str,
        'scope': str,
        'schedule': str
    },
    'wbs': str,                      # 工作分解结构
    'management_plans': {            # 管理计划
        'cost_plan': str,
        'scope_plan': str,
        'schedule_plan': str
    },
    'meeting_records': [...],        # 会议记录
    'discussions': [...],            # 讨论记录
    'code_files': {...},             # 代码文件
    'documents': {...},              # 文档
    'evm_records': [...],            # 挣值分析记录
    'execution_cycles': [...]        # 执行控制循环记录
}

核心方法：

保存类：save_(), add_()
查询类：get_*()
导出类：export_to_json()

3. 工作流引擎（workflow/）

WorkflowEngine

控制项目的六个阶段：

def run():
    phase_pre_initiation()      # 阶段1：预启动
    phase_initiation()          # 阶段2：启动
    phase_planning()            # 阶段3：计划
    
    # 阶段4&5：执行与控制（循环）
    for cycle in range(1, MAX_CYCLES + 1):
        phase_execution(cycle)
        phase_control(cycle)
        if get_sponsor_feedback(cycle):
            break
    
    phase_closure()             # 阶段6：结束

阶段详情：

阶段	主要活动	参与者	交付物
预启动	需求陈述、起草章程	发起人、经理	项目章程
启动	启动会议、确定约束	全体	会议记录、三大约束
计划	创建WBS、管理计划	经理	WBS、管理计划
执行	开发代码、报告进展	成员、经理	代码、进展报告
控制	EVM分析、更新计划	经理	EVM报告、更新计划
结束	整理交付物、验收	全体	总结报告、全部交付物

4. 工具模块（utils/）

LLMClient

封装对外部大模型的调用：

class LLMClient:
    def chat(messages, temperature, max_tokens) -> str
    def chat_with_retry(messages, max_retries) -> str

特性：

使用OpenAI兼容接口
支持重试机制
错误处理

DocumentGenerator

生成标准化项目文档：

class DocumentGenerator:
    def generate_project_charter(content) -> str
    def generate_meeting_minutes(...) -> str
    def generate_wbs(content) -> str
    def generate_management_plan(...) -> str
    def generate_evm_report(...) -> str
    def generate_final_summary(...) -> str
    def save_code_file(...) -> None

数据流

1. 预启动阶段数据流

项目创意 → SponsorAgent.state_requirements()
         → 需求描述
         → ManagerAgent.draft_project_charter()
         → 项目章程
         → SharedDB.save_project_charter()
         → DocumentGenerator.generate_project_charter()

2. 启动阶段数据流

项目章程 → SponsorAgent.participate_in_kickoff() → 发言1
         → TeamMemberAgent.participate_in_kickoff() → 发言2
         → ManagerAgent.facilitate_kickoff_meeting() → 三大约束
         → SharedDB.save_constraints()
         → DocumentGenerator.generate_meeting_minutes()

3. 执行-控制循环数据流

循环开始 → TeamMemberAgent.develop_code()
         → 代码文件
         → SharedDB.save_code_file()
         → ManagerAgent.perform_evm_analysis()
         → EVM数据
         → SharedDB.add_evm_record()
         → SponsorAgent.review_product()
         → (接受/拒绝)
         → 如果拒绝 → 下一循环
         → 如果接受 → 结束阶段

记忆系统

三层记忆架构

┌──────────────────────────────────────┐
│          短期记忆（Short-term）         │
│     conversation_history (最近10轮)    │
│     - 对话上下文                        │
│     - 自动管理                          │
└──────────────────┬───────────────────┘
                   │
┌──────────────────▼───────────────────┐
│          工作记忆（Working）            │
│     working_memory (字典)              │
│     - 当前任务相关信息                   │
│     - 临时数据                          │
└──────────────────┬───────────────────┘
                   │
┌──────────────────▼───────────────────┐
│          长期记忆（Long-term）          │
│     shared_db (共享数据库)              │
│     - 项目历史数据                       │
│     - 持久化存储                        │
└──────────────────────────────────────┘

记忆管理策略

短期记忆
- 只保留最近10轮对话
- 每次think()自动更新
- 提供对话上下文
工作记忆
- 存储当前任务的临时数据
- 可手动添加/查询/清空
- 跨方法调用共享
长期记忆
- 通过shared_db访问
- 查询相关讨论：get_discussions_for_agent()
- 查询项目数据：get_project_summary()等

