传统单 Agent 系统在面对企业复杂业务时（多部门联动审批、跨域调度、协同分析）存在
三大痛点：职责边界模糊导致互相抢任务、长任务过程中上下文丢失、协作过程黑盒不可
追溯。LangGraph、AutoGPT 等开源框架偏向"流程式编排"，难以让人类管理者像在群里
@同事一样自然地与 Agent 团队工作。本项目立足企业级复杂决策场景，构建以"群聊"
为交互范式的多智能体协作平台：用户在大群发布任务，路由层自动分发给主管 Agent，
主管 Agent 按需拉子群组建协作小组，整个协作过程在群里可见、可干预、可追溯。已
应用于企业应急调度、复杂业务审批、内部多部门联动等场景。
1. 双层消息分发：主群路由模式（路由 Agent 基于 LLM + 挂起任务表把消息分发到正确
团队）+ 子群广播模式（协作小组内全员可见），并通过共享事实表补偿"路由失聪"问题
2. 双阶段处理管线：感知-研判-分诊三层快速路径 + 决策-执行-输出-学习四层深度路径，
实现差异化响应，节省 LLM 调用 60%+
3. 子群协作引擎：Agent 可动态拉群组建协作小组，支持递归嵌套、任务 DAG 编排、挂起
/返工/合并评估闭环
4. 智能体生命周期管理：常驻 Agent + 临时 Agent 同构原则，统一处理代码不同配置参数
5. 全场景行为追踪：所有决策、消息流、Skill 调用结构化记录，可视化看板实时监控
6. 集成 OpenIM 即时通讯，提供原生 IM 体验，旅长视角与管理员视角双向打通
作为技术负责人 + 架构师，主导整体架构与核心模块开发：
1. 设计"主群路由 + 子群广播"双层消息分发模型，配合共享事实表解决其他 Agent
"路由失聪"问题
2. 基于 openai-agents SDK 实现统一处理管线，Pydantic schema 严格约束 LLM 输入输出
3. 设计同构原则下的 Agent 实例管理器，常驻/临时实例共享一套代码、按配置差异化
4. 实现挂起任务表 + 延迟消息队列，解决"协作未完成时新指令到达"的并发难题
5. 后端 FastAPI + 异步 PostgreSQL + Milvus 向量库，前端 Vue 3 + TS 实现 Agent 看板
6. 难点：跨子群任务的合并评估与返工机制、递归嵌套子群的资源回收，最终用 DAG +
状态机方案解决
评论