PM Agent Team

面向产品经理的多 Agent 调研自动化平台

竞品调研 · 访谈分析 · PRD 起草 · 社区聆听 —— 将以天计的重复调研工作压缩到分钟级

项目定位

SaaS 团队的产品经理有大量工时消耗在结构重复、信息密集的调研工作上。PM Agent Team 用多 Agent 流水线把这类工作自动化：

工作场景	人工耗时	本系统
竞品调研 — 横向扫描赛道、抓取官网、汇总用户口碑、产出对比矩阵	单次 1–3 天	搜索 / 抓取 / 社聆 Agent 并行执行，分钟级产出带引用的结构化报告
用户访谈分析 — 转写打标、主题聚类、需求提取	10 场访谈约 1 周	自动主题聚类 + 频次统计 + 原话引用 + 带置信度的需求列表
PRD 起草 — 背景、目标、用户故事、验收标准	单份 0.5–1 天	一句话需求生成结构化 PRD 草稿，含用户故事与验收标准
社区聆听 — 跟踪 Reddit / Hacker News / X 等平台的真实用户声量	通常无人力覆盖	跨平台批量抓取（1000+ 帖/任务）+ 相关性过滤 + 洞察聚类

与「LLM 套壳」的区别

多 Agent 协作流水线：规划 → 搜索 / 抓取 / 社聆（并行）→ 结构化 → 分析 → 撰写 → 复审打分，复审分数低于阈值时携带 critique 自动重写一轮（self-correction loop）
角色化专家集群：11 个具名专家角色（用户研究员、市场情报分析师、精益教练、风险审计师等），按场景动态出场
跨任务长期记忆：项目空间（Project）聚合相关任务，新任务自动召回历史调研作为上下文
增量追问执行：报告完成后追问（如「再补充一家竞品」）会派生 child task，完成后自动合并回 parent 报告
成本可观测：内置 token / 成本追踪，per-task / per-agent / per-model 归因，支持任务预算上限
错误恢复：LLM 调用三次指数退避重试（区分瞬时与永久错误）；非关键 Agent 失败仅告警、不阻塞主流程
工具链集成：Slack 卡片推送、Jira issue 创建、Jira webhook 反向触发 PRD 起草

界面

多页面布局：Dashboard 工作流总览 + 需求分析 / 竞品调研 / 需求验证三大板块。各板块页内展示任务列表、Agent 实时协作流（中文叙事）、报告预览、复审评分与追问入口。交互式架构图见 assets/architecture.html。

技术架构

多 Agent 编排（竞品调研流水线为例）

flowchart LR
    U[PM 输入<br/>赛道/产品名] --> P[Planner<br/>规划员]
    P --> R{Research<br/>研究阶段<br/>并行}
    R --> S1[Search<br/>DuckDuckGo / Tavily / Jina]
    R --> S2[Scraper<br/>Jina Reader 抓官网]
    R --> S3[Social<br/>Reddit RSS · HN Algolia · X]
    S1 & S2 & S3 --> E[Extractor<br/>结构化竞品矩阵]
    E --> A[Analyzer<br/>SWOT + 差异化机会]
    A --> W[Writer<br/>渲染 Markdown 报告]
    W --> RV[Reviewer<br/>三维打分 0-10]
    RV -->|score >= 7| OUT[输出报告]
    RV -->|score < 7| W2[Writer Rewrite<br/>携带 critique]
    W2 --> RV2[Reviewer iter 2]
    RV2 --> OUT

系统架构

flowchart TB
    subgraph Frontend
        UI[React 18 + Vite + Tailwind<br/>Dashboard + 三大板块多页面]
    end

    subgraph Backend
        API[net/http + SSE]
        Worker[Worker Pool<br/>内存任务队列]
        Pipeline[Agent Pipeline<br/>11 个专家角色]
        Metering[LLM 中间层<br/>Retry + Token/Cost 计量]
        Store[Memory Store<br/>Tasks / Reports / Posts / Projects / KB]
    end

    subgraph LLM层
        Direct[直连 provider]
        Proxy[代理网关]
        Multi[多模型路由]
        Mock[Mock fallback]
    end

