DeepAgentForce

DeepAgentForce 是一个基于 DeepAgents 框架构建的闭环智能体协同系统。它不仅具备传统 RAG 的知识检索能力，更通过 动态 Skill 注入 和 用户偏好深度挖掘 (Persona Mining)，实现了“越用越懂你”的个性化执行体验。

---

✨ 核心特性

1. Agent Skills的模块化扩展机制

本项目在 /src/services/skills 目录下提供了三个示例 Skills，抛砖引玉：

• pdf-processing - PDF 文档处理能力
• rag-query - RAG能力
• web-search - 联网搜索能力

🔌 零配置扩展机制

• 即放即用: 根据 Agent Skills 规范编写新的 Skill 后，直接放入 skills/ 目录即可

📝 Skill 开发规范

• SKILL.md - 技能说明文档，定义能力和使用方法
• scripts - 执行脚本 - 实现复杂逻辑

2. 👤 动态用户画像 (Persona Mining)

利用 UserPreferenceMining 服务，系统会实时从原始对话中提取：

• 核心关键词: 用户的职业背景、技术偏好。

• 交互风格: 用户偏好的回答长短、语气。

• 上下文注入: 画像会自动转化为系统提示词（System Prompt）的一部分，赋予 Agent 记忆连续性。

3. 🌊 深度思考可视化 (Agent Observability)

通过 WebSocket 和 StatusCallback，前端可以实时追踪 Agent 的每一个微小动作：

• 🔍 Agent Start: 接收任务。

• 🛠️ Tool Call: 正在调用 Shell 执行脚本（含参数展示）。

• ✨ Tool End: 工具返回结果。

• 💬 Final Response: 整合最终回答。

---

🚀 快速启动

1. 环境准备

确保您的环境已安装 Python 3.12+。

# 1. 克隆仓库
git clone https://github.com/TW-NLP/DeepAgentForce
cd AgentForce

# 2. 环境的准备

- Install Conda: please see https://docs.conda.io/en/latest/miniconda.html
- Create Conda env:

conda create -n agent -y python=3.12
conda activate agent
pip install -r requirements.txt
# If you are in mainland China, you can set the mirror as follows:
pip install -r requirements.txt -i https://mirrors.aliyun.com/pypi/simple/ --trusted-host=mirrors.aliyun.com

2. 启动 DeepAgentForce

系统由后端 API 和前端 UI 两部分组成。

🟢 启动后端引擎 (Backend)

# 在项目根目录下运行
python main.py

后端 API 服务将启动在: http://localhost:8000

🔵 启动可视化终端 (Frontend)

# 进入静态资源目录
cd static

# 启动轻量级 Web 服务
python -m http.server 8080

3. 开始探索

打开浏览器访问可视化终端： 👉 http://localhost:8080

---

📖 操作指南

🔧 模型配置 (Model Config)

首次启动后，点击界面左侧的 "模型配置" 图标。 下面的 LLM、Embedding 参数配置需符合 OpenAI 规范。 Tavily 搜索配置请访问：app.tavily.com 获取 API Key。

1. LLM Model Config: 填入您的模型服务商信息 (API Key, URL, Model Name)。
2. RAG Model Config: 配置 Embedding 模型参数（RAG服务）。
3. 点击 保存配置。系统会自动测试连接并持久化保存配置。

模型配置

📚 构建知识库 (Knowledge Base)

让 AgentForce 学习您的私有数据：

1. 进入 "知识库" (Knowledge) 标签页。
2. 拖拽上传文档 (PDF/Markdown/TXT)。

知识库上传

💬 智能交互 (Chat)

回到首页对话框：

• 提问: "根据上传的财报，分析该公司去年的主要风险点。"
• Agent 响应: Agent 将自动识别意图，调用不同的agent进行回复，并综合生成深度回答。

智能交互

👤 用户画像 (User Persona)

回到首页对话框：

• 提问: "你好 你知道 我喜欢什么吗"
• Agent 响应: 你好！😊 根据我们的对话历史，我注意到你是一位深耕自然语言处理（NLP）领域的核心AI实践者——对NLP兴趣浓厚

问答效果展示

用户画像

🔌 API 开发文档

后端提供标准的 OpenAPI/Swagger 文档。服务启动后，访问 http://localhost:8000/docs 即可查看和调试接口。

Contact

微信： NLP技术交流群。