Feagent - 企业级 AI 工作流编排与智能体协作平台

✨ 特性亮点

🎙️ 对话式工作流生成与编辑

• 自然语言创建：通过对话描述需求，AI 自动生成完整工作流
• 智能修改优化：对话中实时调整节点配置和连接关系
• 可视化与代码双向同步：拖拽编辑与对话编辑无缝切换

🤖 多 Agent 协作体系

Feagent 采用独特的三 Agent 协作架构，实现智能任务分解与执行：

• ConversationAgent（大脑）：理解用户意图，执行 ReAct 循环，负责目标分解与决策生成
• WorkflowAgent（执行者）：管理节点创建、DAG 执行、状态同步与反思机制
• CoordinatorAgent（守门人）：规则验证、工作流监控、失败处理与子 Agent 管理

核心能力： - ReAct 推理循环：Thought → Action → Observation - 上下文容量感知与自动压缩 - 短期记忆蒸馏与结构化摘要（八段结构） - 动态节点审批与自描述验证 - 工作流依赖图与拓扑排序

🏛️ DDD 四层架构

严格遵循领域驱动设计（DDD-lite）与六边形架构：

Interface Layer（接口层）     ← FastAPI 路由、DTO 转换  
    ↓  
Application Layer（应用层）   ← 用例编排、事务边界  
    ↓  
Domain Layer（领域层）        ← 实体、聚合根、领域服务  
    ↓  
Infrastructure Layer（基础设施） ← ORM、消息队列、缓存

架构优势： - 模块化解耦，易于测试与扩展 - 领域逻辑与技术实现分离 - 支持 TDD 驱动开发

🛠️ 知识库与 RAG 集成

• 向量存储：ChromaDB + SQLite-vec 双引擎
• 智能检索：支持全局知识库与工作流级知识库
• 文档管理：上传、解析、切片、嵌入全自动化

🚀 快速开始

环境要求

• Python: 3.11+
• Node.js: 18+
• pnpm: 8+
• PostgreSQL: 14+（可选，开发环境可使用 SQLite）

后端初始化

# 1. 克隆仓库  
git clone https://github.com/DSGWJQ/Feagent.git  
cd Feagent  

# 2. 安装依赖  
pip install -e ".[dev]"  

# 3. 配置环境变量  
cp .env.example .env  
# 编辑 .env 文件，配置数据库和 OpenAI API Key  

# 4. 初始化数据库  
alembic upgrade head  

# 5. 启动开发服务器  
python -m uvicorn src.interfaces.api.main:app --reload --port 8000

Windows 用户注意：请使用 python -m uvicorn ... 命令，避免 watchfiles 兼容性问题。

前端初始化

cd web

# 1. 安装依赖  
pnpm install

# 2. 启动开发服务器  
pnpm dev

访问应用

• 前端界面：http://localhost:5173
• API 文档：http://localhost:8000/docs
• ReDoc：http://localhost:8000/redoc

🏗️ 架构设计

系统架构总览

Feagent 采用严格的分层架构设计，确保系统的高内聚、低耦合。

四层架构规范

详细的四层架构规范请参考架构文档。

核心原则： - Interface 层：仅处理 HTTP 协议，DTO 转换 - Application 层：用例编排，事务边界 - Domain 层：零框架依赖，纯领域逻辑 - Infrastructure 层：技术实现，适配器模式

多 Agent 协作流程

详见 current_agents.md

📦 核心功能

工作流管理

• ✅ 对话式创建与编辑工作流
• ✅ 可视化拖拽编辑器（ReactFlow）
• ✅ 动态节点定义与 YAML 规范
• ✅ 条件分支与循环控制
• ✅ 工作流版本管理与快照

智能体能力

• ✅ ReAct 推理循环（Thought-Action-Observation）
• ✅ 目标分解与子目标栈管理
• ✅ 意图分类（问候/查询/任务/工作流）
• ✅ 上下文容量感知（token 计数与预警）
• ✅ 短期记忆蒸馏（八段结构摘要）

知识库与 RAG

• ✅ 文档上传与解析（PDF/TXT/MD）
• ✅ 向量化与相似度检索
• ✅ 全局知识库 + 工作流级知识库
• ✅ 上下文注入与压缩

执行与监控

• ✅ 实时执行日志（SSE 流式推送）
• ✅ 节点状态跟踪与重试机制
• ✅ 失败处理（RETRY/SKIP/ABORT/REPLAN）
• ✅ 动态节点监控与健康检查

🛠️ 扩展开发

开发规范

请务必阅读以下文档： - 开发规范文档

技术栈

后端： - Python 3.11+ - FastAPI - SQLAlchemy - Alembic - Pydantic v2

前端： - React 18 - TypeScript - Vite - Tailwind CSS - ReactFlow

测试

# 运行所有测试  
pytest

# 运行单元测试  
pytest tests/unit

# 运行集成测试  
pytest tests/integration

# 生成覆盖率报告  
pytest --cov=src --cov-report=html

添加新节点类型

1. 在 definitions/nodes/ 创建 YAML 定义文件
2. 遵循 JSON Schema 规范验证
3. 实现节点执行逻辑
4. 运行 python scripts/validate_node_definitions.py 验证

📚 文档资料

架构与设计文档

• 系统架构总览
• DDD 四层架构详解
• 多 Agent 协作体系

API 文档

启动后端服务后访问： - Swagger UI: http://localhost:8000/docs - ReDoc: http://localhost:8000/redoc

文档导航

完整的文档索引请参考 文档目录。

🤝 贡献指南

我们欢迎所有形式的贡献！

贡献流程

1. Fork 本仓库
2. 创建特性分支 bash git checkout -b feature/AmazingFeature
3. 提交更改 bash git commit -m 'Add some AmazingFeature'
4. 推送到分支 bash git push origin feature/AmazingFeature
5. 开启 Pull Request

代码规范

• 遵循 PEP 8（Python）与 Airbnb Style Guide（TypeScript）
• 使用 ruff 和 black 格式化代码
• 编写单元测试（覆盖率 > 80%）
• 更新相关文档

开发前必读

在开始任何开发任务前，请先查看： - 开发规范 - 架构设计

📄 许可证

本项目采用 MIT 许可证。详见 LICENSE 文件。

📞 联系方式

• 项目主页：GitHub
• 问题反馈：Issues
• 讨论区：Discussions

🌟 Star History

如果这个项目对你有帮助，请给我们一个 ⭐️ Star！