From 237ab9f6d7a7fa1252f1d0e9a37d48d69e8ae443 Mon Sep 17 00:00:00 2001 From: "DESKTOP-72TV0V4\\caoxiaozhu" Date: Fri, 13 Mar 2026 21:24:42 +0800 Subject: [PATCH] =?UTF-8?q?chore:=20=E6=B8=85=E7=90=86=E6=97=A7=E7=89=88?= =?UTF-8?q?=20teams=20=E9=9C=80=E6=B1=82=E6=96=87=E6=A1=A3?= MIME-Version: 1.0 Content-Type: text/plain; charset=UTF-8 Content-Transfer-Encoding: 8bit 移除已归档的 teams 目录下的需求分析文档 Co-Authored-By: Claude Opus 4.6 --- teams/ai/ai-core-api.md | 137 --- teams/ai/todo.md | 20 - teams/api/README.md | 18 - teams/api/database-check.md | 200 ---- teams/api/database-create.md | 104 --- teams/api/database-list.md | 51 - teams/api/knowledge-api.md | 268 ------ teams/api/model-api.md | 208 ----- teams/api/neo4j-check.md | 265 ------ teams/api/neo4j-graph-save.md | 75 -- teams/api/subtable-list.md | 75 -- teams/api/upload-api.md | 96 -- teams/chat_history_plan.md | 160 ++++ .../group_chat_implementation_plan.md | 874 ------------------ teams/multi_agent_plan/group_chat_notes.md | 80 -- .../multi_agent_plan/group_chat_task_plan.md | 32 - teams/multi_agent_plan/implementation_plan.md | 709 -------------- teams/multi_agent_plan/notes.md | 107 --- teams/multi_agent_plan/task_plan.md | 33 - teams/openclaw-memory-research.md | 218 +++++ teams/web/columns-api.md | 92 -- teams/web/ddl-edit.md | 66 -- teams/web/field-mapping.md | 89 -- teams/web/knowledge-base-api.md | 375 -------- teams/web/mapping-state.md | 43 - teams/web/model-settings.md | 193 ---- teams/web/neo4j-api-requirement.md | 110 --- teams/web/neo4j-check-return-id.md | 99 -- teams/web/neo4j-graphs.md | 196 ---- teams/web/neo4j-support.md | 42 - teams/web/sub-tables-edit.md | 35 - teams/web/table-count-update-edit.md | 22 - teams/web/table-count-update.md | 30 - teams/web/todo-2026-3-6.md | 52 -- teams/web/todo-2026-3-8.md | 45 - 35 files changed, 378 insertions(+), 4841 deletions(-) delete mode 100644 teams/ai/ai-core-api.md delete mode 100644 teams/ai/todo.md delete mode 100644 teams/api/README.md delete mode 100644 teams/api/database-check.md delete mode 100644 teams/api/database-create.md delete mode 100644 teams/api/database-list.md delete mode 100644 teams/api/knowledge-api.md delete mode 100644 teams/api/model-api.md delete mode 100644 teams/api/neo4j-check.md delete mode 100644 teams/api/neo4j-graph-save.md delete mode 100644 teams/api/subtable-list.md delete mode 100644 teams/api/upload-api.md create mode 100644 teams/chat_history_plan.md delete mode 100644 teams/multi_agent_plan/group_chat_implementation_plan.md delete mode 100644 teams/multi_agent_plan/group_chat_notes.md delete mode 100644 teams/multi_agent_plan/group_chat_task_plan.md delete mode 100644 teams/multi_agent_plan/implementation_plan.md delete mode 100644 teams/multi_agent_plan/notes.md delete mode 100644 teams/multi_agent_plan/task_plan.md create mode 100644 teams/openclaw-memory-research.md delete mode 100644 teams/web/columns-api.md delete mode 100644 teams/web/ddl-edit.md delete mode 100644 teams/web/field-mapping.md delete mode 100644 teams/web/knowledge-base-api.md delete mode 100644 teams/web/mapping-state.md delete mode 100644 teams/web/model-settings.md delete mode 100644 teams/web/neo4j-api-requirement.md delete mode 100644 teams/web/neo4j-check-return-id.md delete mode 100644 teams/web/neo4j-graphs.md delete mode 100644 teams/web/neo4j-support.md delete mode 100644 teams/web/sub-tables-edit.md delete mode 100644 teams/web/table-count-update-edit.md delete mode 100644 teams/web/table-count-update.md delete mode 100644 teams/web/todo-2026-3-6.md delete mode 100644 teams/web/todo-2026-3-8.md diff --git a/teams/ai/ai-core-api.md b/teams/ai/ai-core-api.md deleted file mode 100644 index bec446c..0000000 --- a/teams/ai/ai-core-api.md +++ /dev/null @@ -1,137 +0,0 @@ -# AI-Core 文档解析服务 API 对接文档 - -## 服务地址 - -``` -localhost:50051 -``` - -## VLM 配置（可选） - -VLM 用于提升图片文件的解析效果。如果不配置 VLM，则使用默认的 MarkItDown 解析。 - -### 方式一：环境变量 - -```bash -# 设置环境变量 -export VLM_API_KEY="your-api-key" -export VLM_PROVIDER="openai" # openai / anthropic / qwen -export VLM_MODEL="gpt-4o" -``` - -### 方式二：配置文件 - -在 `ai-core/config.yaml` 中配置： - -```yaml -vlm: - enabled: true - provider: "openai" # openai / anthropic / qwen - model: "gpt-4o" # 模型名称 - api_key: "sk-xxx" # API Key - base_url: "" # 自定义 API 地址（可选） - prompt: "" # 自定义提示词（可选） -``` - -### 支持的 VLM 提供商 - -| 提供商 | 示例模型 | -|--------|----------| -| openai | gpt-4o, gpt-4o-mini | -| anthropic | claude-3-opus, claude-3-sonnet | -| qwen | qwen-vl-max, qwen2-vl-72b | - ---- - -## gRPC API 定义 - -### 1. ParseDocument - 解析文档 - -**请求 (ParseRequest)** -```protobuf -message ParseRequest { - string file_url = 1; // 文件 URL（必填） - string file_name = 2; // 文件名，带扩展名（必填） - string file_type = 3; // 文件类型（可选，自动检测） - string parser_engine = 4; // 解析引擎（可选） - map engine_overrides = 5; // 引擎配置 - - // VLM 配置（可选，优先级高于全局配置） - VLMConfig vlm_config = 6; -} - -message VLMConfig { - bool enabled = 1; - string provider = 2; - string model = 3; - string api_key = 4; - string base_url = 5; - string prompt = 6; -} -``` - -**响应 (ParseResponse)** -```protobuf -message ParseResponse { - bool success = 1; - string content = 2; // Markdown 内容 - string message = 3; - int32 content_length = 4; - string file_type = 5; - string parser_engine = 6; -} -``` - ---- - -## Golang 对接示例 - -### 基础调用（无 VLM 配置时使用 MarkItDown） - -```go -req := &pb.ParseRequest{ - FileUrl: "https://example.com/document.pdf", - FileName: "document.pdf", -} - -resp, client.ParseDocument(ctx, req) -``` - -### 带 VLM 配置调用 - -```go -req := &pb.ParseRequest{ - FileUrl: "https://example.com/image.png", - FileName: "image.png", - VlmConfig: &pb.VLMConfig{ - Enabled: Provider: "open true, - ai", - Model: "gpt-4o", - ApiKey: "sk-xxx", - }, -} - -resp, err := client.ParseDocument(ctx, req) -``` - ---- - -## 解析逻辑 - -1. **图片文件** (jpg, png, webp 等) - - 如果配置了 VLM → 使用 VLM 解析 - - 如果没有配置 VLM → 使用 MarkItDown 解析 - -2. **PDF/DOCX/PPTX 等文档** - - 使用 MarkItDown 解析 - -3. **VLM 优先级** - - gRPC 请求中的 vlm_config > 全局配置（config.yaml/环境变量） - ---- - -## 注意事项 - -1. **文件 URL**: 必须是可直接访问的 URL -2. **文件名**: 必须带扩展名（如 `.pdf`, `.png`） -3. **返回内容**: Markdown 格式文本 diff --git a/teams/ai/todo.md b/teams/ai/todo.md deleted file mode 100644 index 08f7396..0000000 --- a/teams/ai/todo.md +++ /dev/null @@ -1,20 +0,0 @@ -# AI 服务需求 TODO - -## 2026年3月 - -### 2026-03-09 - -- [ ] **AI-Core 文档解析服务对接** - - 服务：ai-core (gRPC, 端口 50051) - - 功能：将文档（PDF/DOCX/PPTX/图片等）转换为 Markdown - - 对接方式：gRPC 调用 - - 详细需求：[ai-core-api.md](./ai-core-api.md) - -- [ ] **VLM 调用支持** - - 支持 OpenAI GPT-4o、Anthropic Claude、阿里 Qwen VL - - 通过 vlm_config 配置启用 - - 适用场景：图片文件（jpg, png 等）自动使用 VLM 解析 - ---- - -> 需求完成后请完成者打 ✔ diff --git a/teams/api/README.md b/teams/api/README.md deleted file mode 100644 index bd76b18..0000000 --- a/teams/api/README.md +++ /dev/null @@ -1,18 +0,0 @@ -# API 接口文档 - -## 目录 - -### Database 相关 - -- [检查数据库连接并获取表结构](database-check.md) -- [创建数据库配置](database-create.md) -- [获取数据库列表](database-list.md) -- [获取子表列表](subtable-list.md) - -### Neo4j 相关 - -- [Neo4j 连接测试](neo4j-check.md) - ---- - -> 接口如有更新，请同步更新此文档 diff --git a/teams/api/database-check.md b/teams/api/database-check.md deleted file mode 100644 index 8370434..0000000 --- a/teams/api/database-check.md +++ /dev/null @@ -1,200 +0,0 @@ -# 检查数据库连接并获取表结构 - -## 接口地址 - -``` -POST /database/check -``` - -## 请求参数 - -| 参数 | 类型 | 必填 | 说明 | -|------|------|------|------| -| db_type | string | 是 | 数据库类型：`mysql`、`postgres`、`neo4j` | -| host | string | 是 | 数据库主机 | -| port | int | 是 | 数据库端口 | -| username | string | 是 | 用户名 | -| password | string | 否 | 密码 | -| database | string | 是 | 数据库名 | -| charset | string | 否 | 字符集，默认 `utf8mb4` | -| ssl_mode | string | 否 | SSL 模式 | -| database_id | string | 否 | 已存在的数据库ID，用于恢复字段映射 | -| uri | string | 否 | Neo4j 连接地址（如 bolt://localhost:7687），Neo4j 类型必填 | - -## 请求示例（MySQL/PostgreSQL） - -```json -{ - "db_type": "mysql", - "host": "localhost", - "port": 3306, - "username": "root", - "password": "root", - "database": "students", - "charset": "utf8mb4", - "database_id": "xxx-xxx-xxx" -} -``` - -## 请求示例（Neo4j） - -```json -{ - "db_type": "neo4j", - "uri": "bolt://localhost:7687", - "username": "neo4j", - "password": "password", - "database": "neo4j" -} -``` - -## 返回参数 - -| 参数 | 类型 | 说明 | -|------|------|------| -| success | bool | 是否连接成功 | -| message | string | 消息 | -| database | string | 数据库名 | -| tables | array | 表结构列表（MySQL/PostgreSQL） | -| graphs | object | 图谱数据（Neo4j） | - -### tables[] 详情（关系型数据库） - -| 参数 | 类型 | 说明 | -|------|------|------| -| table_name | string | 表名 | -| table_comment | string | 表注释 | -| ddl | string | 建表 DDL（带 COMMENT 的映射后 DDL） | -| columns | array | 列信息列表 | - -### columns[] 详情 - -| 参数 | 类型 | 说明 | -|------|------|------| -| column_name | string | 列名 | -| data_type | string | 数据类型 | -| column_type | string | 完整列类型 | -| is_nullable | string | 是否可空（YES/NO） | -| default_value | string | 默认值 | -| column_key | string | 主键标识（PRI/MUL/UNI） | -| extra | string | 额外信息（如 auto_increment） | -| column_comment | string | 列注释 | -| mapped_name | string | 字段中文映射名（已保存的映射） | - -### graphs 详情（Neo4j） - -| 参数 |类型| 说明 | -|------|------|------| -| labels | array | 标签列表 | -| relationshipTypes | array | 关系类型列表 | -| nodes | array | 节点属性定义 | -| relationships | array | 关系属性定义 | - -### graphs.labels[] - -| 参数 | 类型 | 说明 | -|------|------|------| -| name | string | 标签名称 | -| count | int | 节点数量 | - -### graphs.relationshipTypes[] - -| 参数 | 类型 | 说明 | -|------|------|------| -| name | string | 关系类型名称 | -| count | int | 关系数量 | - -### graphs.nodes[] - -| 参数 | 类型 | 说明 | -|------|------|------| -| label | string | 节点标签名 | -| properties | array | 属性列表 | - -### graphs.relationships[] - -| 参数 | 类型 | 说明 | -|------|------|------| -| type | string | 关系类型名 | -| startLabel | string | 起始节点标签 | -| endLabel | string | 目标节点标签 | -| properties | array | 属性列表 | - -## 返回示例（MySQL/PostgreSQL） - -```json -{ - "success": true, - "message": "connection successful", - "database": "students", - "tables": [ - { - "table_name": "users", - "table_comment": "用户表", - "ddl": "CREATE TABLE `users` (\n `id` int(10) unsigned NOT NULL COMMENT '用户ID'\n ...\n) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4", - "columns": [ - { - "column_name": "id", - "data_type": "int", - "column_type": "int(10) unsigned", - "is_nullable": "NO", - "default_value": "", - "column_key": "PRI", - "extra": "auto_increment", - "column_comment": "", - "mapped_name": "用户ID" - } - ] - } - ] -} -``` - -## 返回示例（Neo4j） - -```json -{ - "success": true, - "message": "connection successful", - "database": "neo4j", - "graphs": { - "labels": [ - {"name": "User", "count": 100}, - {"name": "Order", "count": 50} - ], - "relationshipTypes": [ - {"name": "KNOWS", "count": 30}, - {"name": "OWNS", "count": 20} - ], - "nodes": [ - { - "label": "User", - "properties": [ - {"name": "id", "type": "string"}, - {"name": "name", "type": "string"} - ] - } - ], - "relationships": [ - { - "type": "KNOWS", - "startLabel": "User", - "endLabel": "User", - "properties": [ - {"name": "since", "type": "date"} - ] - } - ] - } -} -``` - -## 使用场景 - -1. **关系型数据库**： - - 首次连接：不传 `database_id`，获取实时表结构 - - 恢复映射：传入 `database_id`，返回已保存的 `mapped_name` 和 `ddl` - -2. **Neo4j 图数据库**： - - 连接 Neo4j 并获取图谱概览数据（标签、关系类型、属性定义） - - 用于前端图可视化展示 diff --git a/teams/api/database-create.md b/teams/api/database-create.md deleted file mode 100644 index d1dc72d..0000000 --- a/teams/api/database-create.md +++ /dev/null @@ -1,104 +0,0 @@ -# 创建数据库配置 - -## 接口地址 - -``` -POST /database/add -``` - -## 请求参数 - -| 参数 | 类型 | 必填 | 说明 | -|------|------|------|------| -| name | string | 是 | 数据库名称 | -| description | string | 否 | 描述 | -| db_type | string | 是 | 数据库类型 | -| host | string | 是 | 主机 | -| port | int | 是 | 端口 | -| username | string | 是 | 用户名 | -| password | string | 否 | 密码 | -| database | string | 是 | 数据库名 | -| charset | string | 否 | 字符集 | -| ssl_mode | string | 否 | SSL 模式 | -| sub_tables | array | 否 | 子表配置列表 | - -### sub_tables[] 详情 - -| 参数 | 类型 | 必填 | 说明 | -|------|------|------|------| -| parent_table | string | 是 | 原始表名 | -| sub_table_name | string | 是 | 子表别名 | -| sub_table_comment | string | 否 | 子表注释 | -| mapping_type | string | 否 | 映射类型 | -| relation_field | string | 否 | 关联字段 | -| relation_type | string | 否 | 关联类型 | -| fields | array | 否 | 字段映射列表 | - -### fields[] 详情 - -| 参数 | 类型 | 必填 | 说明 | -|------|------|------|------| -| column_name | string | 是 | 列名 | -| mapped_name | string | 是 | 中文映射名 | - -## 请求示例 - -```json -{ - "name": "学生数据库", - "description": "用于存储学生信息", - "db_type": "mysql", - "host": "localhost", - "port": 3306, - "username": "root", - "password": "root", - "database": "students", - "charset": "utf8mb4", - "sub_tables": [ - { - "parent_table": "users", - "sub_table_name": "用户表", - "sub_table_comment": "用户信息", - "fields": [ - {"column_name": "id", "mapped_name": "用户ID"}, - {"column_name": "name", "mapped_name": "用户名"} - ] - } - ] -} -``` - -## 返回参数 - -| 参数 | 类型 | 说明 | -|------|------|------| -| id | string | 数据库记录ID | -| name | string | 数据库名称 | -| db_type | string | 数据库类型 | -| host | string | 主机 | -| port | int | 端口 | -| ... | ... | 其他字段 | - -## 返回示例 - -```json -{ - "id": "xxx-xxx-xxx", - "name": "学生数据库", - "description": "用于存储学生信息", - "db_type": "mysql", - "host": "localhost", - "port": 3306, - "username": "root", - "password": "root", - "database": "students", - "table_count": 1, - "charset": "utf8mb4", - "created_at": "2026-03-06T15:00:00Z" -} -``` - -## 说明 - -- 创建时会自动连接数据库获取表结构 DDL -- 如果传入了 `fields`（字段映射），会自动生成带 COMMENT 的新 DDL 并存储 diff --git a/teams/api/database-list.md b/teams/api/database-list.md deleted file mode 100644 index 87b93b6..0000000 --- a/teams/api/database-list.md +++ /dev/null @@ -1,51 +0,0 @@ -# 获取数据库列表 - -## 接口地址 - -``` -GET /database/list -``` - -## 请求参数 - -无 - -## 返回参数 - -| 参数 | 类型 | 说明 | -|------|------|------| -| list | array | 数据库列表 | - -### list[] 详情 - -| 参数 | 类型 | 说明 | -|------|------|------| -| id | string | 数据库ID | -| name | string | 数据库名称 | -| description | string | 描述 | -| db_type | string | 数据库类型 | -| host | string | 主机 | -| port | int | 端口 | -| database | string | 数据库名 | -| table_count | int | 子表数量 | -| created_at | string | 创建时间 | - -## 返回示例 - -```json -{ - "list": [ - { - "id": "xxx-xxx", - "name": "学生数据库", - "description": "用于存储学生信息", - "db_type": "mysql", - "host": "localhost", - "port": 3306, - "database": "students", - "table_count": 5, - "created_at": "2026-03-06T15:00:00Z" - } - ] -} -``` diff --git a/teams/api/knowledge-api.md b/teams/api/knowledge-api.md deleted file mode 100644 index 593351f..0000000 --- a/teams/api/knowledge-api.md +++ /dev/null @@ -1,268 +0,0 @@ -# 知识库 API - -## 基础信息 - -| 项目 | 说明 | -|------|------| -| 基础URL | `http://localhost:8082` | - -## 接口列表 - -### 1. 