白泽智能桌面助手产品系统

AI Agent / 多智能体系统
你做的蚁群多Agent协同（Scout→Worker→Synthesizer→QC）正是当前AI Agent的核心架构模式
企业需求：AI客服、AI运营助手、AI代码助手、AI数据分析 — 都需要多Agent协作

一、智能对话系统
多模型自动路由：根据用户意图自动选择最合适的后端（对话/搜索/代码/蚁群系统）
上下文记忆：对话历史自动持久化，支持多轮连续对话
分层记忆管理：短期会话缓存 + SQLite持久化 + 向量语义检索三层架构
记忆活跃度排序：基于访问频率和时间衰减的智能排序，自动清理过期记忆
二、蚁群多Agent协同系统
复杂任务自动分解为子步骤，由多Agent协作完成：
Scout（侦察蚁）：分析任务意图，提取搜索关键词，规划执行路径
Worker（工蚁）：执行具体操作（网络搜索、文件读取、代码生成）
Synthesizer（汇总蚁）：整合多个Worker结果，格式化输出最终报告
QC（质控）：自动质量检查，不满意时触发修正回路
经验回写：任务完成后Agent经验三路沉淀（知识树/源池/信息素）
三、双模LLM调度引擎
本地Ollama：qwen2.5:7b本地运行，免费、隐私、离线可用
云端DeepSeek：API接入，GPT-4级质量
智能切换：检测API Key自动选主模型，有Key用云端，无Key用本地
双向降级容灾：主模型故障时自动降级到备用模型，确保服务不中断
VRAM显存优化：6GB显卡下通过num_ctx动态调控稳定运行7B模型
四、鲁棒网络搜索链路
四级降级搜索，确保任何环境都能获取信息：
fetch：标准Node.js HTTP请求（5秒超时）
curl.exe：Windows系统工具，走系统网络栈
DuckDuckGo：HTML版搜索引擎备选
Edge无头浏览器：真实浏览器渲染，100%绕过反爬虫
五、智能意图路由
关键词+语义双通道识别：精准理解用户想做什么
文件路径预检：检测到文件路径自动路由到文件分析流程
复杂任务分流：预测/分析类任务自动进入蚁群系统
多意图冲突解决：当多个意图同时匹配时按优先级选择最优路由
六、Windows工具调用

1.项目全程独立开发
2.技术架构总览
层级 技术
前端UI React 18 + Vite + TailwindCSS + PWA
桌面壳层 Tauri（Rust + Web混合）
后端服务 Node.js + Express + TypeScript
数据库 SQLite（FTS5全文索引 + BM25排序）
向量检索 ChromaDB
AI引擎 Ollama本地 + DeepSeek云端
通信 REST API + WebSocket实时推送
部署 Docker支持，一键构建
3.亮点
1. 蚁群多Agent协同调度（核心亮点）
技术本质：分布式任务编排引擎
任务自动分解为子步骤，按互补性配对Agent（不是随机分配）
链式执行：Scout侦察 → Worker执行 → Synthesizer汇总 → QC质控
经验三路回写：任务结束后Agent经验分别沉淀到知识树、源池、信息素系统
类似蠕虫串联合体的链式协调机制
2. 双模LLM智能调度与双向降级
技术本质：高可用模型服务架构
检测API Key状态 → 自动选主模型（有Key云端优先，无Key本地优先）
任一模型故障 → 毫秒级自动降级到备用模型
7处LLM调用统一封装为callSmartLLM()，业务层无感知
VRAM精细调控：num_ctx动态限制上下文窗口，6GB显存跑7B模型