agent,Muti-agent产品系统

### 立项原因：AI Agent 落地面临的 4 个工程断层
当前企业接入大语言模型（LLM）普遍卡在「能对话但做不了事」
断层 表现 根因
模型↔工具断层 LLM 能聊天但调不了企业 API / DB / 文件 缺乏统一工具注册、合并、过滤机制 。
模型↔记忆断层 每次对话都是"第一天上班" 无 SPI 插件化的记忆系统，无法跨会话积累上下文 。
模型↔渠道断层 各 IM 平台（钉钉/飞书/企微/微信/QQ/Telegram/Discord/Slack）协议异构，重复开发 缺乏统一 ChannelAdapter 抽象层 。
模型↔业务断层 单次问答难处理多步骤审批、合规、通知 缺乏可视化工作流编排 + 触发器自动化。
### 核心解决的问题
1. Agent 运行时标准化 ：BaseAgent 抽象基类 + ReAct/Plan-Execute 双引擎，新 Agent 类型只需继承实现 3 个抽象方法。
2. 能力零代码扩展 ：SKILL.md 包机制，写一段 Markdown + YAML 即可给 Agent 增加能力（无需写 Java 代码）。
3. 多渠道统一接入 ：ChannelAdapter SPI 一次开发适配所有 IM，消息路由、凭据验证、QR 码授权标准化。
4. 记忆持续积累 ：MemoryProvider SPI 支持工作区文件、结构化记忆、Dreaming 定时整合、SOUL 自我进化四条存储路径。
5. 知识库自建 ：不依赖外部向量数据库（Milvus/ES/PGVector），用 MySQL byte[] + DashScope embedding 自建混合检索。
6. 业务自动化 ：7 StepMode 拖拽式工作流 + Pebble 条件表达式 + 6 Pattern Type 触发器，覆盖审批、分发、记忆写入等场景。

1. 智能体引擎（Agent Engine）
2. 子代理 & 多智能体协作
3. 能力扩展（技能系统）
4. 知识库引擎（Wiki）
5. 记忆系统（Memory）
6. 渠道接入（Channel）
7. 业务编排（工作流 + 触发器）
8. 前端概览
9. 安全 & 治理

1,从0-1完成整个项目。
## 技术栈
| 层级 | 技术 |
|------|------|
| 前端 | Vue 3.5 + TypeScript 5.7 + Pinia 3 + Vite 7 + Element Plus 2.9 + TailwindCSS 4 |
| 后端 | Spring Boot 3.5 + Spring AI Alibaba 1.1 + MyBatis-Plus 3.5 + Flyway |
| 数字员工运行时 | ReAct (Flux 递归 + 启发式终止) + Plan-Execute (单 LLM 调用序列) · BaseAgent 抽象基类 · 多智能体子代理 (SubagentRegistry + Heartbeat) · 6 类绑定 (Tool/Skill/KB/Provider/Model/SystemPrompt) |
| 记忆系统 | MemoryProvider SPI 插件化 · 工作区文件(PROFILE/MEMORY/daily) · 结构化记忆(user/feedback/project/reference) · Dreaming 定时整合 · SOUL 自我进化 |
| 业务编排 | 工作流（7 step mode · Pebble DSL）· 触发器（6 pattern type · 事件治理）· Wiki 加工器 |
| 能力扩展 | SKILL.md 包 · MCP（stdio/SSE/HTTP · per-agent 绑定）· ACP 桥接（Claude Code / Codex） |
| 渠道接入 | ChannelAdapter 插件化 · Web/WebChat/钉钉/飞书/企业微信/微信/QQ/Telegram/Discord/Slack · QR码授权 · 凭据验证 |