创建知识库 - -**请求** - -``` -POST /api/knowledge/create -Content-Type: application/json -``` - -| 参数 | 类型 | 必填 | 说明 | -|------|------|------|------| -| name | String | 是 | 知识库名称 | -| description | String | 否 | 知识库描述 | -| llm_model_id | String | 是 | LLM 模型 ID | -| embedding_model_id | String | 是 | Embedding 模型 ID | -| parsing_config | Object | 是 | 解析配置 | -| - engine | String | 是 | 解析引擎：markitdown / docling | -| - docling_url | String | 条件 | Docling URL（engine=docling 时必填） | -| - enable_pdf | Boolean | 否 | 是否启用 PDF 解析 | -| - pandoc | Boolean | 否 | 是否启用 Pandoc | -| storage_config | Object | 否 | 存储配置，不传则使用全局配置 | -| - type | String | 否 | 存储模式：local / minio | -| - endpoint | String | 否 | MinIO endpoint | -| - bucket | String | 否 | MinIO bucket | -| - access_key | String | 否 | MinIO access key | -| - secret_key | String | 否 | MinIO secret key | -| - use_ssl | Boolean | 否 | MinIO 是否使用 SSL | - -**响应** - -```json -{ - "success": true, - "id": "kb_xxx", - "message": "Knowledge base created successfully" -} -``` - ---- - -### 2. 获取知识库列表 - -**请求** - -``` -GET /api/knowledge/list -``` - -**响应** - -```json -{ - "success": true, - "data": [ - { - "id": "kb_001", - "name": "产品文档知识库", - "description": "用于存储产品手册", - "llm_model_id": "model_001", - "embedding_model_id": "model_002", - "status": "active", - "document_count": 15, - "chunk_count": 156, - "created_at": "2024-01-15T10:30:00Z", - "updated_at": "2024-01-15T10:30:00Z" - } - ] -} -``` - ---- - -### 3. 获取知识库详情 - -**请求** - -``` -GET /api/knowledge/:id -``` - -**响应** - -```json -{ - "success": true, - "data": { - "id": "kb_001", - "name": "产品文档知识库", - "description": "用于存储产品手册", - "llm_model_id": "model_001", - "embedding_model_id": "model_002", - "parsing_config": { - "engine": "markitdown", - "enable_pdf": true, - "pandoc": true - }, - "status": "active", - "document_count": 15, - "chunk_count": 156, - "created_at": "2024-01-15T10:30:00Z", - "updated_at": "2024-01-15T10:30:00Z" - } -} -``` - ---- - -### 4. 删除知识库 - -**请求** - -``` -DELETE /api/knowledge/:id -``` - -**响应** - -```json -{ - "success": true, - "message": "Knowledge base deleted" -} -``` - ---- - -### 5. 获取知识库下的文档列表 - -**请求** - -``` -GET /api/knowledge/:id/documents -``` - -| 参数 | 类型 | 必填 | 说明 | -|------|------|------|------| -| status | String | 否 | 过滤状态：all / parsed / parsing / failed | - -**响应** - -```json -{ - "success": true, - "data": [ - { - "id": "doc_001", - "knowledge_base_id": "kb_001", - "name": "产品手册_v2.0.pdf", - "file_key": "abc123.pdf", - "file_url": "http://localhost:8082/files/abc123.pdf", - "file_size": 2516582, - "status": "parsed", - "chunk_count": 156, - "uploaded_at": "2024-01-15T10:30:00Z" - } - ] -} -``` - ---- - -### 6. 上传文档到知识库 - -**请求** - -``` -POST /api/knowledge/:id/documents -Content-Type: multipart/form-data -``` - -| 参数 | 类型 | 必填 | 说明 | -|------|------|------|------| -| file | File | 是 | 要上传的文件 | - -**响应** - -```json -{ - "success": true, - "id": "doc_001", - "url": "http://localhost:8082/files/abc123.pdf", - "document": { - "id": "doc_001", - "knowledge_base_id": "kb_001", - "name": "产品手册_v2.0.pdf", - "file_size": 2516582, - "status": "parsing", - "chunk_count": 0, - "uploaded_at": "2024-01-15T10:30:00Z" - }, - "message": "Document uploaded" -} -``` - ---- - -### 7. 删除知识库文档 - -**请求** - -``` -DELETE /api/knowledge/:id/documents/:doc_id -``` - -**响应** - -```json -{ - "success": true, - "message": "Document deleted" -} -``` - ---- - -### 8. 重新解析文档 - -**请求** - -``` -POST /api/knowledge/:id/documents/:doc_id/reparse -``` - -**响应** - -```json -{ - "success": true, - "message": "Document reparse started" -} -``` - ---- - -### 9. 获取文档预览内容 - -**请求** - -``` -GET /api/knowledge/:id/documents/:doc_id/preview -``` - -| 参数 | 类型 | 必填 | 说明 | -|------|------|------|------| -| page | Number | 否 | 页码（默认 1） | - -**响应** - -```json -{ - "success": true, - "data": { - "total_pages": 3, - "current_page": 1, - "content": "第一章 产品介绍..." - } -} -``` diff --git a/teams/api/model-api.md b/teams/api/model-api.md deleted file mode 100644 index 3a35d8b..0000000 --- a/teams/api/model-api.md +++ /dev/null @@ -1,208 +0,0 @@ -# Model Settings 接口文档 - -## 接口列表 - -### 1. 获取模型列表 - -**接口地址：** `GET /model/list` - -**返回参数：** -```json -{ - "list": [ - { - "id": "xxx-xxx-xxx", - "name": "OpenAI", - "model_type": "chat", - "provider": "OpenAI", - "model": "gpt-4o", - "api_key": "sk-xxx", - "base_url": "https://api.openai.com", - "api_endpoint": "/v1/chat/completions", - "status": "active", - "created_at": "2024-01-01T00:00:00Z", - "updated_at": "2024-01-01T00:00:00Z" - } - ] -} -``` - ---- - -### 2. 获取模型详情 - -**接口地址：** `GET /model/:id` - -**返回参数：** -```json -{ - "id": "xxx-xxx-xxx", - "name": "OpenAI", - "model_type": "chat", - "provider": "OpenAI", - "model": "gpt-4o", - "api_key": "sk-xxx", - "base_url": "https://api.openai.com", - "api_endpoint": "/v1/chat/completions", - "status": "active", - "created_at": "2024-01-01T00:00:00Z", - "updated_at": "2024-01-01T00:00:00Z" -} -``` - ---- - -### 3. 创建模型 - -**接口地址：** `POST /model/add` - -**请求参数：** - -| 参数 | 类型 | 必填 | 说明 | -|------|------|------|------| -| name | string | 是 | 模型名称 | -| model_type | string | 是 | 模型类型：chat/embedding/rerank/vlm | -| provider | string | 是 | 提供商：OpenAI/Ollama | -| model | string | 是 | 模型标识，如 gpt-4o | -| api_key | string | 是 | API 密钥 | -| base_url | string | 是 | 基础 URL | -| api_endpoint | string | 否 | API 端点路径 | - -**请求示例：** -```json -{ - "name": "OpenAI", - "model_type": "chat", - "provider": "OpenAI", - "model": "gpt-4o", - "api_key": "sk-xxx", - "base_url": "https://api.openai.com", - "api_endpoint": "/v1/chat/completions" -} -``` - -**返回参数：** -```json -{ - "id": "xxx-xxx-xxx", - "name": "OpenAI", - "model_type": "chat", - "provider": "OpenAI", - "model": "gpt-4o", - "api_key": "sk-xxx", - "base_url": "https://api.openai.com", - "api_endpoint": "/v1/chat/completions", - "status": "active", - "created_at": "2024-01-01T00:00:00Z", - "updated_at": "2024-01-01T00:00:00Z" -} -``` - ---- - -### 4. 更新模型 - -**接口地址：** `PUT /model/:id` - -**请求参数：** - -| 参数 | 类型 | 必填 | 说明 | -|------|------|------|------| -| name | string | 否 | 模型名称 | -| model_type | string | 否 | 模型类型：chat/embedding/rerank/vlm | -| provider | string | 否 | 提供商：OpenAI/Ollama | -| model | string | 否 | 模型标识 | -| api_key | string | 否 | API 密钥 | -| base_url | string | 否 | 基础 URL | -| api_endpoint | string | 否 | API 端点路径 | -| status | string | 否 | 状态：active/inactive | - -**请求示例：** -```json -{ - "name": "OpenAI Updated", - "model_type": "chat", - "provider": "OpenAI", - "model": "gpt-4o", - "api_key": "sk-xxx", - "base_url": "https://api.openai.com", - "api_endpoint": "/v1/chat/completions", - "status": "active" -} -``` - ---- - -### 5. 删除模型 - -**接口地址：** `DELETE /model/:id` - -**返回参数：** -```json -{ - "success": true -} -``` - ---- - -### 6. 测试连接 - -**接口地址：** `POST /model/test` - -**请求参数：** - -| 参数 | 类型 | 必填 | 说明 | -|------|------|------|------| -| provider | string | 是 | 提供商：OpenAI/Ollama | -| model | string | 是 | 模型标识 | -| api_key | string | 是 | API 密钥 | -| base_url | string | 是 | 基础 URL | -| api_endpoint | string | 否 | API 端点路径 | - -**请求示例：** -```json -{ - "provider": "OpenAI", - "model": "gpt-4o", - "api_key": "sk-xxx", - "base_url": "https://api.openai.com", - "api_endpoint": "/v1/chat/completions" -} -``` - -**返回参数：** -```json -{ - "success": true, - "message": "Connection successful" -} -``` - -或失败时： -```json -{ - "success": false, - "message": "HTTP 401: Unauthorized" -} -``` - ---- - -## 数据结构 - -### ModelInfo 模型信息 - -| 字段 | 类型 | 说明 | -|------|------|------| -| id | string | 主键 UUID | -| name | string | 模型名称 | -| model_type | string | 模型类型：chat/embedding/rerank/vlm | -| provider | string | 提供商：OpenAI/Ollama | -| model | string | 模型标识 | -| api_key | string | API 密钥 | -| base_url | string | 基础 URL | -| api_endpoint | string | API 端点路径 | -| status | string | 状态：active/inactive | -| created_at | datetime | 创建时间 | -| updated_at | datetime | 更新时间 | diff --git a/teams/api/neo4j-check.md b/teams/api/neo4j-check.md deleted file mode 100644 index a75f4c5..0000000 --- a/teams/api/neo4j-check.md +++ /dev/null @@ -1,265 +0,0 @@ -# Neo4j 连接测试 - -## 接口地址 - -``` -POST /neo4j/check -``` - -## 请求参数 - -| 参数 | 类型 | 必填 | 说明 | -|------|------|------|------| -| host | string | 是 | Neo4j 主机 | -| port | int | 是 | Neo4j 端口（默认 7687） | -| username | string | 是 | 用户名（默认 neo4j） | -| password | string | 是 | 密码 | -| database | string | 否 | 数据库名（默认 neo4j） | -| name | string | 否 | 数据库名称，用于保存记录 | -| uri | string | 否 | Neo4j 连接地址（bolt://host:port） | -| description | string | 否 | 数据库描述 | - -## 请求示例 - -```json -{ - "host": "localhost", - "port": 7687, - "username": "neo4j", - "password": "password", - "database": "neo4j", - "name": "My Neo4j Database" -} -``` - -## 返回参数 - -| 参数 | 类型 | 说明 | -|------|------|------| -| success | bool | 是否连接成功 | -| message | string | 消息 | -| version | string | Neo4j 版本 | -| databases | array | 数据库列表 | -| databaseId | string | 数据库记录 ID（新增） | -| name | string | 数据库名称（新增） | -| description | string | 数据库描述（新增） | - -## 返回示例 - -```json -{ - "success": true, - "message": "connection successful", - "version": "5.14.0", - "databases": ["neo4j", "system"], - "databaseId": "abc-123-def", - "name": "Neo4j-neo4j", - "description": "Neo4j neo4j@localhost:7687" -} -``` - -> **说明**：连接成功时，后端会自动检查数据库记录是否存在，不存在则创建并返回 `databaseId`、`name` 和 `description`。前端可使用这些信息进行后续保存图谱操作。 - ---- - -# Neo4j 获取图谱概览数据（核心接口） - -获取所有标签(Labels)和关系类型(Relationship Types)的统计信息，用于前端图谱可视化。 - -## 接口地址 - -``` -POST /neo4j/graphs -``` - -## 请求参数 - -| 参数 | 类型 | 必填 | 说明 | -|------|------|------|------| -| uri | string | 是 | Neo4j 连接地址，如 bolt://localhost:7687 | -| username | string | 是 | 用户名 | -| password | string | 是 | 密码 | -| database | string | 否 | 数据库名（默认 neo4j） | - -## 请求示例 - -```json -{ - "uri": "bolt://localhost:7687", - "username": "neo4j", - "password": "password", - "database": "neo4j" -} -``` - -## 返回参数 - -| 参数 | 类型 | 说明 | -|------|------|------| -| success | bool | 是否成功 | -| graphs | object | 图谱数据 | - -### graphs 对象 - -| 参数 | 类型 | 说明 | -|------| -| labels------|------| | array | 标签列表 | -| relationshipTypes | array | 关系类型列表 | - -### labels 数组项 - -| 参数 | 类型 | 说明 | -|------|------|------| -| name | string | 标签名称 | -| count | int | 该标签的节点数量 | - -### relationshipTypes 数组项 - -| 参数 | 类型 | 说明 | -|------|------|------| -| name | string | 关系类型名称 | -| count | int | 该关系的数量 | - -## 返回示例 - -```json -{ - "success": true, - "graphs": { - "labels": [ - {"name": "User", "count": 1523}, - {"name": "Order", "count": 856}, - {"name": "Product", "count": 2341}, - {"name": "Category", "count": 45}, - {"name": "Review", "count": 5678} - ], - "relationshipTypes": [ - {"name": "KNOWS", "count": 2341}, - {"name": "BOUGHT", "count": 5678}, - {"name": "BELONGS_TO", "count": 2341}, - {"name": "HAS_REVIEW", "count": 5678}, - {"name": "LOCATED_IN", "count": 1523} - ] - } -} -``` - -## 前端使用说明 - -前端使用 ECharts 力导向图谱展示： -- `labels` 生成图谱节点，count 决定节点大小 -- `relationshipTypes` 生成图谱边 -- 建议返回至少 5-10 个关系类型以便生成丰富图谱 - ---- - -# Neo4j 获取节点详情 - -## 接口地址 - -``` -POST /neo4j/nodes -``` - -## 请求参数 - -| 参数 | 类型 | 必填 | 说明 | -|------|------|------|------| -| uri | string | 是 | Neo4j 连接地址，如 bolt://localhost:7687 | -| username | string | 是 | 用户名 | -| password | string | 是 | 密码 | -| database | string | 否 | 数据库名 | -| label | string | 是 | 节点标签名 | -| limit | int | 否 | 返回数量限制，默认 10 | - -## 请求示例 - -```json -{ - "uri": "bolt://localhost:7687", - "username": "neo4j", - "password": "password", - "label": "User", - "limit": 10 -} -``` - -## 返回参数 - -| 参数 | 类型 | 说明 | -|------|------|------| -| success | bool | 是否成功 | -| message | string | 消息 | -| nodes | array | 节点数据列表 | - -## 返回示例 - -```json -{ - "success": true, - "message": "success", - "nodes": [ - {"id": "1", "name": "张三", "email": "zhangsan@example.com"}, - {"id": "2", "name": "李四", "email": "lisi@example.com"} - ] -} -``` - ---- - -# Neo4j 获取关系详情 - -## 接口地址 - -``` -POST /neo4j/relationships -``` - -## 请求参数 - -| 参数 | 类型 | 必填 | 说明 | -|------|------|------|------| -| uri | string | 是 | Neo4j 连接地址 | -| username | string | 是 | 用户名 | -| password | string | 是 | 密码 | -| database | string | 否 | 数据库名 | -| relationship_type | string | 是 | 关系类型名 | -| limit | int | 否 | 返回数量限制，默认 10 | - -## 请求示例 - -```json -{ - "uri": "bolt://localhost:7687", - "username": "neo4j", - "password": "password", - "relationship_type": "KNOWS", - "limit": 10 -} -``` - -## 返回参数 - -| 参数 | 类型 | 说明 | -|------|------|------| -| success | bool | 是否成功 | -| message | string | 消息 | -| relationships | array | 关系数据列表 | - -## 返回示例 - -```json -{ - "success": true, - "message": "success", - "relationships": [ - { - "startId": "1", - "endId": "2", - "startLabels": ["User"], - "endLabels": ["User"], - "since": "2020-01-01" - } - ] -} -``` diff --git a/teams/api/neo4j-graph-save.md b/teams/api/neo4j-graph-save.md deleted file mode 100644 index 89d69e8..0000000 --- a/teams/api/neo4j-graph-save.md +++ /dev/null @@ -1,75 +0,0 @@ -# Neo4j 图谱保存接口需求 - -## 需求说明 - -前端需要保存 Neo4j 图谱的连接信息，以便后续快速加载和查看。 - ---- - -## 接口地址 - -``` -POST /database/graph/save -``` - -## 请求参数 - -| 参数 | 类型 | 必填 | 说明 | -|------|------|------|------| -| databaseId | string | 是 | 数据库 ID | -| databaseName | string | 是 | 数据库名称 | -| uri | string | 是 | Neo4j 连接地址，如 bolt://localhost:7687 | -| username | string | 是 | 用户名 | -| labels | array | 是 | 标签列表 | -| relationshipTypes | array | 是 | 关系类型列表 | -| selectedLabel | string | 否 | 当前选中的标签 | - -## 请求示例 - -```json -{ - "databaseId": "123", - "databaseName": "neo4j", - "uri": "bolt://10.10.10.189:7687", - "username": "neo4j", - "labels": ["User", "Order", "Product"], - "relationshipTypes": ["KNOWS", "BOUGHT", "BELONGS_TO"], - "selectedLabel": "User" -} -``` - -## 返回参数 - -| 参数 | 类型 | 说明 | -|------|------|------| -| success | bool | 是否成功 | -| message | string | 消息 | - -## 返回示例 - -```json -{ - "success": true, - "message": "保存成功" -} -``` - ---- - -## 前端调用示例 - -```javascript -fetch('/database/graph/save', { - method: 'POST', - headers: { 'Content-Type': 'application/json' }, - body: JSON.stringify({ - databaseId: '123', - databaseName: 'neo4j', - uri: 'bolt://10.10.10.189:7687', - username: 'neo4j', - labels: ['User', 'Order', 'Product'], - relationshipTypes: ['KNOWS', 'BOUGHT', 'BELONGS_TO'], - selectedLabel: 'User', - }), -}) -``` diff --git a/teams/api/subtable-list.md b/teams/api/subtable-list.md deleted file mode 100644 index c916bcb..0000000 --- a/teams/api/subtable-list.md +++ /dev/null @@ -1,75 +0,0 @@ -# 获取子表列表 - -## 接口地址 - -``` -GET /sub-table/database/:database_id -``` - -## 路径参数 - -| 参数 | 类型 | 必填 | 说明 | -|------|------|------|------| -| database_id | string | 是 | 数据库ID | - -## 返回参数 - -| 参数 | 类型 | 说明 | -|------|------|------| -| list | array | 子表列表 | - -### list[] 详情 - -| 参数 | 类型 | 说明 | -|------|------|------| -| id | string | 子表ID | -| database_id | string | 关联的数据库ID | -| parent_table | string | 原始表名 | -| sub_table_name | string | 子表别名 | -| sub_table_comment | string | 子表注释 | -| mapping_type | string | 映射类型 | -| relation_field | string | 关联字段 | -| relation_type | string | 关联类型 | -| fields | array | 字段映射列表 | -| ddl | string | 建表 DDL（带 COMMENT） | -| created_at | string | 创建时间 | - -### fields[] 详情 - -| 参数 | 类型 | 说明 | -|------|------|------| -| column_name | string | 列名 | -| mapped_name | string | 中文映射名 | - -## 返回示例 - -```json -{ - "list": [ - { - "id": "xxx-xxx", - "database_id": "database-xxx", - "parent_table": "users", - "sub_table_name": "用户表", - "sub_table_comment": "用户信息", - "mapping_type": "horizontal", - "relation_field": "id", - "relation_type": "one_to_many", - "fields": [ - {"column_name": "id", "mapped_name": "用户ID"}, - {"column_name": "name", "mapped_name": "用户名"} - ], - "ddl": "CREATE TABLE `users` (\n `id` int(10) unsigned NOT NULL COMMENT '用户ID'\n ...\n)", - "created_at": "2026-03-06T15:00:00Z" - } - ] -} -``` - -## 使用场景 - -用于恢复映射状态： -1. 用户点击已存在的数据库的 "Map Tables" 按钮 -2. 调用此接口获取已保存的子表信息 -3. 根据 `parent_table` 勾选已选择的表 -4. 根据 `fields` 恢复字段映射 diff --git a/teams/api/upload-api.md b/teams/api/upload-api.md deleted file mode 100644 index a01d0fc..0000000 --- a/teams/api/upload-api.md +++ /dev/null @@ -1,96 +0,0 @@ -# 文件上传 API - -## 基础信息 - -| 项目 | 说明 | -|------|------| -| 基础URL | `http://localhost:8082` | -| 上传模式 | local / minio（配置决定） | - -## 配置说明 - -```yaml -# config.yaml -upload_mode: "local" # 上传模式：local 或 minio -upload_local_path: "resource/files" # 本地存储路径 -server_base_url: "http://localhost:8082" # 服务器基础URL - -# MinIO 配置（upload_mode 为 minio 时需要） -minio_endpoint: "localhost:9000" -minio_access_key: "your-access-key" -minio_secret_key: "your-secret-key" -minio_bucket: "x-agents" -minio_use_ssl: false -``` - -## 接口列表 - -### 1. 上传文件 - -**请求** - -``` -POST /api/file_upload -Content-Type: multipart/form-data -``` - -| 参数 | 类型 | 必填 | 说明 | -|------|------|------|------| -| file | File | 是 | 要上传的文件 | - -**响应** - -```json -{ - "success": true, - "url": "http://localhost:8082/files/abc123.pdf", - "fileKey": "abc123", - "message": "Upload successful" -} -``` - -**错误响应** - -```json -{ - "success": false, - "message": "File too large (max 100MB)" -} -``` - ---- - -### 2. 删除文件 - -**请求** - -``` -DELETE /api/file_upload/:filename -``` - -| 参数 | 类型 | 必填 | 说明 | -|------|------|------|------| -| filename | String | 是 | 文件名（不含路径） | - -**响应** - -```json -{ - "success": true, - "message": "File deleted" -} -``` - ---- - -### 3. 访问文件（仅本地模式） - -文件上传后，本地模式下可通过以下 URL 直接访问： - -``` -GET /files/{filename} -``` - -例如：`http://localhost:8082/files/abc123.pdf` - -> 注意：MinIO 模式返回的是预签名 URL，有效期 24 小时。 diff --git a/teams/chat_history_plan.md b/teams/chat_history_plan.md new file mode 100644 index 0000000..2a1d24f --- /dev/null +++ b/teams/chat_history_plan.md @@ -0,0 +1,160 @@ +# 对话内容记录实现计划 + +> 创建时间：2026-03-13 11:30 +> 计划周期：2026-03-13 ~ 2026-03-15 + +## 目标 +在 Chat 页面创建新对话时，持久化记录对话内容，支持历史会话查看和刷新页面不丢失。 + +## 一、数据库设计 + +### 1. 会话表 (chat_sessions) +```sql +CREATE TABLE IF NOT EXISTS chat_sessions ( + id VARCHAR(191) PRIMARY KEY, + user_id VARCHAR(191) NOT NULL, + agent_id VARCHAR(191) NOT NULL, + title VARCHAR(255) NOT NULL, + model_id VARCHAR(191), + status VARCHAR(20) DEFAULT 'active', -- active/archived + created_at DATETIME(3), + updated_at DATETIME(3), + INDEX idx_sessions_user (user_id), + INDEX idx_sessions_agent (agent_id), + INDEX idx_sessions_updated (updated_at DESC) +); +``` + +### 2. 消息表 (chat_messages) +```sql +CREATE TABLE IF NOT EXISTS chat_messages ( + id VARCHAR(191) PRIMARY KEY, + session_id VARCHAR(191) NOT NULL, + role VARCHAR(20) NOT NULL, -- user/assistant/system + content TEXT NOT NULL, + tokens_used INT DEFAULT 0, + duration_ms INT DEFAULT 0, + metadata TEXT, -- JSON格式存储额外信息 + created_at DATETIME(3), + INDEX idx_messages_session (session_id), + INDEX idx_messages_created (created_at) +); +``` + +## 二、后端接口设计 + +### 1. 会话管理 +| 方法 | 路径 | 说明 | +|------|------|------| +| POST | /chat/sessions | 创建新会话 | +| GET | /chat/sessions | 获取用户会话列表 | +| GET | /chat/sessions/:id | 获取会话详情(含消息) | +| PUT | /chat/sessions/:id | 更新会话(如标题) | +| DELETE | /chat/sessions/:id | 删除会话 | + +### 2. 消息管理 +| 方法 | 路径 | 说明 | +|------|------|------| +| GET | /chat/sessions/:id/messages | 获取会话消息历史 | +| POST | /chat/messages | 记录单条消息(可选) | + +## 三、实现步骤 + +### 阶段一：后端 (小尧、小陈) +- [ ] 1. 创建 chat_sessions 和 chat_messages 表的 GORM 模型 +- [ ] 2. 添加数据库表初始化代码到 main.go +- [ ] 3. 实现 SessionRepository (会话 CRUD) +- [ ] 4. 实现 MessageRepository (消息 CRUD) +- [ ] 5. 创建 ChatSessionHandler 和 ChatMessageHandler +- [ ] 6. 注册路由并测试接口 + +### 阶段二：Python 服务 (小泽、小明) +- [ ] 1. 修改 api/routes.py 接入后端会话服务 +- [ ] 2. 每次对话结束后调用后端保存消息 +- [ ] 3. 支持历史消息加载(从后端获取) +- [ ] 4. 异常处理和重试机制 + +### 阶段三：前端 (小荣、狗蛋) +- [ ] 1. 创建 useChatSession composable +- [ ] 2. 新建对话时调用后端创建会话 +- [ ] 3. 发送消息时持久化到后端 +- [ ] 4. 加载历史会话和消息 +- [ ] 5. 会话列表展示和切换 + +## 四、详细时间计划 + +### 阶段一：后端开发 (2026-03-13 ~ 2026-03-13) +| 日期 | 任务 | 负责人 | +|------|------|--------| +| 03-13 下午 | 创建 chat_sessions 和 chat_messages 表的 GORM 模型 | 小尧 | +| 03-13 下午 | 添加数据库表初始化代码到 main.go | 小尧 | +| 03-13 下午 | 实现 SessionRepository (会话 CRUD) | 小尧 | +| 03-13 下午 | 实现 MessageRepository (消息 CRUD) | 小陈 | +| 03-13 下午 | 创建 ChatSessionHandler 和 ChatMessageHandler | 小陈 | +| 03-13 下午 | 注册路由并测试接口 | 小陈 | + +### 阶段二：Python 服务接入 (2026-03-14) +| 日期 | 任务 | 负责人 | +|------|------|--------| +| 03-14 上午 | 修改 api/routes.py 接入后端会话服务 | 小泽 | +| 03-14 上午 | 每次对话结束后调用后端保存消息 | 小泽 | +| 03-14 下午 | 支持历史消息加载(从后端获取) | 小明 | +| 03-14 下午 | 异常处理和重试机制 | 小明 | + +### 阶段三：前端对接 (2026-03-14 ~ 2026-03-15) +| 日期 | 任务 | 负责人 | +|------|------|--------| +| 03-14 下午 | 创建 useChatSession composable | 小荣 | +| 03-14 下午 | 新建对话时调用后端创建会话 | 小荣 | +| 03-15 上午 | 发送消息时持久化到后端 | 小荣 | +| 03-15 上午 | 加载历史会话和消息 | 狗蛋 | +| 03-15 下午 | 会话列表展示和切换 | 狗蛋 | + +## 五、技术细节 + +### 前端消息流程 +``` +1. 用户点击"新建对话" + → 调用 POST /chat/sessions 创建会话 + → 保存 sessionId 到状态 + +2. 用户发送消息 + → 前端发送消息到 Python 服务 + → Python 服务返回响应后 + → 前端调用 POST /chat/messages 保存用户消息 + → 前端调用 POST /chat/messages 保存 AI 响应 + +3. 加载历史会话 + → 调用 GET /chat/sessions 获取会话列表 + → 选择会话后调用 GET /chat/sessions/:id/messages 获取消息 +``` + +### 消息结构 +```typescript +interface ChatMessage { + id: string + session_id: string + role: 'user' | 'assistant' | 'system' + content: string + tokens_used?: number + duration_ms?: number + metadata?: Record + created_at: string +} +``` + +## 五、分工汇总 + +| 人员 | 任务 | 阶段 | +|------|------|------| +| 小尧 | 后端 - 会话/消息模型和 Repository | 阶段一 | +| 小陈 | 后端 - Handler 和路由注册 | 阶段一 | +| 小泽 | Python - 接入后端会话服务 | 阶段二 | +| 小明 | Python - 历史消息加载 | 阶段二 | +| 小荣 | 前端 - 会话管理和消息持久化 | 阶段三 | +| 狗蛋 | 前端 - UI 对接和测试 | 阶段三 | + +## 六、待确认问题 +1. 是否需要支持消息撤回/编辑？ +2. 会话标题是否需要 AI 自动生成还是用户手动输入？ +3. 是否需要消息搜索功能？ diff --git a/teams/multi_agent_plan/group_chat_implementation_plan.md b/teams/multi_agent_plan/group_chat_implementation_plan.md deleted file mode 100644 index 75c3b8a..0000000 --- a/teams/multi_agent_plan/group_chat_implementation_plan.md +++ /dev/null @@ -1,874 +0,0 @@ -# 多智能体群聊系统实现计划 - -## 项目概述 - -实现类似"一人公司"的多智能体群聊系统，支持多个 Agent 在群聊中讨论问题，类似于人类的团队会议。 - -### 核心特性 -- **三阶段流程**: 观点提出 → 讨论完善 → CEO 总结决策 -- **智能轮数**: AI 判断讨论是否充分，自动决定轮数 -- **用户插话**: 用户可以随时打断发表意见 -- **角色扮演**: 可配置不同角色的 Agent（CEO、CTO、Designer 等） -- **复用架构**: 复用现有的 LLM、ToolRegistry、SessionManager - ---- - -## 一、系统架构 - -### 1.1 整体架构图 - -``` -┌─────────────────────────────────────────────────────────────────┐ -│ Agent Group Chat System │ -│ ┌─────────────────────────────────────────────────────────────┐│ -│ │ GroupChatManager ││ -│ │ ┌─────────────┐ ┌─────────────┐ ┌─────────────┐ ││ -│ │ │ Presenter │ │ Discusser │ │ Summarizer │ ││ -│ │ │ Controller │ │ Controller │ │ Controller │ ││ -│ │ └─────────────┘ └─────────────┘ └─────────────┘ ││ -│ │ │ │ │ ││ -│ │ └────────────────┴────────────────┘ ││ -│ │ │ ││ -│ │ SmartRoundController ││ -│ └─────────────────────────────────────────────────────────────┘│ -│ │ │ -│ ┌──────────────────┼──────────────────┐ │ -│ ▼ ▼ ▼ │ -│ ┌─────────────┐ ┌─────────────┐ ┌─────────────┐ │ -│ │ CEO Agent │ │ CTO Agent │ │Designer Agent│ │ -│ │ Participant │ │ Participant │ │ Participant │ │ -│ └─────────────┘ └─────────────┘ └─────────────┘ │ -│ │ │ │ │ -│ └──────────────────┴──────────────────┘ │ -│ │ │ -│ ▼ │ -│ ┌─────────────┐ │ -│ │GroupContext │ │ -│ │(共享上下文) │ │ -│ └─────────────┘ │ -└─────────────────────────────────────────────────────────────────┘ -``` - -### 1.2 核心组件 - -| 组件 | 职责 | 文件位置 | -|------|------|----------| -| **GroupChatManager** | 群聊管理器，控制整体流程 | `group_chat/manager.py` | -| **Participant** | 参与群聊的 Agent 实例 | `group_chat/participant.py` | -| **StageController** | 阶段控制器，管理各阶段 | `group_chat/stages/controller.py` | -| **PresenterStage** | 观点提出阶段 | `group_chat/stages/presenter.py` | -| **DiscusserStage** | 讨论完善阶段 | `group_chat/stages/discusser.py` | -| **SummarizerStage** | 总结决策阶段 | `group_chat/stages/summarizer.py` | -| **SmartRoundController** | 智能轮数控制 | `group_chat/round_controller.py` | -| **GroupContext** | 共享讨论上下文 | `group_chat/context.py` | -| **GroupMessage** | 群聊消息 | `group_chat/message.py` | - ---- - -## 二、数据结构设计 - -### 2.1 消息定义 - -```python -# group_chat/message.py -from typing import Optional -from pydantic import BaseModel, Field -from datetime import datetime -from enum import Enum - - -class MessageStage(str, Enum): - """消息所属阶段""" - PRESENT = "present" # 观点提出 - DISCUSS = "discuss" # 讨论完善 - SUMMARIZE = "summarize" # 总结决策 - - -class GroupMessage(BaseModel): - """群聊消息""" - id: str = Field(..., description="消息唯一标识") - agent_id: str = Field(..., description="Agent ID") - agent_name: str = Field(..., description="Agent 名称") - agent_role: str = Field(..., description="Agent 角色") - content: str = Field(..., description="消息内容") - timestamp: datetime = Field(default_factory=datetime.now) - stage: MessageStage = Field(..., description="所属阶段") - round: int = Field(default=1, description="轮数") - replying_to: Optional[str] = Field(default=None, description="回复的消息ID") - - -class UserInterruption(BaseModel): - """用户插话""" - id: str - content: str - timestamp: datetime = Field(default_factory=datetime.now) - stage: MessageStage - round: int -``` - -### 2.2 共享上下文 - -```python -# group_chat/context.py -from typing import Optional -from pydantic import BaseModel, Field -from .message import GroupMessage, UserInterruption - - -class GroupContext(BaseModel): - """群聊共享上下文""" - topic: str = Field(..., description="讨论主题") - stage: str = Field(default="present", description="当前阶段") - round: int = Field(default=1, description="当前轮数") - messages: list[GroupMessage] = Field(default_factory=list) - user_interruptions: list[UserInterruption] = Field(default_factory=list) - final_decision: Optional[str] = Field(default=None, description="最终决策") - status: str = Field(default="running", description="running/completed/failed") - - -class GroupState(BaseModel): - """群聊状态""" - context: GroupContext - participants: dict[str, dict] # {agent_id: config} - config: dict # 群聊配置 -``` - ---- - -## 三、核心实现 - -### 3.1 Agent 角色定义 - -```python -# group_chat/roles.py -from typing import Optional - -# 默认角色配置 -DEFAULT_ROLES = { - "ceo": { - "id": "ceo", - "name": "CEO", - "role": "首席执行官", - "system_prompt": """你是一家公司的 CEO，负责制定公司战略方向和重大决策。 -你的特点是：高瞻远瞩、战略思维、注重长远利益。 -在讨论中，你应该： -- 从公司整体战略角度分析问题 -- 权衡短期和长期利益 -- 做最终决策并承担责任 -- 善于总结和归纳各方观点""", - "stages": ["present", "summarize"], - "is_final_decider": True, - "priority": 1 - }, - "cto": { - "id": "cto", - "name": "CTO", - "role": "首席技术官", - "system_prompt": """你是一家公司的 CTO，负责技术决策和技术团队管理。 -你的特点是：技术深厚、注重可行性、关注技术趋势。 -在讨论中，你应该： -- 从技术角度分析方案的可行性和风险 -- 提供技术实现建议 -- 评估技术选型 -- 关注系统的可扩展性和稳定性""", - "stages": ["present", "discuss"], - "is_final_decider": False, - "priority": 2 - }, - "designer": { - "id": "designer", - "name": "Designer", - "role": "产品设计师", - "system_prompt": """你是公司的产品设计师，负责用户体验和界面设计。 -你的特点是：创意丰富、注重用户体验、审美在线。 -在讨论中，你应该： -- 从用户角度分析问题 -- 提出用户体验优化建议 -- 关注产品细节 -- 平衡美观和实用性""", - "stages": ["present", "discuss"], - "is_final_decider": False, - "priority": 3 - }, - "analyst": { - "id": "analyst", - "name": "Analyst", - "role": "数据分析师", - "system_prompt": """你是公司的数据分析师，负责数据分析和决策支持。 -你的特点是：数据敏感、逻辑严谨、注重证据。 -在讨论中，你应该： -- 用数据支撑观点 -- 提供数据分析结果 -- 指出数据驱动的机会和风险 -- 关注关键指标""", - "stages": ["present", "discuss"], - "is_final_decider": False, - "priority": 4 - } -} -``` - -### 3.2 Participant（参与者 Agent） - -```python -# group_chat/participant.py -import uuid -from datetime import datetime -from typing import Optional -from langchain_core.language_models import BaseChatModel -from langchain_core.messages import HumanMessage, SystemMessage - -from .message import GroupMessage, MessageStage -from .context import GroupContext - - -class Participant: - """参与群聊的 Agent""" - - def __init__( - self, - llm: BaseChatModel, - config: dict, - stage: str = "present" - ): - self.llm = llm - self.config = config - self.id = config["id"] - self.name = config["name"] - self.role = config["role"] - self.system_prompt = config["system_prompt"] - self.stages = config.get("stages", ["present", "discuss", "summarize"]) - self.is_final_decider = config.get("is_final_decider", False) - - async def generate_message( - self, - context: GroupContext, - stage: MessageStage, - round_num: int, - replying_to: Optional[str] = None - ) -> GroupMessage: - """生成消息""" - - # 构建 prompt - prompt = self._build_prompt(context, stage, round_num) - - # 调用 LLM - response = await self.llm.ainvoke([ - SystemMessage(content=prompt), - HumanMessage(content=f"请就「{context.topic}」发表你的观点。") - ]) - - content = response.content if hasattr(response, 'content') else str(response) - - # 创建消息 - message = GroupMessage( - id=str(uuid.uuid4()), - agent_id=self.id, - agent_name=self.name, - agent_role=self.role, - content=content, - timestamp=datetime.now(), - stage=stage, - round=round_num, - replying_to=replying_to - ) - - return message - - def _build_prompt(self, context: GroupContext, stage: MessageStage, round_num: int) -> str: - """构建 prompt""" - - base_prompt = self.system_prompt - - # 添加上下文 - context_info = f""" -## 当前讨论 -主题：{context.topic} -阶段：{stage.value} -轮数：{round_num} - -## 历史消息 -""" - - # 添加历史消息（限制数量） - recent_messages = context.messages[-10:] if context.messages else [] - for msg in recent_messages: - context_info += f"\n【{msg.agent_name}】{msg.content}\n" - - # 添加用户插话 - if context.user_interruptions: - context_info += "\n## 用户插话\n" - for interruption in context.user_interruptions[-3:]: - context_info += f"\n【用户】{interruption.content}\n" - - # 阶段特定的指令 - stage_instruction = { - "present": "请简洁地提出你的观点和建议。", - "discuss": "请回应其他人的观点，进行讨论和完善。", - "summarize": "请总结各方观点，给出最终决策建议。" - } - - full_prompt = f"{base_prompt}\n\n{context_info}\n\n{stage_instruction.get(stage.value, '')}" - - return full_prompt - - def can_participate(self, stage: MessageStage) -> bool: - """判断是否可以参与当前阶段""" - return stage.value in self.stages -``` - -### 3.3 智能轮数控制器 - -```python -# group_chat/round_controller.py -from langchain_core.language_models import BaseChatModel -from langchain_core.messages import SystemMessage, HumanMessage - -from .context import GroupContext -from .message import MessageStage - - -class SmartRoundController: - """智能轮数控制器""" - - def __init__(self, llm: BaseChatModel, max_rounds: int = 3): - self.llm = llm - self.max_rounds = max_rounds - - async def should_continue( - self, - context: GroupContext, - stage: MessageStage - ) -> tuple[bool, str]: - """ - 判断是否继续下一轮 - - Returns: - (是否继续, 原因) - """ - - # 达到最大轮数 - if context.round >= self.max_rounds: - return False, "max_rounds_reached" - - # 构建判断 prompt - prompt = self._build_judge_prompt(context, stage) - - # 调用 LLM 判断 - response = await self.llm.ainvoke([ - SystemMessage(content=prompt), - HumanMessage(content="请判断讨论是否已经充分，是否需要更多轮数。") - ]) - - content = response.content.lower() if hasattr(response, 'content') else str(response) - - # 解析判断结果 - if "充分" in content or "足够" in content or "不需要" in content: - return False, "discussion_sufficient" - elif "不充分" in content or "不够" in content or "需要" in content: - return True, "need_more_discussion" - - # 默认继续 - return True, "default_continue" - - def _build_judge_prompt(self, context: GroupContext, stage: MessageStage) -> str: - """构建判断 prompt""" - - messages_summary = "\n".join([ - f"【{msg.agent_name}】{msg.content[:200]}..." - for msg in context.messages[-5:] - ]) - - return f"""你是一个讨论质量评估专家。请判断当前的讨论是否已经充分。 - -## 讨论信息 -主题：{context.topic} -当前阶段：{stage.value} -当前轮数：{context.round} -最大轮数：{self.max_rounds} - -## 最近的讨论内容 -{messages_summary} - -## 判断标准 -- 各方观点是否已经充分表达？ -- 是否有建设性的讨论和回应？ -- 是否已经形成明确的结论或方向？ - -## 请输出 -如果讨论已经充分，请输出"充分"，并简要说明原因。 -如果还需要更多讨论，请输出"不充分"，并说明需要讨论哪些方面。 -""" -``` - -### 3.4 群聊管理器 - -```python -# group_chat/manager.py -import uuid -from typing import Optional -from datetime import datetime - -from langchain_core.language_models import BaseChatModel - -from .context import GroupContext -from .message import GroupMessage, MessageStage, UserInterruption -from .participant import Participant -from .roles import DEFAULT_ROLES -from .round_controller import SmartRoundController - - -class GroupChatManager: - """群聊管理器""" - - def __init__( - self, - llm: BaseChatModel, - roles: dict = None, - max_rounds: int = 3, - enable_user_interrupt: bool = True - ): - self.llm = llm - self.roles = roles or DEFAULT_ROLES - self.max_rounds = max_rounds - self.enable_user_interrupt = enable_user_interrupt - - # 初始化组件 - self.round_controller = SmartRoundController(llm, max_rounds) - - # 运行时状态 - self.context: Optional[GroupContext] = None - self.participants: dict[str, Participant] = {} - - async def start_chat(self, topic: str) -> dict: - """开始群聊""" - - # 创建上下文 - self.context = GroupContext( - topic=topic, - stage="present", - round=1, - messages=[], - user_interruptions=[], - status="running" - ) - - # 创建参与者 - self.participants = { - role_id: Participant(self.llm, config) - for role_id, config in self.roles.items() - } - - # 按优先级排序参与者 - sorted_participants = sorted( - self.participants.values(), - key=lambda p: p.config.get("priority", 999) - ) - - # 开始第一阶段 - result = await self._run_stage(MessageStage.PRESENT, sorted_participants) - - return result - - async def _run_stage( - self, - stage: MessageStage, - participants: list[Participant] - ) -> dict: - """运行指定阶段""" - - # 更新上下文 - self.context.stage = stage.value - - # 按阶段获取参与者 - stage_participants = [p for p in participants if p.can_participate(stage)] - - # 执行多轮 - for round_num in range(1, self.max_rounds + 1): - self.context.round = round_num - - # 当前阶段参与者发言 - messages = await self._run_round(stage, stage_participants, round_num) - - # 智能判断是否继续 - should_continue, reason = await self.round_controller.should_continue( - self.context, stage - ) - - if not should_continue: - break - - # 阶段完成后的处理 - if stage == MessageStage.PRESENT: - # 进入讨论阶段 - if any(p.can_participate(MessageStage.DISCUSS) for p in participants): - return await self._run_stage(MessageStage.DISCUSS, participants) - - elif stage == MessageStage.DISCUSS: - # 进入总结阶段 - summarizer = next( - (p for p in participants if p.is_final_decider), - participants[0] - ) - return await self._run_stage(MessageStage.SUMMARIZE, [summarizer]) - - elif stage == MessageStage.SUMMARIZE: - # 完成 - self.context.status = "completed" - - return self._build_result() - - async def _run_round( - self, - stage: MessageStage, - participants: list[Participant], - round_num: int - ) -> list[GroupMessage]: - """运行一轮发言""" - - messages = [] - - for participant in participants: - # 获取前一轮的最新消息（用于回复） - replying_to = None - if self.context.messages: - last_message = self.context.messages[-1] - if last_message.agent_id != participant.id: - replying_to = last_message.id - - # 生成消息 - message = await participant.generate_message( - context=self.context, - stage=stage, - round_num=round_num, - replying_to=replying_to - ) - - # 保存消息 - self.context.messages.append(message) - messages.append(message) - - return messages - - async def add_interruption(self, content: str) -> dict: - """添加用户插话""" - - if not self.enable_user_interrupt: - return {"error": "用户插话已禁用"} - - interruption = UserInterruption( - id=str(uuid.uuid4()), - content=content, - timestamp=datetime.now(), - stage=MessageStage(self.context.stage), - round=self.context.round - ) - - self.context.user_interruptions.append(interruption) - - return {"success": True, "interruption_id": interruption.id} - - def get_messages(self) -> list[GroupMessage]: - """获取所有消息""" - return self.context.messages if self.context else [] - - def get_result(self) -> dict: - """获取结果""" - return self._build_result() - - def _build_result(self) -> dict: - """构建结果""" - return { - "topic": self.context.topic, - "status": self.context.status, - "messages": [ - { - "agent_name": m.agent_name, - "agent_role": m.agent_role, - "content": m.content, - "stage": m.stage.value, - "round": m.round - } - for m in self.context.messages - ], - "final_decision": self.context.final_decision, - "user_interruptions": [ - {"content": i.content, "timestamp": i.timestamp.isoformat()} - for i in self.context.user_interruptions - ] - } -``` - ---- - -## 四、阶段实现 - -### 4.1 Presenter Stage（观点提出） - -```python -# group_chat/stages/presenter.py -from typing import list -from ..participant import Participant -from ..message import GroupMessage - - -class PresenterStage: - """观点提出阶段""" - - async def execute( - self, - participants: list[Participant], - context - ) -> list[GroupMessage]: - """执行观点提出""" - - messages = [] - - # 按优先级顺序发言 - for participant in participants: - if not participant.can_participate("present"): - continue - - message = await participant.generate_message( - context=context, - stage="present", - round=context.round - ) - - messages.append(message) - context.messages.append(message) - - return messages -``` - -### 4.2 Discusser Stage（讨论完善） - -```python -# group_chat/stages/discusser.py -from ..participant import Participant -from ..message import GroupMessage - - -class DiscusserStage: - """讨论完善阶段""" - - async def execute( - self, - participants: list[Participant], - context - ) -> list[GroupMessage]: - """执行讨论完善""" - - messages = [] - - # 获取上一轮的消息 - last_round_messages = [ - m for m in context.messages - if m.stage == "present" and m.round == context.round - 1 - ] - - for participant in participants: - if not participant.can_participate("discuss"): - continue - - # 选择要回复的消息 - replying_to = None - for msg in reversed(last_round_messages): - if msg.agent_id != participant.id: - replying_to = msg.id - break - - message = await participant.generate_message( - context=context, - stage="discuss", - round=context.round, - replying_to=replying_to - ) - - messages.append(message) - context.messages.append(message) - - return messages -``` - -### 4.3 Summarizer Stage（总结决策） - -```python -# group_chat/stages/summarizer.py -from ..participant import Participant -from ..message import GroupMessage - - -class SummarizerStage: - """总结决策阶段""" - - async def execute( - self, - participants: list[Participant], - context - ) -> GroupMessage: - """执行总结决策""" - - # CEO 总结 - summarizer = next( - (p for p in participants if p.is_final_decider), - participants[0] - ) - - message = await summarizer.generate_message( - context=context, - stage="summarize", - round=context.round - ) - - # 保存最终决策 - context.final_decision = message.content - context.messages.append(message) - - return message -``` - ---- - -## 五、与现有系统集成 - -### 5.1 复用现有组件 - -```python -# group_chat/integration.py -from typing import Optional -from app.llm.factory import LLMFactory -from app.agent.tools.registry import ToolRegistry -from app.agent.memory.session import SessionManager - -from .manager import GroupChatManager - - -class GroupChatSystem: - """群聊系统 - 集成现有组件""" - - def __init__( - self, - llm_provider: str = "openai", - openai_api_key: Optional[str] = None, - anthropic_api_key: Optional[str] = None, - roles: dict = None, - max_rounds: int = 3, - enable_user_interrupt: bool = True - ): - # 初始化 LLM Factory - self.llm_factory = LLMFactory( - provider=llm_provider, - openai_api_key=openai_api_key, - anthropic_api_key=anthropic_api_key - ) - - # 初始化 Tool Registry - self.tool_registry = ToolRegistry() - - # 初始化 Session Manager - self.session_manager = SessionManager() - - # 配置 - self.roles = roles - self.max_rounds = max_rounds - self.enable_user_interrupt = enable_user_interrupt - - async def start_group_chat( - self, - topic: str, - session_id: str = None - ) -> dict: - """开始群聊""" - - # 获取 LLM - llm = self.llm_factory.get_llm() - - # 创建群聊管理器 - manager = GroupChatManager( - llm=llm, - roles=self.roles, - max_rounds=self.max_rounds, - enable_user_interrupt=self.enable_user_interrupt - ) - - # 开始群聊 - result = await manager.start_chat(topic) - - # 保存到 session - if session_id: - self.session_manager.add_message(session_id, "user", topic) - self.session_manager.add_message( - session_id, - "assistant", - result.get("final_decision", str(result)) - ) - - return result - - async def add_message( - self, - message: str, - session_id: str - ) -> dict: - """添加用户消息（插话）""" - - # 获取 session 中的 manager - # ... 实现获取逻辑 - - return manager.add_interruption(message) -``` - ---- - -## 六、文件结构 - -``` -agent/app/agent/multi/ -├── group_chat/ -│ ├── __init__.py -│ ├── roles.py # Agent 角色定义 -│ ├── message.py # 消息类型 -│ ├── context.py # 共享上下文 -│ ├── participant.py # 参与者 Agent -│ ├── manager.py # 群聊管理器 -│ ├── round_controller.py # 智能轮数控制器 -│ ├── stages/ -│ │ ├── __init__.py -│ │ ├── controller.py # 阶段控制器 -│ │ ├── presenter.py # 观点提出阶段 -│ │ ├── discusser.py # 讨论完善阶段 -│ │ └── summarizer.py # 总结决策阶段 -│ └── integration.py # 与现有系统集成 -``` - ---- - -## 七、实现顺序 - -1. **Phase 1: 基础架构** - - 定义数据类型 (message.py, context.py) - - 创建角色配置 (roles.py) - -2. **Phase 2: 核心组件** - - 实现 Participant (participant.py) - - 实现 SmartRoundController (round_controller.py) - -3. **Phase 3: 阶段实现** - - 实现 PresenterStage - - 实现 DiscusserStage - - 实现 SummarizerStage - -4. **Phase 4: 集成** - - 实现 GroupChatManager - - 与现有系统集成 - ---- - -## 八、测试计划 - -1. **单元测试**: 测试各 Participant 的消息生成 -2. **集成测试**: 测试完整的群聊流程 -3. **轮数控制测试**: 测试智能轮数判断 -4. **用户插话测试**: 测试插话机制 -5. **端到端测试**: 模拟真实群聊场景 diff --git a/teams/multi_agent_plan/group_chat_notes.md b/teams/multi_agent_plan/group_chat_notes.md deleted file mode 100644 index 1943954..0000000 --- a/teams/multi_agent_plan/group_chat_notes.md +++ /dev/null @@ -1,80 +0,0 @@ -# Notes: 多智能体群聊系统研究 - -## 核心概念 - -### 群聊系统 vs 之前的 Supervisor 系统 - -| 特性 | Supervisor 系统 | 群聊系统 | -|------|----------------|----------| -| 流程 | 线性：规划 → 执行 → 汇总 | 多阶段循环 | -| Agent 关系 | 层级：Supervisor 管理 Workers | 平等协作 | -| 通信方式 | 单向：任务分发 | 多向：互相讨论 | -| 决策方式 | Supervisor 决定 | CEO 最终决策 | -| 用户参与 | 旁观 | 可插话 | - -### 设计模式 - -#### 1. 