通信机制

智能体间通信

# 发送消息
agent1.communicate_with(
    other_agent_name="项目经理",
    topic="进展报告",
    message="第1次循环已完成..."
)
↓
记录到SharedDB.discussions
↓
# 接收方可查询
agent2.get_relevant_discussions()

通信记录格式

{
    'timestamp': '2025-01-14T18:10:00',
    'from': '项目组成员',
    'to': '项目经理',
    'topic': '进展报告',
    'content': '...'
}

配置系统

config.py

# LLM配置
LLM_CONFIG = {
    'base_url': str,
    'api_key': str,
    'model': str
}

# 阶段定义
PHASES = {
    'PRE_INITIATION': '预启动',
    'INITIATION': '启动',
    ...
}

# 最大循环次数
MAX_EXECUTION_CYCLES = 3

# Agent提示词
AGENT_PROMPTS = {
    'SPONSOR': str,
    'MANAGER': str,
    'TEAM_MEMBER': str
}

扩展点

1. 添加新角色

# 1. 创建新的Agent类
class NewAgent(BaseAgent):
    def __init__(self, ...):
        super().__init__(...)
    
    def custom_method(self):
        ...

# 2. 在config.py添加提示词
AGENT_PROMPTS['NEW_ROLE'] = "..."

# 3. 在WorkflowEngine中初始化
self.new_agent = NewAgent(...)

# 4. 在相应阶段调用
def phase_xxx(self):
    result = self.new_agent.custom_method()

2. 添加新阶段

# 在WorkflowEngine中添加方法
def phase_custom(self):
    print(f"阶段X: 自定义阶段")
    # 实现阶段逻辑
    ...

# 在run()中调用
def run(self):
    ...
    self.phase_custom()
    ...

3. 自定义文档格式

# 在DocumentGenerator中添加方法
def generate_custom_doc(self, ...):
    doc = f"""
    # 自定义文档
    ...
    """
    self.save_document('custom_doc.md', doc)
    return doc

性能优化

1. LLM调用优化

批量请求（如果API支持）
缓存常见响应
调整max_tokens减少等待时间

2. 记忆管理优化

限制对话历史长度
定期清理工作记忆
按需加载长期记忆

3. 并发优化

独立任务可并行执行
使用异步API调用
多项目模拟可并行

错误处理

1. API调用失败

try:
    response = llm_client.chat(messages)
except Exception as e:
    # 使用模拟响应
    response = f"[模拟响应] ..."

2. 数据解析失败

try:
    data = parse_response(response)
except:
    # 使用默认数据
    data = generate_default_data()

3. 文件操作失败

try:
    save_file(path, content)
except:
    # 记录错误，继续执行
    log_error(...)

测试策略

1. 单元测试

测试各个Agent的方法
测试SharedDB的数据操作
测试DocumentGenerator的文档生成

2. 集成测试

测试WorkflowEngine的完整流程
测试智能体间的通信
测试数据流的完整性

3. 系统测试

test_simple.py：组件测试
main.py：完整流程测试
多次运行验证稳定性

设计原则

模块化：每个模块职责单一，便于维护
可扩展：易于添加新角色、新阶段
容错性：API失败不影响整体流程
可追溯：所有操作记录到数据库
标准化：遵循项目管理规范

技术栈

语言：Python 3.8+
LLM接口：OpenAI兼容API
数据格式：JSON、Markdown
依赖库：openai, requests, python-dateutil

FilesExpand file tree

ARCHITECTURE.md

Latest commit

History

ARCHITECTURE.md

File metadata and controls

系统架构文档

整体架构

核心模块

1. 智能体模块（agents/）

BaseAgent（基类）

SponsorAgent（项目发起人）

ManagerAgent（项目经理）

TeamMemberAgent（项目组成员）

2. 数据库模块（database/）

SharedDatabase

3. 工作流引擎（workflow/）

WorkflowEngine

4. 工具模块（utils/）

LLMClient

DocumentGenerator

数据流

1. 预启动阶段数据流

2. 启动阶段数据流

3. 执行-控制循环数据流

记忆系统

三层记忆架构

记忆管理策略

通信机制

智能体间通信

通信记录格式

配置系统

config.py

扩展点

1. 添加新角色

2. 添加新阶段

3. 自定义文档格式

性能优化

1. LLM调用优化

2. 记忆管理优化

3. 并发优化

错误处理

1. API调用失败

2. 数据解析失败

3. 文件操作失败

测试策略

1. 单元测试

2. 集成测试

3. 系统测试

设计原则

技术栈