    subgraph 数据源
        DDG[DuckDuckGo]
        Jina[Jina Reader/Search]
        Tavily[Tavily]
        Reddit[Reddit RSS]
        HN[HN Algolia]
        Crawler[Tier2 Web Crawler<br/>BFS + robots.txt]
    end

    subgraph 集成
        Slack[Slack Webhook]
        Jira[Jira REST API]
    end

    UI -->|HTTP + SSE| API
    API --> Worker
    Worker --> Pipeline
    Pipeline --> Store
    Pipeline --> Metering
    Metering --> Direct
    Metering --> Proxy
    Metering --> Multi
    Metering --> Mock
    Pipeline --> DDG
    Pipeline --> Jina
    Pipeline --> Tavily
    Pipeline --> Reddit
    Pipeline --> HN
    Pipeline --> Crawler
    API --> Slack
    API --> Jira

技术选型

层	选型	理由
后端语言	Go 1.22+，标准库 net/http	goroutine 天然适配多 Agent 并发；零额外中间件
LLM 接入	多 provider 抽象层（直连 / 代理网关 / 多模型路由 / mock 兜底）	provider 通过环境变量切换，零代码改动；未配置 key 时自动降级 mock 模式
LLM 可靠性	RetryClient（3 次指数退避，区分瞬时 / 永久错误）+ MeteredClient（token / 成本计量）	调用链 raw → Retry → Metered 装配，故障与成本均可观测
任务队列	内存 worker pool	零依赖开箱即用；接口预留 PostgreSQL + River 升级路径
数据存储	内存 store（KB / Posts / Tasks 分层）	接口面向 PostgreSQL 设计，迁移脚本已预留（`server/migrations/`）
搜索	DuckDuckGo HTML / Tavily / Jina，统一相关性过滤	免费默认可用，付费 provider 可选；查询自动中英双语扩展
抓取	Jina Reader（`r.jina.ai/{url}`）	免费，输出 AI 友好的 Markdown
社交聆听	Reddit Atom RSS + HN Algolia（均无需 key）；X / 抖音 / TikTok / YouTube 配 key 接入	默认覆盖海外开发者与创业社区；其余平台按需启用
轻量爬虫	自研 BFS crawler（robots.txt 遵循 + 按域限速）	礼貌爬取约束下做行业页面快照
流式协议	SSE（Go 标准库）	较 WebSocket 显著更简单，浏览器原生断线重连
前端	Vite + React 18 + TypeScript strict + react-router	类型严格模式零警告；多页面按板块组织
UI	Tailwind CSS 3	中文化 Agent trace、评分进度条、追问交互

快速开始

0. 获取代码

git clone https://github.com/PLA-yi/PM_Agent_Team.git
cd PM_Agent_Team

1. 配置

cp .env.example .env
# 填入任一 LLM provider 的 API key；
# 不填写则自动进入 mock 模式，仍可完整演示 UI 与流水线链路

2. 启动后端（`:8080`）

set -a && source .env && set +a
cd server && go run ./cmd/server

启动成功的标志：

PMHive listening on :8080
  LLM:    mock=false   model=<configured>
  Search: mock=false   provider=duckduckgo→mock(fallback)
  Scrape: mock=false   provider=jina_reader
  Social: authed=[reddit hackernews]

3. 启动前端（`:5173`）

cd web && npm install && npm run dev

4. 使用

打开 http://localhost:5173，从 Dashboard 进入任一板块（需求分析 / 竞品调研 / 需求验证），输入需求后 ⌘+Enter 启动任务。板块完成后可通过「下一板块」按钮把产出传递给下一环节，串成完整工作流。

场景示例

场景	输入示例	参考耗时	产出
竞品调研	`国内 AI 笔记类产品`	90s–3min	竞品矩阵 + SWOT + 用户真实声量，1000+ 社区帖子落库
需求分析 / 验证	一句话需求或假设	~1 min	用户研究 + 数据分析 + 风险审计视角的结构化结论
访谈分析	粘贴访谈转写（空行分段）	~1 min	主题聚类 + 频次 + 原话引用 + 带置信度的需求列表
PRD 起草	`做一个用户反馈悬浮按钮`	~1.5 min	完整 PRD：背景 / 目标 / 用户故事 / 验收标准 / 风险
社交聆听	`Cursor IDE`	~1 min	Reddit / HN 跨主题聚类，洞察与需求列表