流水线模式 -``` -Stage 1 (Presenter) → Stage 2 (Discusser) → Stage 3 (Summarizer) -``` - -#### 2. 消息传递 -- 每个 Stage 维护一个消息队列 -- Agent 的输出成为下一个 Agent 的输入 -- 使用 Shared Context 存储共享状态 - -#### 3. 智能轮数 -```python -class SmartRoundController: - def should_continue(self, stage, round_num, messages): - # 使用 LLM 判断是否继续 - prompt = f""" - 当前阶段: {stage} - 当前轮数: {round_num} - 讨论内容: {messages} - - 讨论是否已经充分？是否需要更多轮数？ - """ - return llm.judge(prompt) -``` - -## 复用现有架构 - -### 可复用的组件 -1. **LLM Factory** - 语言模型 -2. **Tool Registry** - 工具注册 -3. **Session Manager** - 会话管理 -4. **Agent Executor** - Agent 执行逻辑（部分） - -### 需要新增的组件 -1. **GroupChatManager** - 群聊管理器 -2. **Participant** - 参与者 Agent -3. **Stage Controller** - 阶段控制器 -4. **SmartRoundController** - 智能轮数控制器 - -## 关键数据结构 - -### GroupMessage -```python -class GroupMessage(BaseModel): - id: str - agent_id: str - agent_name: str - content: str - timestamp: datetime - stage: str # presenter/discusser/summarizer - round: int - replying_to: Optional[str] # 回复的消息 ID -``` - -### GroupContext -```python -class GroupContext(BaseModel): - topic: str # 讨论主题 - stage: str # 当前阶段 - round: int # 当前轮数 - messages: list[GroupMessage] # 所有消息 - user_interruptions: list[str] # 用户插话 - final_decision: Optional[str] # 最终决策 -``` diff --git a/teams/multi_agent_plan/group_chat_task_plan.md b/teams/multi_agent_plan/group_chat_task_plan.md deleted file mode 100644 index cac821b..0000000 --- a/teams/multi_agent_plan/group_chat_task_plan.md +++ /dev/null @@ -1,32 +0,0 @@ -# Task Plan: 多智能体群聊系统实现计划 - -## Goal -实现类似"一人公司"的多智能体群聊系统，支持头脑风暴、任务协作、角色扮演等多模式讨论。 - -## Phases -- [x] Phase 1: 基础架构设计和核心组件规划 -- [ ] Phase 2: 群聊管理器 (GroupChatManager) 实现 -- [ ] Phase 3: 参与 Agent (Participant) 实现 -- [ ] Phase 4: 三个阶段实现 (Presenter/Discusser/Summarizer) -- [ ] Phase 5: 智能轮数控制实现 -- [ ] Phase 6: 用户插话机制实现 -- [ ] Phase 7: 与现有系统集成和 API 接口 - -## Key Questions -1. 如何复用现有的 Supervisor + Workers 架构？ -2. 如何实现智能轮数控制？ -3. 如何处理用户插话？ - -## Decisions Made -- 架构：任务流水线模式（观点提出 → 讨论完善 → 总结决策） -- 决策机制：CEO Agent 最终决策 -- 轮数控制：AI 智能判断 -- 用户参与：插话模式 -- 复用策略：复用现有 LLM、ToolRegistry、SessionManager - -## Status -**Currently in Phase 1** - 系统架构设计和核心组件规划已完成 - -## 实现计划文件 -- `group_chat_implementation_plan.md` - 详细实现计划 -- `group_chat_notes.md` - 研究笔记 diff --git a/teams/multi_agent_plan/implementation_plan.md b/teams/multi_agent_plan/implementation_plan.md deleted file mode 100644 index 94899ec..0000000 --- a/teams/multi_agent_plan/implementation_plan.md +++ /dev/null @@ -1,709 +0,0 @@ -# 多智能体联动系统实现计划 - -## 项目概述 - -基于 LangGraph 实现类似 OpenClaw 的多智能体协作系统，采用 Supervisor + Workers 层级架构。 - -### 核心特性 -- **任务规划**: Supervisor 分析任务并生成执行计划 -- **动态分发**: LLM 自主决策调用哪个 Worker -- **并行执行**: 支持多个 Worker 同时处理任务 -- **结果汇总**: Supervisor 汇总所有 Worker 结果 -- **迭代优化**: 支持 Review 机制和迭代重试 - ---- - -## 一、系统架构 - -### 1.1 整体架构图 - -``` -┌─────────────────────────────────────────────────────────────────┐ -│ MultiAgentSystem │ -│ ┌───────────────────────────────────────────────────────────┐ │ -│ │ Supervisor Agent │ │ -│ │ ┌─────────────┐ ┌─────────────┐ ┌─────────────┐ │ │ -│ │ │ Planner │ │ Dispatcher │ │ Aggregator │ │ │ -│ │ │ (任务规划) │ │ (任务分发) │ │ (结果汇总) │ │ │ -│ │ └─────────────┘ └─────────────┘ └─────────────┘ │ │ -│ └───────────────────────────────────────────────────────────┘ │ -│ │ │ -│ ┌──────────────────┼──────────────────┐ │ -│ ▼ ▼ ▼ │ -│ ┌─────────────┐ ┌─────────────┐ ┌─────────────┐ │ -│ │ Research │ │ Coder │ │ Review │ │ -│ │ Worker │ │ Worker │ │ Worker │ │ -│ └─────────────┘ └─────────────┘ └─────────────┘ │ -│ │ │ │ │ -│ └──────────────────┴──────────────────┘ │ -│ │ │ -│ ▼ │ -│ ┌─────────────┐ │ -│ │ Shared State │ │ -│ │ (共享状态) │ │ -│ └─────────────┘ │ -└─────────────────────────────────────────────────────────────────┘ -``` - -### 1.2 核心组件 - -| 组件 | 职责 | 文件位置 | -|------|------|----------| -| **SupervisorAgent** | 任务分析、规划、分发、汇总 | `agent/multi/supervisor.py` | -| **BaseWorker** | Worker 基类，定义执行接口 | `agent/multi/workers/base.py` | -| **ResearchWorker** | 信息搜索和调研 | `agent/multi/workers/research.py` | -| **CoderWorker** | 代码编写和修改 | `agent/multi/workers/coder.py` | -| **ReviewWorker** | 结果检查和评审 | `agent/multi/workers/review.py` | -| **SharedState** | 跨 Agent 共享状态 | `agent/multi/state.py` | -| **TaskQueue** | 任务队列管理 | `agent/multi/queue.py` | -| **MultiAgentGraph** | LangGraph 流程编排 | `agent/multi/graph.py` | - ---- - -## 二、数据结构设计 - -### 2.1 Agent State 定义 - -```python -# agent/multi/types.py -from typing import TypedDict, Annotated, Optional -from operator import add -from pydantic import BaseModel - - -class TaskItem(BaseModel): - """单个任务项""" - id: str - description: str - assigned_agent: str # research / coder / review - status: str # pending / running / completed / failed - result: Optional[dict] = None - error: Optional[str] = None - retry_count: int = 0 - - -class AgentState(TypedDict): - """贯穿整个图的 Agent 状态""" - # 用户输入 - original_task: str # 原始任务描述 - - # 任务规划 - task_plan: list[TaskItem] # 分解后的任务列表 - current_task_index: int # 当前执行的任务索引 - - # 执行结果 - results: dict # {task_id: result} - - # 流程控制 - iteration: int # 当前迭代次数 - next_node: str # 下一个节点名称 - - # 共享上下文 - shared_context: dict # Agent 间共享的数据 - - # 最终输出 - final_output: str - status: str # running / completed / failed -``` - -### 2.2 Supervisor 输出结构 - -```python -# Supervisor 的结构化输出 -class SupervisorDecision(BaseModel): - """Supervisor 的决策""" - analysis: str # 任务分析 - task_plan: list[TaskItem] # 任务计划 - need_aggregation: bool # 是否需要汇总 - next_worker: str # 下一个执行的 Worker -``` - ---- - -## 三、核心实现 - -### 3.1 Supervisor Agent - -```python -# agent/multi/supervisor.py -from langchain_core.language_models import BaseChatModel -from langchain_core.output_parsers import PydanticOutputParser -from pydantic import BaseModel -from typing import Type - -from .types import AgentState, TaskItem, SupervisorDecision -from .prompts import SUPERVISOR_SYSTEM_PROMPT - - -class SupervisorAgent: - """Supervisor Agent - 负责任务规划和分发""" - - def __init__( - self, - llm: BaseChatModel, - max_iterations: int = 3 - ): - self.llm = llm - self.max_iterations = max_iterations - self.output_parser = PydanticOutputParser(pydantic_object=SupervisorDecision) - - def create_node(self): - """创建 Supervisor 节点""" - return self._supervisor_node - - async def _supervisor_node(self, state: AgentState) -> dict: - """Supervisor 节点逻辑""" - # 首次调用：分析任务并生成计划 - if not state.get("task_plan"): - decision = await self._plan_tasks(state["original_task"]) - return { - "task_plan": decision.task_plan, - "next_node": decision.next_worker, - "current_task_index": 0, - "shared_context": {"task_analysis": decision.analysis} - } - - # 检查是否需要继续 - current_task = state["task_plan"][state["current_task_index"]] - - if current_task["status"] == "completed": - # 当前任务完成，检查是否还有更多任务 - if state["current_task_index"] + 1 < len(state["task_plan"]): - next_index = state["current_task_index"] + 1 - next_task = state["task_plan"][next_index] - return { - "current_task_index": next_index, - "next_node": next_task["assigned_agent"] - } - else: - # 所有任务完成，进入汇总 - return {"next_node": "aggregate"} - - elif current_task["status"] == "failed": - # 任务失败，检查是否超过最大重试 - if current_task["retry_count"] >= self.max_iterations: - return {"next_node": "aggregate", "status": "failed"} - else: - # 重试 - return {"next_node": current_task["assigned_agent"]} - - return {"next_node": state.get("next_node", "aggregate")} - - async def _plan_tasks(self, task: str) -> SupervisorDecision: - """调用 LLM 生成任务计划""" - prompt = SUPERVISOR_SYSTEM_PROMPT.format(task=task) - - response = await self.llm.ainvoke([ - {"role": "system", "content": prompt}, - {"role": "user", "content": "请分析任务并制定执行计划。"} - ]) - - # 解析 LLM 输出为结构化决策 - # ... (实现解析逻辑) - return decision -``` - -### 3.2 Worker 基类 - -```python -# agent/multi/workers/base.py -from abc import ABC, abstractmethod -from typing import Any -from langchain_core.language_models import BaseChatModel - -from ..types import AgentState - - -class BaseWorker(ABC): - """Worker Agent 基类""" - - def __init__( - self, - llm: BaseChatModel, - name: str, - system_prompt: str, - tools: list = None - ): - self.llm = llm - self.name = name - self.system_prompt = system_prompt - self.tools = tools or [] - - @abstractmethod - async def execute(self, task: TaskItem, context: dict) -> dict: - """执行任务""" - pass - - def create_node(self): - """创建 LangGraph 节点""" - async def node(state: AgentState) -> dict: - task = state["task_plan"][state["current_task_index"]] - result = await self.execute(task, state.get("shared_context", {})) - - # 更新状态 - return { - "results": {task.id: result}, - "task_plan": self._update_task_status( - state["task_plan"], - task.id, - "completed" if result.get("success") else "failed" - ), - "shared_context": {**state.get("shared_context", {}), **result.get("context", {})} - } - - return node - - def _update_task_status(self, tasks: list, task_id: str, status: str) -> list: - """更新任务状态""" - return [ - {**task, "status": status} if task["id"] == task_id else task - for task in tasks - ] -``` - -### 3.3 任务队列（可选：支持并行执行） - -```python -# agent/multi/queue.py -import asyncio -from typing import Any, Callable -from dataclasses import dataclass -from enum import Enum - - -class TaskStatus(Enum): - PENDING = "pending" - RUNNING = "running" - COMPLETED = "completed" - FAILED = "failed" - - -@dataclass -class QueuedTask: - id: str - agent_name: str - task_data: Any - status: TaskStatus = TaskStatus.PENDING - result: Any = None - error: str = None - - -class TaskQueue: - """任务队列 - 支持并行执行多个 Worker""" - - def __init__(self, max_concurrent: int = 3): - self.max_concurrent = max_concurrent - self.queue: asyncio.Queue = asyncio.Queue() - self.results: dict = {} - self._running = 0 - - async def add_task(self, task: QueuedTask): - """添加任务到队列""" - await self.queue.put(task) - - async def execute_all(self, worker_factory: Callable): - """执行所有任务""" - async def worker(): - while True: - try: - task = self.queue.get_nowait() - except asyncio.QueueEmpty: - break - - self._running += 1 - task.status = TaskStatus.Running - - try: - worker_instance = worker_factory(task.agent_name) - task.result = await worker_instance.execute(task.task_data) - task.status = TaskStatus.COMPLETED - except Exception as e: - task.status = TaskStatus.FAILED - task.error = str(e) - finally: - self._running -= 1 - self.results[task.id] = task - - # 启动多个 worker 协程 - workers = [asyncio.create_task(worker()) for _ in range(self.max_concurrent)] - await asyncio.gather(*workers) - - return self.results -``` - -### 3.4 LangGraph 流程编排 - -```python -# agent/multi/graph.py -from langgraph.graph import StateGraph, END -from langgraph.prebuilt import ToolNode - -from .types import AgentState -from .supervisor import SupervisorAgent -from .workers.research import ResearchWorker -from .workers.coder import CoderWorker -from .workers.review import ReviewWorker -from .aggregator import ResultAggregator - - -def create_multi_agent_graph( - llm, - tool_registry, - max_iterations: int = 3 -) -> StateGraph: - """创建多 Agent 流程图""" - - # 初始化组件 - supervisor = SupervisorAgent(llm, max_iterations) - research_worker = ResearchWorker(llm, tool_registry) - coder_worker = CoderWorker(llm, tool_registry) - review_worker = ReviewWorker(llm, tool_registry) - aggregator = ResultAggregator(llm) - - # 创建图 - graph = StateGraph(AgentState) - - # 添加节点 - graph.add_node("supervisor", supervisor.create_node()) - graph.add_node("research", research_worker.create_node()) - graph.add_node("coder", coder_worker.create_node()) - graph.add_node("review", review_worker.create_node()) - graph.add_node("aggregate", aggregator.create_node()) - - # 设置入口 - graph.set_entry_point("supervisor") - - # 添加边 - graph.add_edge("supervisor", "research") - graph.add_edge("research", "review") - graph.add_edge("coder", "review") - - # 条件边：从 review 回到 supervisor - def should_continue(state: AgentState) -> str: - if state.get("status") == "failed": - return "aggregate" - if state.get("iteration", 0) >= max_iterations: - return "aggregate" - if state.get("current_task_index", 0) >= len(state.get("task_plan", [])): - return "aggregate" - return "supervisor" - - graph.add_conditional_edges( - "review", - should_continue, - { - "supervisor": "supervisor", - "aggregate": "aggregate" - } - ) - - # 结束节点 - graph.add_edge("aggregate", END) - - return graph.compile() -``` - ---- - -## 四、Prompt 设计 - -### 4.1 Supervisor System Prompt - -```python -# agent/multi/prompts.py - -SUPERVISOR_SYSTEM_PROMPT = """你是一个任务规划专家（Supervisor）。你的职责是将复杂任务分解为可执行的子任务，并分配给合适的执行 Agent。 - -## 可用的 Worker Agent -- **research**: 信息搜索和调研 -- **coder**: 代码编写、修改和调试 -- **review**: 结果检查、质量评审 - -## 任务 -{task} - -## 请按以下步骤执行 - -### 步骤 1: 任务分析 -分析任务的性质，确定需要哪些步骤来完成。 - -### 步骤 2: 任务分解 -将任务分解为独立的子任务。每个子任务应该： -- 描述清晰 -- 可以由单个 Agent 完成 -- 有明确的完成标准 - -### 步骤 3: 分配 Agent -为每个子任务选择最合适的执行 Agent。 - -### 步骤 4: 确定执行顺序 -如果有依赖关系，确定正确的执行顺序。 - -## 输出格式 -请以 JSON 格式输出你的决策： -```json -{{ - "analysis": "任务分析...", - "task_plan": [ - {{ - "id": "task_1", - "description": "子任务描述", - "assigned_agent": "research" - }}, - {{ - "id": "task_2", - "description": "子任务描述", - "assigned_agent": "coder" - }} - ], - "need_aggregation": true, - "next_worker": "research" -}} -``` - -## 注意 -- 如果任务很简单，可以只分配给一个 Agent -- 如果任务需要迭代优化，确保有 review 环节 -- 考虑任务之间的依赖关系 -""" -``` - -### 4.2 Review Worker Prompt - -```python -REVIEW_SYSTEM_PROMPT = """你是一个代码和结果评审专家（Reviewer）。你的职责是检查任务执行结果是否符合要求。 - -## 任务描述 -{task_description} - -## 执行结果 -{execution_result} - -## 检查标准 -1. 结果是否完整解决了原始任务？ -2. 输出格式是否正确？ -3. 是否存在明显的错误或遗漏？ -4. 代码是否有潜在问题？ - -## 请输出评审结果 -```json -{{ - "passed": true/false, - "issues": [ - {{"severity": "high/medium/low", "description": "问题描述"}} - ], - "suggestions": ["改进建议"] -}} -``` -""" -``` - ---- - -## 五、迭代控制 - -### 5.1 迭代逻辑 - -```python -# agent/multi/iteration.py -from typing import Optional - - -class IterationController: - """迭代控制器""" - - def __init__(self, max_iterations: int = 3): - self.max_iterations = max_iterations - - def should_continue( - self, - iteration: int, - task_status: str, - review_result: dict - ) -> tuple[bool, str]: - """ - 判断是否继续迭代 - - Returns: - (是否继续, 原因) - """ - # 超过最大迭代次数 - if iteration >= self.max_iterations: - return False, "max_iterations_reached" - - # 任务成功完成 - if task_status == "completed" and review_result.get("passed"): - return False, "task_completed" - - # 任务失败且不可重试 - if task_status == "failed" and not review_result.get("retryable"): - return False, "task_failed" - - # 需要重试 - if review_result.get("issues") and review_result.get("passed") is False: - return True, "needs_retry" - - return True, "continue" - - def get_next_action( - self, - review_result: dict, - current_worker: str - ) -> str: - """确定下一步动作""" - if review_result.get("passed"): - return "supervisor" # 返回 Supervisor - - # 根据问题类型决定下一步 - issues = review_result.get("issues", []) - high_severity = any(i.get("severity") == "high" for i in issues) - - if high_severity: - # 严重问题，重新执行相同任务 - return current_worker - else: - # 轻微问题，可以继续 - return "supervisor" -``` - ---- - -## 六、与现有系统集成 - -### 6.1 复用现有组件 - -```python -# agent/multi/integration.py -from app.agent.core.agent import AgentManager -from app.agent.tools.registry import ToolRegistry -from app.agent.memory.session import SessionManager -from app.llm.factory import LLMFactory - - -class MultiAgentSystem: - """多智能体系统 - 集成现有组件""" - - def __init__(self, config: dict): - # 复用现有 LLM Factory - self.llm_factory = LLMFactory( - provider=config.get("llm_provider", "openai"), - openai_api_key=config.get("openai_api_key"), - anthropic_api_key=config.get("anthropic_api_key") - ) - - # 复用现有 Tool Registry - self.tool_registry = ToolRegistry() - self._register_default_tools() - - # 复用现有 Session Manager - self.session_manager = SessionManager() - - # 配置 - self.max_iterations = config.get("max_iterations", 3) - - def _register_default_tools(self): - """注册默认工具""" - # 从现有 Agent 复制工具注册逻辑 - from app.agent.tools.impl import search, calculator - self.tool_registry.register( - name="search", - func=search.search_web, - description="Search the web", - security_level="safe" - ) - # ... 其他工具 - - async def execute(self, task: str, session_id: str = None) -> dict: - """执行多 Agent 任务""" - # 创建 LangGraph - from .graph import create_multi_agent_graph - - llm = self.llm_factory.get_llm() - graph = create_multi_agent_graph( - llm=llm, - tool_registry=self.tool_registry, - max_iterations=self.max_iterations - ) - - # 初始化状态 - initial_state = { - "original_task": task, - "task_plan": [], - "current_task_index": 0, - "results": {}, - "iteration": 0, - "next_node": "supervisor", - "shared_context": {}, - "final_output": "", - "status": "running" - } - - # 执行 - result = await graph.ainvoke(initial_state) - - # 保存到 session - if session_id: - self.session_manager.add_message(session_id, "user", task) - self.session_manager.add_message(session_id, "assistant", result["final_output"]) - - return result -``` - ---- - -## 七、文件结构 - -``` -agent/ -├── __init__.py -├── multi/ -│ ├── __init__.py -│ ├── types.py # 数据类型定义 -│ ├── prompts.py # Prompt 模板 -│ ├── supervisor.py # Supervisor Agent -│ ├── graph.py # LangGraph 流程图 -│ ├── iteration.py # 迭代控制 -│ ├── integration.py # 与现有系统集成 -│ ├── queue.py # 任务队列（可选） -│ └── workers/ -│ ├── __init__.py -│ ├── base.py # Worker 基类 -│ ├── research.py # Research Worker -│ ├── coder.py # Coder Worker -│ └── review.py # Review Worker -``` - ---- - -## 八、实现顺序 - -1. **Phase 1: 基础架构** - - 定义数据类型 (types.py) - - 创建 Prompt 模板 (prompts.py) - -2. **Phase 2: Supervisor** - - 实现 SupervisorAgent - - 实现任务规划和分发逻辑 - -3. **Phase 3: Workers** - - 实现 BaseWorker - - 实现 ResearchWorker - - 实现 CoderWorker - - 实现 ReviewWorker - -4. **Phase 4: 流程编排** - - 实现 LangGraph 流程图 - - 添加条件边和迭代控制 - -5. **Phase 5: 集成** - - 与现有 Agent 系统集成 - - 添加 API 接口 - ---- - -## 九、测试计划 - -1. **单元测试**: 测试各 Worker 的执行逻辑 -2. **集成测试**: 测试完整的 Supervisor + Workers 流程 -3. **迭代测试**: 测试重试和迭代逻辑 -4. **端到端测试**: 模拟真实任务执行 diff --git a/teams/multi_agent_plan/notes.md b/teams/multi_agent_plan/notes.md deleted file mode 100644 index f133b9e..0000000 --- a/teams/multi_agent_plan/notes.md +++ /dev/null @@ -1,107 +0,0 @@ -# Notes: LangGraph 多智能体研究 - -## 核心概念 - -### LangGraph 基础 -- **StateGraph**: 有向无环图（DAG），节点是 Agent/函数，边是流转逻辑 -- **State**: 贯穿整个图流动的状态对象 -- **Node**: 执行单元（可以是 Agent、函数、条件判断） -- **Edge**: 连接节点的边，支持条件边（conditional edges） - -### Supervisor + Workers 模式参考 - -#### 1. LangChain 官方 Supervisor 示例 -```python -from langgraph.prebuilt import create_react_agent -from langgraph.graph import StateGraph, END - -# 定义 Workers -research_agent = create_react_agent(llm, tools=[search]) -coder_agent = create_react_agent(llm, tools=[write_file]) - -# 定义 Supervisor 节点 -def supervisor_node(state): - # LLM 决定下一步调用哪个 Agent - response = llm.with_structured_output(SupervisorOutput).invoke( - [SystemMessage(content=SUPERVISOR_PROMPT)] + state["messages"] - ) - return {"next": response.next_agent} - -# 构建图 -graph = StateGraph(AgentState) -graph.add_node("supervisor", supervisor_node) -graph.add_node("research", research_agent) -graph.add_node("code", coder_agent) -``` - -#### 2. 状态定义 -```python -from typing import TypedDict, Annotated -import operator - -class AgentState(TypedDict): - messages: Annotated[list, operator.add] - task: str - plan: list - results: dict - iteration: int - next: str # 控制下一步流向 -``` - -#### 3. 条件边实现 -```python -def should_continue(state): - if state["iteration"] >= MAX_ITERATIONS: - return "end" - if state.get("task_complete"): - return "end" - return "continue" - -graph.add_conditional_edges( - "review", - should_continue, - { - "continue": "supervisor", - "end": END - } -) -``` - -## 设计决策 - -### 架构优势 -1. **清晰的分层**: Supervisor 负责任务规划，Workers 负责执行 -2. **可扩展**: 容易添加新的 Worker 类型 -3. **可控**: 迭代次数全局配置 -4. **灵活**: 支持条件分支和循环 - -### 需要解决的问题 -1. **Supervisor 如何做规划**: 需要设计 prompt 让 LLM 生成任务列表 -2. **任务队列**: 需要支持并行分发多个 Worker -3. **共享上下文**: 需要设计数据结构在 Agent 间共享状态 -4. **Review 机制**: 需要定义检查标准和重试逻辑 - -## 关键 Prompt 设计 - -### Supervisor System Prompt -``` -你是一个任务规划专家（Supervisor）。用户的任务是：{task} - -请按以下步骤执行： -1. 分析任务需求和约束 -2. 将任务分解为可执行的子任务 -3. 为每个子任务选择合适的执行 Agent： - - research: 信息搜索和调研 - - coder: 代码编写和修改 - - review: 结果检查和评审 -4. 确定执行顺序和依赖关系 - -当前任务进度：{progress} -共享上下文：{context} - -请输出你的决策，格式如下： -- 需要执行的子任务列表 -- 每个任务的执行 Agent -- 任务执行顺序 -- 是否需要汇总结果 -``` diff --git a/teams/multi_agent_plan/task_plan.md b/teams/multi_agent_plan/task_plan.md deleted file mode 100644 index d567018..0000000 --- a/teams/multi_agent_plan/task_plan.md +++ /dev/null @@ -1,33 +0,0 @@ -# Task Plan: 多智能体联动系统实现计划 - -## Goal -基于 LangGraph 实现类似 OpenClaw 的多智能体联动系统，支持任务规划、动态分发、结果汇总和迭代优化。 - -## Phases -- [x] Phase 1: 系统架构设计和核心组件规划 -- [ ] Phase 2: Supervisor Agent 实现 -- [ ] Phase 3: Worker Agent 实现 -- [ ] Phase 4: 任务队列和共享上下文实现 -- [ ] Phase 5: State Machine 流程控制实现 -- [ ] Phase 6: 迭代控制和 Review 机制实现 -- [ ] Phase 7: 与现有 Agent 系统集成 - -## Key Questions -1. 如何用 LangGraph 实现 Supervisor + Workers 架构？ -2. 如何设计任务队列支持并行执行？ -3. 如何实现共享上下文在 Agent 间传递？ -4. 如何控制迭代次数和流程分支？ - -## Decisions Made -- 架构：Supervisor + Workers 层级模式 -- 协作方式：LLM 自主决策任务分配 -- 通信：共享内存（Shared Context） -- 迭代控制：全局最大迭代次数配置 -- Workers 定义：复用现有 tool_registry - -## Status -**Currently in Phase 1** - 系统架构设计和核心组件规划已完成 - -## 实现计划文件 -- `implementation_plan.md` - 详细的实现计划 -- `notes.md` - LangGraph 研究笔记 diff --git a/teams/openclaw-memory-research.md b/teams/openclaw-memory-research.md new file mode 100644 index 0000000..dc73e0a --- /dev/null +++ b/teams/openclaw-memory-research.md @@ -0,0 +1,218 @@ +# OpenCLAW 记忆模块调研报告 + +## 调研目标 +调研 OpenCLAW 的记忆模块（Memory Module）功能，了解其架构设计、核心功能和实现原理。 + +## 一、OpenCLAW 简介 + +OpenCLAW 是一个开源的个人 AI Agent 网关平台（GitHub: https://github.com/openclaw/openclaw），旨在让 AI 成为能实际操作用户设备、拥有持久化记忆并能主动发起任务的私人助理。 + +## 二、记忆模块架构设计 + +### 2.1 三层记忆架构 + +OpenCLAW 采用经典的三层类继承架构： + +``` +┌─────────────────────────────────────────────┐ +│ 顶层：导览员（检索层） │ +│ 负责处理用户查询，快速找到最相关的记忆 │ +├─────────────────────────────────────────────┤ +│ 中间层：翻译官（嵌入层） │ +│ 把文字转化为机器能理解的数学向量 │ +├─────────────────────────────────────────────┤ +│ 底层：书架管理员（存储层） │ +│ 负责文本块的入库、上架和盘点 │ +└─────────────────────────────────────────────┘ +``` + +### 2.2 三层记忆类型 + +| 记忆类型 | 描述 | 存储方式 | +|---------|------|---------| +| **短期记忆 (Short-term Context)** | 当前会话的上下文信息 | 存于 Context Window | +| **语义记忆 (Semantic Memory)** | 长期稳定的知识 | SQLite + 向量索引 | +| **情景记忆 (Episodic Memory)** | 具体事件和经历 | memory/YYYY-MM-DD.md | + +## 三、核心功能特性 + +### 3.1 混合搜索（Hybrid Search） + +OpenCLAW 实现了 **BM25 + 向量语义** 的混合搜索： + +- **BM25 全文检索**：基于 SQLite FTS5 引擎，擅长精确关键词匹配 +- **向量语义检索**：通过嵌入模型将文本转化为高维向量，基于余弦相似度捕捉语义关联 + +**权重配置**：默认 7:3（语义 70%，精确 30%） + +### 3.2 时间衰减机制 + +引入**指数时间衰减模型**，模拟人类记忆的遗忘曲线： + +``` +衰减后得分 = 原始得分 × e^(-λ × 天数) +``` + +- 半衰期默认 30 天 +- 30 天后检索权重衰减为原来的一半 +- 60 天后只剩四分之一 + +**常青记忆（Evergreen Memory）**： +- `MEMORY.md`（根级记忆文件）不受时间衰减影响 +- `memory/patterns.md` 等主题归纳文件也不衰减 +- 按日期命名的记录（如 `memory/2024-01-15.md`）正常应用衰减 + +### 3.3 MMR 重排算法 + +使用 **MMR（Maximal Marginal Relevance，最大边际相关性）** 算法进行结果重排，避免信息冗余： + +``` +MMR(d) = λ × 相关性(d) - (1-λ) × max(与已选结果的相似度) +``` + +采用 **Jaccard 集合相似度** 替代余弦相似度，计算更轻量。 + +### 3.4 多提供商嵌入支持 + +| 提供商 | 默认模型 | 特点 | +|-------|---------|------| +| OpenAI | text-embedding-3-small | 业界主流，质量稳定 | +| Gemini | gemini-embedding-001 | 支持 API Key 自动轮换 | +| Voyage | voyage-4-large | 高维度，擅长长文本 | +| Mistral | mistral-embed | 多语言能力出色 | +| 本地 | embeddinggemma-300m (GGUF) | 完全离线，数据不出本机 | + +**四级降级链条**：确保任何环境下都能提供服务 + +### 3.5 嵌入缓存与索引重建 + +- **Embedding 缓存**：以 `provider + model + 文本内容哈希` 为主键，同一段文本只需计算一次嵌入 +- **原子化重建**：采用"双数据库原子交换"策略，索引重建期间用户无感知 + +### 3.6 实时同步机制 + +三条并行的同步通道： + +1. **文件监控（chokidar）**：实时监听 `MEMORY.md` 和 `memory/` 目录变化，通过防抖机制避免重复触发 +2. **会话增量同步**：维护 delta 追踪器，只在增量达到阈值时触发更新 +3. **定时轮询**：兜底机制，确保不会遗漏 + +### 3.7 中文检索支持 + +采用**字级别 + bigram 策略**： +- 单字保证召回率 +- bigram 捕捉常见双字词组合 +- 内置约 80 个中文停用词过滤 + +## 四、数据流架构 + +``` +┌──────────────┐ ┌──────────────┐ ┌──────────────┐ +│ 用户输入 │────▶│ 混合搜索 │────▶│ MMR重排 │ +│ (查询) │ │ BM25+向量 │ │ 去冗余 │ +└──────────────┘ └──────────────┘ └──────────────┘ + │ + ┌───────────────────────────┘ + ▼ + ┌──────────────┐ + │ 时间衰减 │ + │ +常青记忆 │ + └──────────────┘ + │ + ▼ + ┌──────────────┐ + │ 返回结果 │ + │ 给 Agent │ + └──────────────┘ +``` + +## 五、存储结构 + +``` +workspace/ +├── MEMORY.md # 常青记忆（根级） +├── memory/ +│ ├── patterns.md # 主题归纳（常青） +│ ├── 2024-01-15.md # 按日期的情景记忆 +│ └── ... +└── .claude/ + └── memory/ # SQLite 向量索引 + └── index.db +``` + +## 六、总结与启发 + +### 设计哲学 + +| 原则 | 体现 | +|------|------| +| **混合优于单一** | BM25 和向量搜索各有盲区，融合才能互补 | +| **韧性优于性能** | 四级降级链条确保任何环境下都能提供服务 | +| **仿生优于机械** | 时间衰减与常青记忆模拟人类认知的自然规律 | +| **务实优于完美** | Jaccard 替代余弦相似度，bigram 替代专业分词 | + +### 可借鉴点 + +1. **三层记忆架构**：短期/语义/情景记忆分离 +2. **混合搜索**：BM25 + 向量检索结合 +3. **时间衰减**：模拟人类遗忘曲线 +4. **常青记忆**：区分核心知识和时效信息 +5. **多级降级**：确保服务高可用 +6. **实时同步**：文件监控 + 增量同步 + 定时轮询 + +## 七、参考资料 + +- OpenCLAW 官方 GitHub: https://github.com/openclaw/openclaw +- OpenCLAW 记忆系统深度解析: https://zhuanlan.zhihu.com/p/2010072734986702963 +- OpenCLAW Design Patterns: https://kenhuangus.substack.com/p/the-openclaw-design-patternspart +- OpenCLAW 记忆系统架构: https://zhuanlan.zhihu.com/p/2005943466006438841 + +--- + +## 八、可行性评估（algorithm-dev） + +### 8.1 与现有系统兼容性分析 + +| 维度 | 现有 X-Agents | OpenCLAW | 兼容性 | +|------|--------------|----------|--------| +| 存储格式 | Markdown 文件 | Markdown 文件 | ✅ 高度兼容 | +| 短期记忆 | SessionMemory（内存） | sessions/ 目录 | ✅ 可对齐 | +| 长期记忆 | AgentMemory（文件） | MEMORY.md | ✅ 可对齐 | +| 检索机制 | 无 | BM25+向量混合 | ❌ 需新增 | +| 嵌入服务 | 无 | 多种 provider | ❌ 需新增 | +| 分块策略 | 无 | 400 token 滑动窗口 | ❌ 需新增 | + +### 8.2 工程落地技术难点 + +1. **嵌入服务集成** - 需要选择嵌入提供者（本地 ONNX vs 远程 API） +2. **向量数据库** - 需要集成 Milvus/Chroma/FAISS 等 +3. **混合检索加权融合** - 需要实现 70/30 加权融合算法 +4. **分块策略** - 需要实现带重叠的滑动窗口分块 +5. **预压缩冲刷** - 需要监控 token 数量并触发自动保存 + +### 8.3 可行性结论 + +**✅ 可行性：高** + +### 建议方案 + +#### 方案A（推荐）- 集成 memsearch 库 + +- Zilliz 提取并开源的 Python 库，完全复现 OpenCLAW 记忆架构 +- 支持多种嵌入提供者（推荐本地 ONNX，无需 API key） +- 支持 Milvus Lite（单用户）/Milvus Server（团队）/Zilliz Cloud（生产） +- 开箱即用，集成成本低 + +#### 方案B - 自研轻量级实现 + +- 保持现有 Markdown 文件存储 +- 简化检索：仅用关键词搜索或简单向量相似度 +- 开发周期更长，但可控性更高 + +**推荐采用 memsearch 库**，可以快速获得成熟的 OpenCLAW 记忆能力，同时保持 Markdown 文件的可读性和版本可控性。 + +### 8.4 待确认事项 + +1. 是否需要新增向量数据库服务？（Milvus Lite vs 自建） +2. 嵌入模型选择本地 ONNX 还是远程 API？ +3. 是否需要支持多用户协作场景？ diff --git a/teams/web/columns-api.md b/teams/web/columns-api.md deleted file mode 100644 index a893fb8..0000000 --- a/teams/web/columns-api.md +++ /dev/null @@ -1,92 +0,0 @@ -# 后端需求 - 表结构返回 columns 数据 - -## 问题描述 - -前端在 Edit Mapping 页面需要展示表的列信息（字段名、类型、COMMENT等），但前端自行解析 DDL 存在困难。 - -## 需求 - -后端在获取表结构列表时，需要同时返回： - -1. **DDL 语句**（已有的需求，继续保留） -2. **结构化的 columns 数据**（新增） - -### 返回数据结构 - -```json -{ - "success": true, - "tables": [ - { - "table_name": "exam_scores", - "table_comment": "考试成绩表", - "ddl": "CREATE TABLE `exam_scores` (...)", - "columns": [ - { - "column_name": "id", - "data_type": "int", - "column_type": "int(10) unsigned", - "is_nullable": "NO", - "default_value": null, - "column_key": "PRI", - "extra": "auto_increment", - "column_comment": "" - }, - { - "column_name": "student_id", - "data_type": "int", - "column_type": "int(10) unsigned", - "is_nullable": "NO", - "default_value": null, - "column_key": "", - "extra": "", - "column_comment": "" - }, - { - "column_name": "subject", - "data_type": "varchar", - "column_type": "varchar(50)", - "is_nullable": "NO", - "default_value": null, - "column_key": "", - "extra": "", - "column_comment": "科目" - }, - { - "column_name": "score", - "data_type": "double", - "column_type": "double", - "is_nullable": "YES", - "default_value": null, - "column_key": "", - "extra": "", - "column_comment": "分数" - } - ] - } - ] -} -``` - -### 字段说明 - -| 字段 | 类型 | 说明 | -|------|------|------| -| column_name | string | 列名 | -| data_type | string | 数据类型（如 int, varchar, double） | -| column_type | string | 完整列类型（如 int(10) unsigned） | -| is_nullable | string | 是否可空（YES/NO） | -| default_value | string | 默认值 | -| column_key | string | 主键标识（PRI/MUL/UNI） | -| extra | string | 额外信息（如 auto_increment） | -| column_comment | string | 列注释 | - -## 影响范围 - -- 文件：`server/internal/service/database_service.go` -- 函数：`getMySQLTables`, `getPostgresTables` -- 数据模型：`server/internal/model/sub_table_info.go` 的 `ColumnInfo` 结构体 - -## 优先级 - -高 - 前端 Edit Mapping 页面字段映射功能依赖此数据 diff --git a/teams/web/ddl-edit.md b/teams/web/ddl-edit.md deleted file mode 100644 index 204b862..0000000 --- a/teams/web/ddl-edit.md +++ /dev/null @@ -1,66 +0,0 @@ -# 后端需求 - DDL 编辑功能 - -## 问题描述 - -前端 Database 页面的 Table Mapping 功能已从"字段映射"改为"DDL 编辑"模式。