多agent数据分析流水线平台产品系统

ai，agent，langchain
核心技术栈与架构实现
后端：Python、FastAPI、LangGraph、SpringBoot、Redis、Chroma 向量库
AI 相关：Qwen-7B 开源大模型（本地部署 / API 双适配）、RAG 向量检索、调用deepseek API
前端：Vue3、Axios、Markdown 渲染
工具：VSCode、Git、Python 虚拟环境、pytest、Requests

根据上传的csv文件，三个智能体分工合作完成数据流水线分析核心工作
参与整套 AI 平台全流程功能验证，拆解三大智能体流转业务，按照分层测试思路设计单元、接口、集成、UI 四层测试用例；校
验 CSV 文件上传解析、向量检索、多节点流转、重试回滚、人工介入全分支场景，保障流水线功能稳定；
排查并定位核心线上缺陷：LangGraph 状态字段不匹配造成数据静默丢失、页面频繁误弹人工补充弹窗；通过日志比对定位状
态合并覆盖根源，配合优化存储逻辑、新增表格提取校验规则，将弹窗误触发频次降低 90%，推动缺陷完整闭环；
针对大模型输出冗余代码、内容杂乱问题，设计输出校验规则，落地正则清洗校验逻辑，约束模型输出格式；新增强校验
Prompt，禁止模型虚构数据，保障 AI 输出内容合规可测；
完成前后端接口测试，针对 DeepSeek SSE 流式接口做边界、超时、限流、异常入参场景测试，捕获接口报错并记录堆栈；同
时校验 Redis 会话持久化能力，解决历史会话页面空白、数据加载异常题。
沉淀 AI 场景专属校验标准，整理测试规范文档，优化测试用例库

个人独立开发通用多智能体数据分析流水线平台，以 LangGraph 作为状态调度核心，拆分需求解
析、数据计算、报告撰写三类职能独立 Agent 协同完成全流程数据分析；基于 Chroma 实现本地 CSV 文件
上传检索，数据仅作为功能测试用例。设计自动重试、异常回滚、人工介入多层容错机制，解决传统单一
大模型上下文割裂、输出杂乱、状态数据丢失、历史任务无法回溯等工程痛点，基于 Redis 缓存机制实现
历史会话持久化存储。