项目结构

PM_Agent_Team/
├── README.md            # 本文档
├── docker-compose.yml   # postgres + pgvector（生产路径预留）
├── .env.example         # 配置模板
├── Makefile
├── docs/
│   └── data-pipeline.md # 行业数据管道设计
├── assets/              # logo / banner / 截图 / 交互式架构图
├── server/              # Go 后端
│   ├── cmd/
│   │   ├── server/      # HTTP server 入口
│   │   └── scrape-demo/ # 爬虫独立 CLI demo
│   ├── internal/
│   │   ├── api/         # HTTP + SSE handler（含 roles / usage 接口）
│   │   ├── agent/       # Agent 实现与 11 个角色定义（roles.go）
│   │   ├── llm/         # 多 provider 抽象 + retry + token/cost 计量
│   │   ├── tools/       # DuckDuckGo / Tavily / Jina / Mock
│   │   │   └── social/  # Reddit RSS · HN Algolia · X / 抖音 / TikTok / YouTube
│   │   ├── crawler/     # Tier2 BFS 爬虫（robots.txt + 按域限速）
│   │   ├── integrations/
│   │   │   ├── slack/   # Slack incoming webhook 客户端
│   │   │   └── jira/    # Jira REST API 客户端
│   │   ├── store/       # 内存 store（接口面向 PG 设计）
│   │   ├── jobs/        # Worker pool
│   │   └── stream/      # SSE 事件总线
│   └── migrations/      # 001_init.sql（生产路径预留）
└── web/                 # React 前端
    ├── src/
    │   ├── App.tsx                 # 路由与全局布局
    │   ├── pages/
    │   │   ├── Dashboard.tsx       # 工作流总览
    │   │   └── ModulePage.tsx      # 板块通用页（需求 / 竞品 / 验证）
    │   ├── components/
    │   │   ├── TaskList.tsx
    │   │   ├── AgentTimeline.tsx   # Agent 协作流（中文叙事）
    │   │   ├── ReportPreview.tsx   # 报告 + 复审评分 + 成本面板 + 追问
    │   │   └── PostsViewer.tsx     # 帖子表格与筛选
    │   └── lib/api.ts
    └── tailwind.config.js

版本历史

v0.1 — MVP 端到端：竞品调研单场景，mock 模式开箱即用
v0.2 — 访谈分析 + PRD 起草，四场景闭环
v0.3 — 多 LLM provider 接入（可插拔 + 自动降级）
v0.4 — Reviewer + self-correction loop；项目空间与跨任务知识库；增量追问（child task 自动合并）；Slack / Jira 集成；1000+ 帖/任务的社聆抓取；中文化 Agent trace
v0.5 — 多页面板块化（Dashboard + 需求分析 / 竞品调研 / 需求验证）；11 个角色化专家集群与角色 API；板块间工作流串联；新增 Hacker News（Algolia）数据源
v0.6 ⭐ — 当前版本
- Token / 成本追踪：per-task / per-agent / per-model 归因，任务预算上限（TASK_BUDGET_USD），GET /api/tasks/{id}/usage 实时查询
- LLM 重试：3 次指数退避，区分瞬时（429 / 5xx / 超时）与永久（4xx / 解析）错误
- 可选 Agent 机制：非关键 Agent 失败仅告警，不阻塞主流程

Roadmap

v0.7 — pgvector 知识库升级（embedding 召回）+ Eval 框架（A/B prompt + 定期回放）
v0.8 — 多模态输入（截图 OCR / PDF 解析 / 录音转写）
v0.9 — 团队协作（多用户 / 评审流 / 评论）+ 行业数据管道（ProductHunt / GitHub / Crunchbase 定时 ingest）
v1.0 — 公开 Beta + 落地页 + 计费