后端需要支持保存和读取 DDL 数据。 - -## 需求 - -### 1. 保存 DDL - -前端保存时发送 `ddl` 字段而非 `fields` 字段。 - -请求结构： -```json -{ - "name": "数据库名", - "sub_tables": [ - { - "parent_table": "users", - "sub_table_name": "用户表", - "sub_table_comment": "用户表", - "ddl": "CREATE TABLE users (...)" - } - ] -} -``` - -### 2. 后端处理 - -- `CreateSubTableRequest` 已有 `DDL string` 字段（已添加） -- `UpdateSubTableRequest` 已有 `DDL string` 字段（已添加） -- `UpdateDatabaseRequest` 已有 `SubTables []CreateSubTableRequest` 字段（已添加） - -### 3. Service 层修改 - -**sub_table_service.go**： - -1. `Create` 函数 - 添加 DDL 字段赋值： -```go -info := &model.SubTableInfo{ - // ... 现有字段 - DDL: req.DDL, -} -``` - -2. `Update` 函数 - 添加 DDL 更新逻辑： -```go -// 更新 DDL -info.DDL = req.DDL -``` - -**database_service.go 或 handler**： - -在 `Update` 方法中处理 `SubTables` 字段： -- 当前端传入 `sub_tables` 时，需要创建或更新对应的子表记录（包括 DDL） -- 遍历 `sub_tables`，调用 `SubTableService.Create` 或 `SubTableService.Update` - -## 影响范围 - -- `server/internal/service/sub_table_service.go` - Create/Update 方法 -- `server/internal/service/database_service.go` 或 handler - Update 方法处理 SubTables - -## 状态 - -- [x] 前端修改完成 -- [x] 后端修改已完成 diff --git a/teams/web/field-mapping.md b/teams/web/field-mapping.md deleted file mode 100644 index 02afa5e..0000000 --- a/teams/web/field-mapping.md +++ /dev/null @@ -1,89 +0,0 @@ -# 后端需求 - 字段映射保存与读取 - -## 问题描述 - -前端 Edit Mapping 页面中，用户输入的字段中文映射名（mapped_name）在保存后，第二次打开时丢失了。 - -## 原因分析 - -1. **保存时**：前端只保存了表级别信息，没有保存字段的中文映射 -2. **加载时**：前端每次都从 `/database/check` 重新获取表结构，没有读取已保存的映射数据 - -## 需求 - -### 1. 保存字段映射 - -前端保存时需要传递每个字段的中文映射名，后端需要存储这些数据。 - -请求结构： -```json -{ - "name": "数据库名", - "sub_tables": [ - { - "parent_table": "users", - "sub_table_name": "用户表", - "sub_table_comment": "用户表", - "fields": [ - { - "column_name": "id", - "mapped_name": "编号" - }, - { - "column_name": "username", - "mapped_name": "用户名" - } - ] - } - ] -} -``` - -### 2. 返回字段映射 - -后端在返回表结构时，需要同时返回已保存的字段映射信息。 - -返回结构： -```json -{ - "success": true, - "tables": [ - { - "table_name": "users", - "table_comment": "用户表", - "ddl": "...", - "columns": [ - { - "column_name": "id", - "data_type": "int", - "column_type": "int(10)", - "column_comment": "", - "mapped_name": "编号" - }, - { - "column_name": "username", - "data_type": "varchar", - "column_type": "varchar(50)", - "column_comment": "用户名", - "mapped_name": "用户名" - } - ] - } - ] -} -``` - -### 3. 数据存储 - -- 可以在 `sub_table_info` 表中增加 `fields` JSON 字段存储字段映射 -- 或者创建新的关联表 `sub_table_fields` - -## 影响范围 - -- `server/internal/service/database_service.go` - Create/Update 方法 -- `server/internal/model/` - 数据模型修改 -- 子表映射的数据存储结构 - -## 优先级 - -高 - 用户输入的映射数据丢失影响使用体验 diff --git a/teams/web/knowledge-base-api.md b/teams/web/knowledge-base-api.md deleted file mode 100644 index e3306e7..0000000 --- a/teams/web/knowledge-base-api.md +++ /dev/null @@ -1,375 +0,0 @@ -# 知识库创建 API - -## 基础信息 - -| 项目 | 说明 | -|------|------| -| 基础URL | `http://localhost:8082` | -| 前端页面 | Knowledge Base 创建弹窗 | - -## 接口列表 - -### 1. 创建知识库 - -**请求** - -``` -POST /api/knowledge/create -Content-Type: application/json -``` - -| 参数 | 类型 | 必填 | 说明 | -|------|------|------|------| -| name | String | 是 | 知识库名称 | -| description | String | 否 | 知识库描述 | -| llm_model_id | String | 是 | LLM 模型 ID（来自 model 表） | -| embedding_model_id | String | 是 | Embedding 模型 ID（来自 model 表） | -| parsing_config | Object | 是 | 解析配置 | -| - engine | String | 是 | 解析引擎：markitdown / docling | -| - docling_url | String | 条件必填 | Docling 服务 URL（engine=docling 时必填） | -| - enable_pdf | Boolean | 否 | 是否启用 PDF 解析（默认 true） | -| - pandoc | Boolean | 否 | 是否启用 Pandoc（默认 true） | -| storage_config | Object | 否 | 存储配置（默认 local） | -| - type | String | 是 | 存储类型：local / minio / s3 | -| - endpoint | String | 否 | MinIO Endpoint（如 minio:9000） | -| - access_key_id | String | 否 | MinIO Access Key ID | -| - secret_access_key | String | 否 | MinIO Secret Access Key | -| - bucket | String | 否 | MinIO Bucket 名称 | - -**请求示例** - -本地存储： -```json -{ - "name": "产品文档知识库", - "description": "用于存储产品手册和文档", - "llm_model_id": "model_001", - "embedding_model_id": "model_002", - "parsing_config": { - "engine": "markitdown", - "enable_pdf": true, - "pandoc": true - }, - "storage_config": { - "type": "local" - } -} -``` - -使用 Docling + MinIO： -```json -{ - "name": "产品文档知识库", - "description": "用于存储产品手册和文档", - "llm_model_id": "model_001", - "embedding_model_id": "model_002", - "parsing_config": { - "engine": "docling", - "docling_url": "http://localhost:8501", - "enable_pdf": true, - "pandoc": true - }, - "storage_config": { - "type": "minio", - "endpoint": "localhost:9000", - "access_key_id": "minioadmin", - "secret_access_key": "minioadmin", - "bucket": "x-agents" - } -} -``` - -**成功响应** - -```json -{ - "success": true, - "id": "kb_abc123", - "message": "Knowledge base created successfully" -} -``` - -**错误响应** - -```json -{ - "success": false, - "message": "LLM model not found" -} -``` - ---- - -### 2. 获取知识库列表 - -**请求** - -``` -GET /api/knowledge/list -``` - -**响应** - -```json -{ - "success": true, - "data": [ - { - "id": "kb_001", - "name": "产品文档知识库", - "description": "用于存储产品手册", - "llm_model_id": "model_001", - "embedding_model_id": "model_002", - "status": "active", - "document_count": 15, - "chunk_count": 156, - "created_at": "2024-01-15T10:30:00Z", - "updated_at": "2024-01-15T10:30:00Z" - } - ] -} -``` - ---- - -### 3. 获取知识库详情 - -**请求** - -``` -GET /api/knowledge/:id -``` - -| 参数 | 类型 | 必填 | 说明 | -|------|------|------|------| -| id | String | 是 | 知识库 ID | - -**响应** - -```json -{ - "success": true, - "data": { - "id": "kb_001", - "name": "产品文档知识库", - "description": "用于存储产品手册", - "llm_model_id": "model_001", - "embedding_model_id": "model_002", - "parsing_config": { - "engine": "markitdown", - "enable_pdf": true, - "pandoc": true - }, - "status": "active", - "document_count": 15, - "chunk_count": 156, - "created_at": "2024-01-15T10:30:00Z", - "updated_at": "2024-01-15T10:30:00Z" - } -} -``` - ---- - -### 4. 删除知识库 - -**请求** - -``` -DELETE /api/knowledge/:id -``` - -| 参数 | 类型 | 必填 | 说明 | -|------|------|------|------| -| id | String | 是 | 知识库 ID | - -**响应** - -```json -{ - "success": true, - "message": "Knowledge base deleted" -} -``` - ---- - -### 5. 获取知识库下的文档列表 - -**请求** - -``` -GET /api/knowledge/:id/documents -``` - -| 参数 | 类型 | 必填 | 说明 | -|------|------|------|------| -| id | String | 是 | 知识库 ID | - -**查询参数** - -| 参数 | 类型 | 必填 | 说明 | -|------|------|------|------| -| status | String | 否 | 过滤状态：all / parsed / parsing / failed | - -**响应** - -```json -{ - "success": true, - "data": [ - { - "id": "doc_001", - "knowledge_base_id": "kb_001", - "name": "产品手册_v2.0.pdf", - "file_key": "abc123.pdf", - "file_url": "http://localhost:8082/files/abc123.pdf", - "file_size": 2516582, - "status": "parsed", - "chunk_count": 156, - "uploaded_at": "2024-01-15T10:30:00Z" - } - ] -} -``` - ---- - -### 6. 上传文档到知识库 - -**请求** - -``` -POST /api/knowledge/:id/documents -Content-Type: multipart/form-data -``` - -| 参数 | 类型 | 必填 | 说明 | -|------|------|------|------| -| id | String | 是 | 知识库 ID | -| file | File | 是 | 要上传的文件 | - -**响应** - -```json -{ - "success": true, - "dataid": "doc_001", - ": { - " "name": "产品手册_v2.0.pdf", - "status": "parsing" - } -} -``` - ---- - -### 7. 删除知识库文档 - -**请求** - -``` -DELETE /api/knowledge/:id/documents/:doc_id -``` - -| 参数 | 类型 | 必填 | 说明 | -|------|------|------|------| -| id | String | 是 | 知识库 ID | -| doc_id | String | 是 | 文档 ID | - -**响应** - -```json -{ - "success": true, - "message": "Document deleted" -} -``` - ---- - -### 8. 重新解析文档 - -**请求** - -``` -POST /api/knowledge/:id/documents/:doc_id/reparse -``` - -| 参数 | 类型 | 必填 | 说明 | -|------|------|------|------| -| id | String | 是 | 知识库 ID | -| doc_id | String | 是 | 文档 ID | - -**响应** - -```json -{ - "success": true, - "message": "Document reparse started" -} -``` - ---- - -### 9. 获取文档预览内容 - -**请求** - -``` -GET /api/knowledge/:id/documents/:doc_id/preview -``` - -| 参数 | 类型 | 必填 | 说明 | -|------|------|------|------| -| id | String | 是 | 知识库 ID | -| doc_id | String | 是 | 文档 ID | -| page | Number | 否 | 页码（默认 1） | - -**响应** - -```json -{ - "success": true, - "data": { - "total_pages": 3, - "current_page": 1, - "content": "第一章 产品介绍\n\n欢迎使用我们的产品手册..." - } -} -``` - ---- - -## 数据库表设计（参考） - -### knowledge_base 表 - -| 字段 | 类型 | 说明 | -|------|------|------| -| id | String | 主键 | -| name | String | 知识库名称 | -| description | Text | 描述 | -| llm_model_id | String | LLM 模型 ID | -| embedding_model_id | String | Embedding 模型 ID | -| parsing_config | JSON | 解析配置 | -| storage_config | JSON | 存储配置（包含 type, endpoint, access_key_id, secret_access_key, bucket） | -| status | String | 状态：active / inactive | -| document_count | Integer | 文档数量 | -| chunk_count | Integer | 切片数量 | -| created_at | Timestamp | 创建时间 | -| updated_at | Timestamp | 更新时间 | - -### knowledge_document 表 - -| 字段 | 类型 | 说明 | -|------|------|------| -| id | String | 主键 | -| knowledge_base_id | String | 知识库 ID | -| name | String | 文档名称 | -| file_key | String | 文件存储 key | -| file_url | String | 文件访问 URL（本地路径或 MinIO 预签名 URL） | -| file_size | BigInteger | 文件大小 | -| status | String | 状态：parsing / parsed / failed | -| chunk_count | Integer | 切片数量 | -| uploaded_at | Timestamp | 上传时间 | diff --git a/teams/web/mapping-state.md b/teams/web/mapping-state.md deleted file mode 100644 index 6142913..0000000 --- a/teams/web/mapping-state.md +++ /dev/null @@ -1,43 +0,0 @@ -# 后端需求 - 保存和恢复映射状态 - -## 问题描述 - -用户第一次选择表并设置字段映射后，第二次点击 "Map Tables" 按钮进入界面时，之前选择的表和设置的字段映射都丢失了。 - -## 需求 - -前端打开已存在的数据库映射时，需要恢复以下状态： - -### 1. 已选择的表列表 - -后端需要在数据库记录中保存用户选择了哪些表（不仅仅是子表信息），或者在查询时返回该数据库关联的所有子表。 - -### 2. 字段映射 - -每个子表保存的字段映射（mapped_name）需要在前端重新加载时显示。 - -## 期望的行为 - -1. 用户点击已存在的数据库的 "Map Tables" 按钮 -2. 前端获取实时表结构 -3. 同时加载该数据库已保存的子表信息（包括选择的表和字段映射） -4. 前端合并数据，显示： - - 已选择的表（勾选状态） - - 每个字段之前设置的 mapped_name - -## 技术实现建议 - -在数据库表中增加或利用已有字段： - -- `sub_table_info` 表已包含 `Fields` JSON 字段存储字段映射 -- 需要在创建/更新数据库时保存选择的表列表 -- 或者在查询时返回该数据库下所有已创建的子表 - -## 影响范围 - -- 数据库创建/更新接口 -- 子表映射查询接口 - -## 优先级 - -高 - 影响用户体验，第二次进入无法看到之前的工作成果 diff --git a/teams/web/model-settings.md b/teams/web/model-settings.md deleted file mode 100644 index 33ce937..0000000 --- a/teams/web/model-settings.md +++ /dev/null @@ -1,193 +0,0 @@ -# Model Settings 需求文档 - -## 需求概述 - -Model Settings 页面用于管理 AI 模型配置，支持添加、编辑、删除和测试模型连接。 - -## 功能列表 - -### 1. 模型列表展示 - -展示已配置的模型列表，包含以下字段： -- Model Name（模型名称） -- Model Type（模型类型）：Chat / Embedding / Rerank / VLM -- API Endpoint（API 端点） -- Status（状态）：Active / Inactive - -### 2. 添加新模型 - -点击 "Add New Model" 按钮，弹出表单包含以下字段： -- Model Name（必填） -- Model Type（必选）：Chat / Embedding / Rerank / VLM -- Provider（必选）：OpenAI / Ollama -- Model（必填）：模型名称，如 gpt-4o -- API Key（必填） -- Base URL（必填） -- API Endpoint（可选） - -### 3. 测试连接 - -在添加模型表单中提供 "Test Connection" 按钮，用于验证模型连接是否可用。 - -### 4. 编辑模型 - -点击编辑按钮，弹出编辑表单，可修改模型信息。 - -### 5. 删除模型 - -点击删除按钮，确认后删除模型记录。 - ---- - -## 后端接口需求 - -### 1. 获取模型列表 - -**接口地址：** `GET /api/models` 或 `GET /model/list` - -**返回参数：** -```json -{ - "list": [ - { - "id": "1", - "name": "OpenAI", - "model_type": "chat", - "provider": "OpenAI", - "model": "gpt-4o", - "api_key": "sk-xxx", - "base_url": "https://api.openai.com", - "api_endpoint": "/v1/chat/completions", - "status": "active", - "created_at": "2024-01-01T00:00:00Z", - "updated_at": "2024-01-01T00:00:00Z" - } - ] -} -``` - -### 2. 添加模型 - -**接口地址：** `POST /api/models` 或 `POST /model/add` - -**请求参数：** -```json -{ - "name": "OpenAI", - "model_type": "chat", - "provider": "OpenAI", - "model": "gpt-4o", - "api_key": "sk-xxx", - "base_url": "https://api.openai.com", - "api_endpoint": "/v1/chat/completions" -} -``` - -**返回参数：** -```json -{ - "id": "1", - "name": "OpenAI", - "model_type": "chat", - ... -} -``` - -### 3. 更新模型 - -**接口地址：** `PUT /api/models/{id}` 或 `PUT /model/{id}` - -**请求参数：** -```json -{ - "name": "OpenAI Updated", - "model_type": "chat", - "provider": "OpenAI", - "model": "gpt-4o", - "api_key": "sk-xxx", - "base_url": "https://api.openai.com", - "api_endpoint": "/v1/chat/completions", - "status": "active" -} -``` - -### 4. 删除模型 - -**接口地址：** `DELETE /api/models/{id}` 或 `DELETE /model/{id}` - -**返回参数：** -```json -{ - "success": true -} -``` - -### 5. 测试连接 - -**接口地址：** `POST /api/models/test` 或 `POST /model/test` - -**请求参数：** -```json -{ - "provider": "OpenAI", - "model": "gpt-4o", - "api_key": "sk-xxx", - "base_url": "https://api.openai.com", - "api_endpoint": "/v1/chat/completions" -} -``` - -**返回参数：** -```json -{ - "success": true, - "message": "Connection successful" -} -``` - ---- - -## 数据结构 - -### Model 表结构（参考） - -| 字段 | 类型 | 说明 | -|------|------|------| -| id | string | 主键 UUID | -| name | string | 模型名称 | -| model_type | string | 模型类型：chat/embedding/rerank/vlm | -| provider | string | 提供商：OpenAI/Ollama | -| model | string | 模型标识 | -| api_key | string | API 密钥（加密存储） | -| base_url | string | 基础 URL | -| api_endpoint | string | API 端点路径 | -| status | string | 状态：active/inactive | -| created_at | datetime | 创建时间 | -| updated_at | datetime | 更新时间 | - ---- - -## 前端组件状态 - -### 表单数据 (newModelForm) -```typescript -{ - name: string, - apiKey: string, - apiEndpoint: string, - baseUrl: string, - provider: string, - model: string, - modelType: string -} -``` - -### 模型类型选项 (modelTypeOptions) -- Chat -- Embedding -- Rerank -- VLM - -### 提供商选项 (providerOptions) -- OpenAI -- Ollama diff --git a/teams/web/neo4j-api-requirement.md b/teams/web/neo4j-api-requirement.md deleted file mode 100644 index 44325a5..0000000 --- a/teams/web/neo4j-api-requirement.md +++ /dev/null @@ -1,110 +0,0 @@ -# Neo4j 接口后端需求 - -## 需求说明 - -前端 Neo4j 图谱功能已完成，后端接口需要匹配前端调用。 - ---- - -## 1. 