该项目是面向企业内部建设的AI Agent工作流与任务执行平台，用于将大模型、专业Agent、企业数据源和外部工具组织成可配置、可运行、可评估的自动化业务流程。
平台解决普通AI对话难以支撑复杂企业任务的问题。管理员可以围绕具体业务建立项目，配置工作流、Agent、模型、数据源、工具和执行规则；业务人员可以通过手动、定时或接口方式发起任务，由平台协调多个Agent和外部能力完成信息读取、分析判断、内容生成、结果校验及文件输出。
平台重点强调企业级治理能力。每次执行均保存对应的工作流版本、节点状态、输入输出、模型与工具调用、异常重试和最终产物，确保复杂AI任务具备可追溯、可回放、可审计和可复现的运行基础。
平台包含Agent注册中心、模型与工具管理、数据源接入、项目管理、工作流配置、任务执行、运行记录、结果评估和权限审计等核心模块。
工作流支持顺序、条件分支和并行节点，可组合专业Agent、模型调用、数据处理、外部工具及人工审核节点，并支持手动触发、定时调度和API调用。任务执行引擎负责节点调度、状态传递、条件判断、结果合并、失败重试、部分失败处理、质量检查及执行成本控制。
每次运行均生成独立Run ID，并记录节点级输入输出、调用模型、工具参数、执行时间、状态变化、异常原因、重试过程和结果产物。工作流发布后采用版本固化机制，历史任务始终关联当时的配置和Agent版本，支持运行轨迹查看、问题定位及结果复现。
平台还提供结果质量评估、人工审核、结构化数据及文档产物管理，并通过标准连接器接入企业办公套件、云存储、搜索服务、数据库和外部业务API。
负责平台后端架构设计及核心功能实现。系统采用FastAPI构建服务边界，使用PostgreSQL持久化项目、工作流、Agent配置、运行状态和审计数据，并以LangGraph作为Agent工作流编排基础，形成“顶层任务编排—领域能力服务—原子Agent执行”的分层架构。
核心任务执行引擎按照决策、执行、结果合并和审计四个阶段处理工作流节点，通过严格的数据结构和状态机控制项目生命周期及任务运行过程。执行前固化工作流、Agent、模型和数据源版本；执行过程中为任务、节点和工具调用分配唯一标识，持续记录状态变化、输入输出、耗时、错误及重试信息；执行完成后保存结构化结果、文件产物和完整运行轨迹。
针对大模型及外部服务的不确定性，系统实现异步执行、超时控制、自动重试、部分失败隔离、质量门禁、成本检查和人工介入机制。审计事件采用追加式记录，避免历史轨迹被覆盖。外部能力通过MCP、OAuth及标准API进行接入，并结合分级权限、凭证隔离和访问控制，满足企业内部安全治理及后续扩展要求。
评论