数据管道详细设计见 docs/data-pipeline.md。

API 参考

方法	路径	说明
`GET`	`/healthz`	健康检查
`POST`	`/api/tasks`	创建任务 `{scenario, input, project_id?}`
`GET`	`/api/tasks`	任务列表
`GET`	`/api/tasks/{id}`	任务状态
`GET`	`/api/tasks/{id}/stream`	SSE 实时事件流
`GET`	`/api/tasks/{id}/report`	报告 + 引用源 + 复审元数据
`GET`	`/api/tasks/{id}/traces`	Agent 执行轨迹
`GET`	`/api/tasks/{id}/posts`	社交帖子列表（支持 platform / q / limit / offset 筛选）
`GET`	`/api/tasks/{id}/usage`	任务 token / 成本用量
`POST`	`/api/tasks/{id}/followup`	追问，派生 child task
`POST`	`/api/projects`	创建项目
`GET`	`/api/projects`	项目列表
`GET`	`/api/projects/{id}/tasks`	项目下任务列表
`GET`	`/api/agents/roles`	全部专家角色
`GET`	`/api/agents/roles/{scenario}`	指定场景的出场角色
`POST`	`/api/integrations/slack/notify`	推送 Slack 卡片
`POST`	`/api/integrations/jira/issue`	创建 Jira issue
`POST`	`/api/webhooks/jira`	接收 Jira issue.created，自动起草 PRD
`GET`	`/api/integrations/status`	集成配置状态

scenario 取值：requirement_analysis / competitor_research / requirement_validation / interview_analysis / prd_drafting / social_listening。

测试与质量

cd server && go test ./... -race   # 全部单测 race-clean
cd web && npx tsc -b               # TypeScript strict，零警告
cd web && npx vite build           # 生产构建

配置

.env 关键变量（完整模板见 .env.example）：

变量	默认	说明
`LLM_PROVIDER`	auto	provider 标识；留空走自动路由
`LLM_MODEL`	由 provider 决定	模型 id
`LLM_BASE_URL`	—	自定义网关地址（可选）
`OPENROUTER_API_KEY` 等	—	各 provider 的 API key，任选其一；均不配置则进入 mock 模式
`MOCK_MODE`	`auto`	`auto` / `always` / `never`
`TASK_BUDGET_USD`	`1.0`	单任务 LLM 成本预算上限
`SEARCH_PROVIDER`	auto	搜索 provider；`TAVILY_API_KEY` / `JINA_API_KEY` 可选
`SLACK_WEBHOOK_URL`	—	Slack incoming webhook
`JIRA_BASE_URL` / `JIRA_EMAIL` / `JIRA_API_TOKEN`	—	Jira 集成三件套
`X_BEARER_TOKEN` / `DOUYIN_COOKIE` / `TIKTOK_SESSIONID` / `YOUTUBE_API_KEY`	—	社交平台凭据（可选；不配置则为 stub）
`HTTP_ADDR`	`:8080`	服务监听地址
`CORS_ORIGINS`	`http://localhost:5173`	允许的跨域来源

License

MIT — 见 LICENSE

_{PM Agent Team · v0.6}

Provide feedback

Saved searches

Use saved searches to filter your results more quickly

Repository files navigation

PM Agent Team

项目定位

与「LLM 套壳」的区别

界面

技术架构

多 Agent 编排（竞品调研流水线为例）

系统架构

技术选型

快速开始

0. 获取代码

1. 配置

2. 启动后端（`:8080`）

3. 启动前端（`:5173`）

4. 使用

场景示例

项目结构

版本历史

Roadmap

API 参考

测试与质量

配置

License

About

Uh oh!

Releases

Packages

Uh oh!

Contributors

Uh oh!

Languages

Name		Name	Last commit message	Last commit date
Latest commit History 12 Commits
.github/workflows		.github/workflows
assets		assets
docs		docs
server		server
web		web
.env.example		.env.example
.gitignore		.gitignore
LICENSE		LICENSE
Makefile		Makefile
README.md		README.md
docker-compose.yml		docker-compose.yml

Folders and files

Latest commit

History

Repository files navigation

PM Agent Team

项目定位

与「LLM 套壳」的区别

界面

技术架构

多 Agent 编排（竞品调研流水线为例）

系统架构

技术选型

快速开始

0. 获取代码

1. 配置

2. 启动后端（:8080）

3. 启动前端（:5173）

4. 使用

场景示例

项目结构

版本历史

Roadmap

API 参考

测试与质量

配置

License

About

Topics

Resources

License

Uh oh!

Stars

Watchers

Forks

Releases

Packages 0

Uh oh!

Contributors

Uh oh!

Languages

2. 启动后端（`:8080`）

3. 启动前端（`:5173`）

Packages