新增 `/neo4j/graphs` 接口 - -### 接口地址 -``` -POST /neo4j/graphs -``` - -### 请求参数 -```json -{ - "uri": "bolt://localhost:7687", - "username": "neo4j", - "password": "password", - "database": "neo4j" -} -``` - -| 参数 | 类型 | 必填 | 说明 | -|------|------|------|------| -| uri | string | 是 | Neo4j 连接地址，如 bolt://localhost:7687 | -| username | string | 是 | 用户名 | -| password | string | 是 | 密码 | -| database | string | 否 | 数据库名（默认 neo4j） | - -### 返回参数 -```json -{ - "success": true, - "graphs": { - "labels": [ - {"name": "User", "count": 1523}, - {"name": "Order", "count": 856} - ], - "relationshipTypes": [ - {"name": "KNOWS", "count": 2341}, - {"name": "BOUGHT", "count": 5678} - ] - } -} -``` - ---- - -## 2. 修改路由路径 - -### 当前状态 -- `/database/neo4j/nodes` → 需要改为 → `/neo4j/nodes` -- `/database/neo4j/relationships` → 需要改为 → `/neo4j/relationships` - ---- - -## 总结 - -后端需要修改以下内容： - -1. **新增** `/neo4j/graphs` 接口 -2. **修改** `/database/neo4j/nodes` → `/neo4j/nodes` -3. **修改** `/database/neo4j/relationships` → `/neo4j/relationships` - ---- - -## 附：前端 API 调用示例 - -```javascript -// 获取图谱概览 -fetch('/neo4j/graphs', { - method: 'POST', - headers: { 'Content-Type': 'application/json' }, - body: JSON.stringify({ - uri: 'bolt://10.10.10.189:7687', - username: 'neo4j', - password: 'neo4j', - database: 'neo4j' - }) -}) - -// 获取节点详情 -fetch('/neo4j/nodes', { - method: 'POST', - headers: { 'Content-Type': 'application/json' }, - body: JSON.stringify({ - uri: 'bolt://10.10.10.189:7687', - username: 'neo4j', - password: 'neo4j', - label: 'User', - limit: 10 - }) -}) - -// 获取关系详情 -fetch('/neo4j/relationships', { - method: 'POST', - headers: { 'Content-Type': 'application/json' }, - body: JSON.stringify({ - uri: 'bolt://10.10.10.189:7687', - username: 'neo4j', - password: 'neo4j', - relationship_type: 'KNOWS', - limit: 10 - }) -}) -``` diff --git a/teams/web/neo4j-check-return-id.md b/teams/web/neo4j-check-return-id.md deleted file mode 100644 index fab67a6..0000000 --- a/teams/web/neo4j-check-return-id.md +++ /dev/null @@ -1,99 +0,0 @@ -# Neo4j 连接成功后返回数据库 ID - -## 需求说明 - -当前端 Connect 测试 Neo4j 连接成功后，后端需要返回数据库的 ID，以便前端保存图谱配置。 - ---- - -## 问题 - -当前 `/neo4j/check` 接口返回： -```json -{ - "success": true, - "message": "connection successful", - "version": "5.14.0", - "databases": ["neo4j", "system"] -} -``` - -**没有返回 `databaseId`**，导致后续保存图谱时缺少 `databaseId`。 - ---- - -## 需求内容 - -修改 `/neo4j/check` 接口，在连接成功时： - -1. **检查数据库是否已存在** - 根据 URI（bolt://host:port）、username、database 查询 -2. **如果存在** - 返回已有的 `databaseId` -3. **如果不存在** - 自动创建一条数据库记录，并返回新的 `databaseId` - -### 返回格式 - -```json -{ - "success": true, - "message": "connection successful", - "version": "5.14.0", - "databases": ["neo4j", "system"], - "databaseId": "xxx-xxx-xxx", - "name": "Neo4j-neo4j", - "description": "Neo4j neo4j@10.10.10.189:7687" -} -``` - -| 字段 | 类型 | 说明 | -|------|------|------| -| success | bool | 是否成功 | -| message | string | 消息 | -| version | string | Neo4j 版本 | -| databases | array | 数据库列表 | -| databaseId | string | 数据库记录 ID | -| name | string | 数据库名称 | -| description | string | 数据库描述 | - -### 请求参数 - -当前 `/neo4j/check` 请求： -```json -{ - "db_type": "Neo4j", - "host": "10.10.10.189", - "port": 7687, - "username": "neo4j", - "password": "neo4j", - "database": "neo4j" -} -``` - -后端需要增加 `name` 字段用于数据库名称（可选）： -```json -{ - "name": "My Neo4j Database" -} -``` - ---- - -## 涉及文件 - -- `server/internal/service/neo4j_service.go` - - 函数：`Check()` - 第 81-128 行 - - 函数：`ensureNeo4jDatabase()` - 第 131-175 行（已有代码但可能有问题） - -- `server/internal/model/neo4j_info.go` - - 结构体：`Neo4jCheckResponse` - 需要确保 `databaseId` 字段正确返回 - ---- - -## 前端使用 - -前端代码已实现兼容处理： -```javascript -const dbId = result.databaseId || result.id || result.database_id || '' -``` - -所以后端返回 `databaseId`、`id` 或 `database_id` 都可以被正确识别。 - diff --git a/teams/web/neo4j-graphs.md b/teams/web/neo4j-graphs.md deleted file mode 100644 index 17427e8..0000000 --- a/teams/web/neo4j-graphs.md +++ /dev/null @@ -1,196 +0,0 @@ -# 后端需求 - Neo4j 图谱数据获取（完善版） - -## 需求描述 - -Neo4j 连接成功后，需要获取图谱数据供前端可视化展示。前端使用 ECharts 力导向图谱展示科幻风格效果。 - -## Neo4j 图谱核心概念 - -Neo4j 是图数据库，与关系型数据库概念不同： -- **Node（节点）** - 类似于表，但不需要固定结构 -- **Label（标签）** - 类似于表的类型名（如 User, Order） -- **Relationship（关系）** - 节点之间的边 -- **Relationship Type（关系类型）** - 关系的类型（如 KNOWS, OWNS） - -## 后端需要提供的接口 - -### 1. 获取图谱概览数据（核心接口） - -返回所有 Label（标签）和 Relationship Type（关系类型）的统计信息。这是前端图谱可视化的核心数据来源。 - -**接口地址：** `POST /database/check` （复用现有接口，在 db_type 为 Neo4j 时返回图谱数据） - -**请求参数：** -```json -{ - "db_type": "Neo4j", - "uri": "bolt://localhost:7687", - "username": "neo4j", - "password": "password", - "database": "neo4j" -} -``` - -**返回参数：** -```json -{ - "success": true, - "graphs": { - "labels": [ - {"name": "User", "count": 1523}, - {"name": "Order", "count": 856}, - {"name": "Product", "count": 2341}, - {"name": "Category", "count": 45}, - {"name": "Review", "count": 5678} - ], - "relationshipTypes": [ - {"name": "KNOWS", "count": 2341}, - {"name": "BOUGHT", "count": 5678}, - {"name": "BELONGS_TO", "count": 2341}, - {"name": "HAS_REVIEW", "count": 5678}, - {"name": "LOCATED_IN", "count": 1523} - ] - } -} -``` - -### 2. 获取节点详情（可选，用于点击显示） - -点击某个 Label 节点时，获取该类型节点的样本数据用于详情展示。 - -**接口地址：** `POST /database/neo4j/nodes` - -**请求参数：** -```json -{ - "uri": "bolt://localhost:7687", - "username": "neo4j", - "password": "password", - "database": "neo4j", - "label": "User", - "limit": 5 -} -``` - -**返回参数：** -```json -{ - "success": true, - "nodes": [ - {"id": "1", "name": "张三", "email": "zhangsan@example.com", "created_at": "2024-01-01"}, - {"id": "2", "name": "李四", "email": "lisi@example.com", "created_at": "2024-01-02"} - ], - "properties": [ - {"name": "id", "type": "string"}, - {"name": "name", "type": "string"}, - {"name": "email", "type": "string"}, - {"name": "created_at", "type": "datetime"} - ] -} -``` - -### 3. 获取关系详情（可选） - -获取两个节点之间的关系数据。 - -**接口地址：** `POST /database/neo4j/relationships` - -**请求参数：** -```json -{ - "uri": "bolt://localhost:7687", - "username": "neo4j", - "password": "password", - "database": "neo4j", - "relationshipType": "KNOWS", - "limit": 10 -} -``` - -**返回参数：** -```json -{ - "success": true, - "relationships": [ - { - "id": "rel-1", - "source": "1", - "target": "2", - "properties": {"since": "2020-01-01"} - } - ] -} -``` - -## 数据结构说明 - -### graphs.labels[] - 标签列表（前端图谱节点） -| 字段 | 类型 | 说明 | 用途 | -|------|------|------|------| -| name | string | 标签名称（如 User, Order） | 作为图谱节点显示 | -| count | int | 该标签的节点数量 | 计算节点大小 symbolSize | - -### graphs.relationshipTypes[] - 关系类型列表（前端图谱边） -| 字段 | 类型 | 说明 | 用途 | -|------|------|------|------| -| name | string | 关系类型（如 KNOWS, OWNS） | 作为图谱边的标签 | -| count | int | 该关系的数量 | 可能影响边的粗细 | - -### nodes[] - 节点详情 -| 字段 | 类型 | 说明 | -|------|------|------| -| id | string | 节点唯一标识 | -| (其他) | any | 节点的其他属性 | - -### relationships[] - 关系详情 -| 字段 | 类型 | 说明 | -|------|------|------| -| id | string | 关系唯一标识 | -| source | string | 起始节点ID | -| target | string | 目标节点ID | -| properties | object | 关系属性 | - -## 前端图谱展示逻辑 - -前端使用 ECharts 力导向图谱（force-directed graph），展示方式如下： - -1. **节点生成**： - - 根据 `graphs.labels` 数组生成节点 - - `name` 作为节点显示名称 - - `count` 决定节点大小（symbolSize = log2(count+1) * 12） - - 节点颜色按索引分配科幻配色（紫、蓝、绿、橙、粉、青） - - 节点带发光效果（shadowBlur: 20） - -2. **边生成**： - - 根据 `graphs.relationshipTypes` 生成边 - - 边 label 显示关系类型名称 - - 曲线连接（curveness: 0.2） - - 带箭头 - -3. **交互效果**： - - 弹簧物理效果（force layout） - - 节点可拖拽 - - 滚轮缩放 - - hover 相邻节点高亮 - -## 优先级 - -高 - Neo4j 可视化的核心数据 - -## 注意事项 - -1. Neo4j 连接使用官方 Go 驱动：`github.com/neo4j/neo4j-go-driver` -2. 注意处理连接超时和认证失败的情况 -3. 大数据量时需要限制返回数量（limit 参数） -4. **建议返回足够多的关系类型**（建议至少 5-10 个），以便前端生成丰富的图谱连接 -5. 如果关系类型少于节点数，可以创建额外连接让图谱更美观 - -## 前端缓存策略 - -### 方案设计 -- **首次加载**：获取数据并缓存 -- **第二次展示**：直接使用缓存，秒开 -- **刷新按钮**：用户手动点击刷新获取最新数据 - -### 实现说明 -前端会缓存图谱数据，第二次进入时直接展示缓存数据，提升用户体验。同时提供"刷新"按钮供用户手动刷新。 diff --git a/teams/web/neo4j-support.md b/teams/web/neo4j-support.md deleted file mode 100644 index ddec242..0000000 --- a/teams/web/neo4j-support.md +++ /dev/null @@ -1,42 +0,0 @@ -# 后端需求 - 支持 Neo4j 图数据库 - -## 需求描述 - -添加 Neo4j 图数据库类型支持。 - -## Neo4j 连接参数 - -Neo4j 连接需要以下参数： - -| 参数 | 类型 | 必填 | 说明 | 默认值 | -|------|------|------|------|--------| -| uri | string | 是 | 连接地址 | bolt://localhost:7687 | -| username | string | 是 | 用户名 | neo4j | -| password | string | 是 | 密码 | - | -| database | string | 否 | 数据库名 | neo4j（默认数据库） | - -### 连接示例 -- `bolt://localhost:7687` -- `neo4j://localhost:7687` -- `bolt://192.168.1.100:7687` - -## 需要修改的地方 - -### 1. 数据库类型列表 -在前端和后端添加 "Neo4j" 选项 - -### 2. 连接表单 -Neo4j 只需要 3-4 个字段： -- URI（连接地址） -- Username（用户名） -- Password（密码） -- Database（数据库名，可选） - -### 3. 数据库服务 -- `server/internal/service/database_service.go` -- 新增 `connectNeo4j` 方法 -- 新增 `getNeo4jTables` 方法 - -## 优先级 - -中 - 扩展数据库类型支持 diff --git a/teams/web/sub-tables-edit.md b/teams/web/sub-tables-edit.md deleted file mode 100644 index 21fad67..0000000 --- a/teams/web/sub-tables-edit.md +++ /dev/null @@ -1,35 +0,0 @@ -# 后端需求 - 编辑数据库时正确处理 sub_tables - -## 问题描述 - -用户点击 Action 修改数据库，进入 Map Tables 页面后： -1. 初始显示 2 个已选中的表 -2. 用户取消选中 1 个表，只保留 1 个 -3. 点击 Save Mapping 保存 -4. 再次点击 Map Tables 查看时，仍然显示 2 个表，而不是修改后的 1 个 - -## 原因 - -可能的问题： -1. 编辑时没有正确从数据库加载已保存的 sub_tables 数据 -2. Save Mapping 时没有正确更新 sub_tables（可能只是创建新的，没有删除已取消的） - -## 需求 - -### 1. 加载数据库时返回 sub_tables 数据 - -在获取数据库详情时，需要返回该数据库已保存的子表映射信息（包括 parent_table 等），以便前端正确显示已选中的表。 - -### 2. 保存时正确处理子表 - -- 新增的子表：创建新记录 -- 保留的子表：更新记录 -- 取消的子表：删除对应记录 - -或者使用更简单的方案： -- 保存时删除该数据库所有的旧 sub_tables -- 重新创建新的 sub_tables 记录 - -## 状态 - -- [ ] 后端修改待实现 diff --git a/teams/web/table-count-update-edit.md b/teams/web/table-count-update-edit.md deleted file mode 100644 index c99edc6..0000000 --- a/teams/web/table-count-update-edit.md +++ /dev/null @@ -1,22 +0,0 @@ -# 后端需求 - 编辑数据库时更新 table_count - -## 问题描述 - -用户点击 Action 修改数据库，从 2 个子表修改为 1 个子表并保存后，数据库列表中的 Tables 列没有更新为新的数量。 - -## 原因 - -编辑数据库并保存 sub_tables 时，后端没有更新 `table_count` 字段。 - -## 需求 - -在 UpdateDatabaseRequest 处理 `SubTables` 字段时，需要同步更新数据库记录的 `table_count` 字段为当前 sub_tables 的数量。 - -### 修改位置 - -- `server/internal/service/database_service.go` 或 handler -- 在 Update 方法中处理 SubTables 时更新 table_count - -## 状态 - -- [x] 后端修改已完成 diff --git a/teams/web/table-count-update.md b/teams/web/table-count-update.md deleted file mode 100644 index b40370f..0000000 --- a/teams/web/table-count-update.md +++ /dev/null @@ -1,30 +0,0 @@ -# 后端需求 - 保存映射时更新 table_count - -## 问题描述 - -用户在 Database 列表页面看到 Table Mapping 选中 2 个表并保存后，表格的 Tables 列仍然显示 1，没有更新为实际选中的表数量。 - -## 原因 - -保存 Table Mapping 时，后端没有更新数据库的 `table_count` 字段。 - -## 需求 - -在保存子表映射时，需要同时更新数据库的 `table_count` 字段为实际保存的子表数量。 - -### 修改位置 - -- `server/internal/service/database_service.go` 或 handler -- 在处理 `SubTables` 保存逻辑后，更新 `database_info` 表的 `table_count` 字段 - -### 逻辑 - -```go -// 保存 sub_tables 后，更新 table_count -tableCount := len(subTables) -// 更新数据库记录的 table_count 字段 -``` - -## 状态 - -- [x] 后端修改已完成 diff --git a/teams/web/todo-2026-3-6.md b/teams/web/todo-2026-3-6.md deleted file mode 100644 index 428b3e3..0000000 --- a/teams/web/todo-2026-3-6.md +++ /dev/null @@ -1,52 +0,0 @@ -# Web 前端需求 TODO - -## 2026年3月 - -### 2026-03-06 - -- [x] **DDL 获取功能** - 后端需在获取表结构时返回 DDL 语句 ✔ - - 相关文件：`server/internal/service/database_service.go` - - 函数：`getMySQLTables`, `getPostgresTables` - - 详细需求：[ddl-fetch.md](./ddl-fetch.md) - -- [x] **返回结构化 columns 数据** - 后端需返回完整的列信息（column_name, data_type, column_type, is_nullable, default_value, column_key, extra, column_comment）✔ - - 相关文件：`server/internal/service/database_service.go` - - 函数：`getMySQLTables`, `getPostgresTables` - - 详细需求：[columns-api.md](./columns-api.md) - -- [x] **保存和读取字段映射** - 后端需支持保存/读取字段的中文映射名（mapped_name） ✔ - - 相关文件：`server/internal/service/database_service.go`, `server/internal/model/` - - 详细需求：[field-mapping.md](./field-mapping.md) - -- [x] **保存和恢复映射状态** - 第二次进入 Map Tables 时需恢复之前选择的表和字段映射 ✔ - - 相关文件：`server/internal/service/database_service.go`, `server/internal/model/` - - 详细需求：[mapping-state.md](./mapping-state.md) - -- [x] **Neo4j 图谱数据获取** - 前端已完成 ECharts 科幻风格图谱，后端需提供图谱数据接口 ✔ - - 前端：使用 ECharts force-directed graph，力导向弹簧效果，可拖拽，hover 高亮 - - 详细需求：[neo4j-graphs.md](./neo4j-graphs.md), [neo4j-support.md](./neo4j-support.md) - ---- - -- [x] **Neo4j 接口路由修改** - 后端已完成 ✔ - - 新增 `/neo4j/graphs` 接口 - - 修改 `/database/neo4j/nodes` → `/neo4j/nodes` - - 修改 `/database/neo4j/relationships` → `/neo4j/relationships` - - 详细需求：[neo4j-api-requirement.md](./neo4j-api-requirement.md) - ---- - -### 2026-03-07 - -- [x] **Neo4j 图谱保存接口** - 后端已完成 ✔ - - 接口地址：`POST /database/graph/save` - - 详细需求：[neo4j-graph-save.md](./neo4j-graph-save.md) - -- [x] **Neo4j 连接成功后返回 databaseId** - 后端已完成 ✔ - - 问题：Connect 测试连接成功后没有保存数据库记录，导致后续保存图谱时缺少 databaseId - - 解决方案：/neo4j/check 成功时检查数据库是否已存在，不存在则自动创建并返回 databaseId - - 详细需求：[neo4j-check-return-id.md](./neo4j-check-return-id.md) - ---- - -> 需求完成后请完成者打 ✔ \ No newline at end of file diff --git a/teams/web/todo-2026-3-8.md b/teams/web/todo-2026-3-8.md deleted file mode 100644 index 7555832..0000000 --- a/teams/web/todo-2026-3-8.md +++ /dev/null @@ -1,45 +0,0 @@ -# Web 前端需求 TODO - -## 2026年3月 - -### 2026-03-08 - -- [x] **知识库（Knowledge Base）API** - 后端已完成 ✔ - - 创建知识库、获取列表、获取详情、删除 - - 上传文档、删除文档、重新解析 - - 获取文档预览内容 - - 详细需求：[knowledge-base-api.md](./knowledge-base-api.md) - -- [x] **编辑时正确处理 sub_tables** - 后端已完成 ✔ - - 问题：取消选中 1 个表后保存，再次进入仍显示 2 个表 - - 详细需求：[sub-tables-edit.md](./sub-tables-edit.md) - -- [x] **知识库存储配置 (MinIO/S3)** - 后端已完成 ✔ - - 前端已完成：添加 storage_config 参数传递 - - 后端已完成：KnowledgeBase 模型添加 storage_config 字段 - - 上传文件时使用知识库的 storage_config，而非全局配置 - - 详细需求：[knowledge-base-api.md](./knowledge-base-api.md) - -- [x] **文档列表返回 file_url** - 后端已完成 ✔ - - 问题：重新进入知识库后 PDF 无法预览 - - 已确认：API 返回的 file_url 字段有值 - ---- - -### 2026-03-07 - -- [x] **DDL 编辑功能** - 后端已完成 ✔ - - 前端只发送 ddl 字段，不再发送 fields 字段 - - 详细需求：[ddl-edit.md](./ddl-edit.md) - -- [x] **保存映射时更新 table_count** - 后端已完成 ✔ - - 问题：用户保存 2 个子表后，Tables 列仍显示 1 - - 详细需求：[table-count-update.md](./table-count-update.md) - -- [x] **编辑数据库时更新 table_count** - 后端已完成 ✔ - - 问题：用户从 2 个子表修改为 1 个后，Tables 列没有更新 - - 详细需求：[table-count-update-edit.md](./table-count-update-edit.md) - ---- - -> 需求完成后请完成者打 ✔