为 IT 教培公司独立设计并实现了端到端多 Agent 智能教学辅助系统，将问答、批改、简历审查、模拟面试四个核心教学场景 AI 化，统一接入 Orchestrator 编排器，支持单 Agent 直达和多 Agent 串联 Pipeline 两种执行模式，实现了系统端到端测试通过率 【100%】（76 passed），生产可部署状态。
点击空白处退出提示
EduAgent产品系统
我要开发同款技术信息
作品详情
行业场景
功能介绍
我独立设计实现了一个多 Agent 教育辅助系统，对标生产环境。
系统最核心的设计是 Orchestrator 编排器——统一收口所有请求，根据意图路由到四个 Agent 之一，也支持多 Agent 串联：比如'求职全链路'会先跑简历审查，通过了再自动启动模拟面试，两个 Agent 之间的数据通过上下文传递，对前端透明。
四个 Agent 各自代表了不同的 LangGraph 范式：QA 是 RAG 加多路由检索，Exam 是三轨并行批改加 Human-in-the-Loop，Resume 是六维度 fan-out 并行评审，Interview 是五阶段状态机加 SSE 流式输出。
每个 Agent 各自解决了一个核心技术问题：QA 是提升低质 Query 的召回率，Exam 是让教师能审核和修改 AI 批改结果，Interview 是把阶段控制从 LLM 手里拿出来用代码管理，避免不可控。
项目实现
- **统一 Orchestrator 编排器**：设计 `AgentRequest / AgentResponse` 统一 Schema，Orchestrator 通过 `pipeline_mode` 标志分发至 `_run_single_agent`（单 Agent 直达）或 `_run_pipeline`（多 Agent 串联）；四个 Agent 图懒加载，首次使用才初始化，减少启动开销
- **多 Agent 串联 Pipeline**：`job_preparation` Pipeline（简历审查 → 模拟面试）实现前序 `structured_output` 自动注入后序 `context`，且设置简历综合分 < 60 的门槛中止条件，不合格学员不触发面试；命名映射层（`resume_result` → `resume_review_id`）解决跨 Agent 字段约定差异
- **LLM 意图路由**：统一助手入口（`/api/v1/chat/stream`）先做规则前置拦截（5 类社交场景零 Token 响应），再用 DeepSeek 判断 6 类意图（qa / exam / resume / interview / multi\_agent / clarify），路由结果通过 SSE 推送前端展示路由卡片
- **三层降级兜底**：网络抖动/超时自动重试（间隔 1s/3s，max\_retries=2）→ Agent 级降级（QA 走 LLM 直答，批改跳过代码沙箱）→ 系统级兜底（友好提示 + 已完成结果持久化），Fallback 率 < 【3%】
- **多租户隔离**：所有 DB 表含 `tenant_id`，Milvus 按 namespace 隔离，MemorySaver 按 Agent 类型独立（`get_memory_saver("qa"/"
示例图片
声明：本文仅代表作者观点，不代表本站立场。如果侵犯到您的合法权益，请联系我们删除侵权资源！如果遇到资源链接失效，请您通过评论或工单的方式通知管理员。未经允许，不得转载，本站所有资源文章禁止商业使用运营!
评论