STARWARCLOUD STARWAR.AI
返回市场
多智能体实验

多智能体实验

作者：KerwinMai10 星标更新：2025-11-05
安装使用来源：spider==github.com

项目介绍

多代理数据查询系统 v2.1

新增功能 v2.1: 内置Web前端（Markdown渲染，长时记忆实时加载）、REST API、启动脚本等。

基于LangGraph，实现了一主两从多代理架构，以实现智能数据库查询和分析功能，支持长短期记忆。 https://github.com/user-attachments/assets/3b1b1513-3c92-4952-b8e1-7e62e77630c9

架构设计

主智能体 (MasterAgent)
├── 意图识别：判断用户问题类型（结合用户偏好）
├── 任务路由：选择合适的处理路径
├── 短期记忆：智能压缩对话历史（LLM总结）
├── 长期记忆：跨会话用户偏好和知识
└── 结果汇总：整合子智能体输出

子智能体1 (SQLQueryAgent)
└── NL2SQL转换、执行查询

子智能体2 (DataAnalysisAgent)
└── 数据分析、生成洞察

核心功能

1. 意图识别 - 自动识别4种类型的问题

  • simple_answer: 简单问候
  • sql_only: 数据查询
  • analysis_only: 分析历史数据
  • sql_and_analysis: 查询+分析

2. 智能路由 - 根据意图调用不同的代理

  • 直接响应来自主代理/SQL子代理/数据分析子代理/两者协作

3. 双层记忆系统 ⭐ 新增

  • 短期记忆保存器
    • 保留会话内的对话历史
    • 智能压缩：当消息数量>10或token数量>1000时，LLM自动总结
    • 支持引用历史查询结果
  • 长期记忆
    • 跨会话持久化用户偏好和知识
    • 自动提取：当对话中有≥4条消息时自动提取
    • 个性化上下文：在意图识别过程中注入用户历史
    • SQLite存储：users、user_preferences、user_knowledge

4. 用户会话管理 ⭐ 新增

  • 用户登录系统（user_id）
  • 会话隔离（session-id）
  • 智能线程ID生成（user_id_session ID）
  • 特殊命令：new（新对话）info（查看信息）

5. MCP集成 - 通过MCP协议执行SQL

  • 独立的MCP服务器处理数据库操作
  • 支持扩展多个数据源

快速开始

1. 安装依赖

pip install -r requirements.txt

2. 设置API密钥

# Windows
set DASHSCOPE_API_KEY=your_api_key

# Linux/Mac
export DASHSCOPE_API_KEY=your_api_key

3. 初始化数据库

cd intelligent_data_query/data
python init_db.py              # 初始化业务数据库
python init_memory_db.py       # 初始化长期记忆数据库

4. 运行系统（命令行）

cd intelligent_data_query
python agent.py

系统会提示您输入用户ID，输入后即可开始使用。同一user_id可以在不同会话中保留个人偏好。

5. 启动Web前端（v2.1）

# Windows
cd intelligent_data_query
start_web.bat

# Linux/Mac
cd intelligent_data_query
chmod +x start_web.sh
./start_web.sh

浏览器访问：http://localhost:5000

前端特性（v2.1）：

  • Web聊天界面，支持Markdown渲染和代码高亮
  • 聊天区域滚动优化，输入框固定在底部
  • 登录后直接从long_term_memory.db读取并显示用户信息（无对话摘要）
  • REST API：/api/login、/api/query、/api/new_session、/api/user_info、/api/health

特殊命令：

  • new - 开始新对话（清除短期记忆，保留长期记忆）
  • info - 查看当前用户信息和偏好
  • exit/quit - 退出系统

示例测试问题

系统示例测试问题覆盖所有意图类型：

简单问候

  • 你好，你能帮我做什么？

数据查询

  • 公司总共有多少个部门？每个部门位于哪个城市？
  • 研发部门有多少员工？他们的职位分布如何？
  • 哪些员工的基本工资超过30000元？
  • 产品部门和设计部门分别有多少员工？

仅分析

  • 你能帮我分析上次查询的数据吗？

查询+分析

  • 对比研发部门、产品部门和设计部门的平均薪资水平
  • 销售部门的人力和薪资结构是什么样的？有什么特点？
  • 识别薪资最高的前10名员工，并分析他们的职位和部门分布特征
  • 分析公司各城市的人员分布和薪资差异，并提供优化建议

目录结构

intelligent_data_query/
├── agents/                      # 智能体模块
│   ├── master_agent.py         # 主智能体（含记忆管理）
│   ├── sql_agent.py            # SQL查询子智能体
│   └── analysis_agent.py       # 数据分析子智能体
├── memory/                      # 记忆模块 ⭐新增
│   ├── long_term_memory.py     # 长期记忆管理器
│   └── memory_extractor.py     # 记忆提取器
├── agent.py                    # 主入口（含用户登录）
├── prompts.py                  # 提示词定义
├── test_questions.py           # 测试问题集
├── config/
│   └── config.yaml             # 配置文件（含记忆配置）
├── data/
│   ├── company.db              # 业务数据库
│   ├── long_term_memory.db     # 长期记忆数据库 ⭐新增
│   ├── init_db.py              # 业务数据库初始化
│   └── init_memory_db.py       # 记忆数据库初始化 ⭐新增
├── static/                     # Web 前端(v2.1)
│   ├── index.html             # 主页面（聊天界面）
│   ├── style.css              # 样式（含滚动条/Markdown适配）
│   └── app.js                 # 前端逻辑（Markdown、用户信息、API）
├── start_web.bat              # Windows 启动脚本
├── start_web.sh               # Linux/Mac 启动脚本
├── video/
│   └── demo.mp4              # 演示视频
└── mcp_sql_server.py           # MCP SQL服务器

配置说明

编辑 config/config.yaml：

llm:
  provider: "dashscope"
  model: "qwen-turbo"
  temperature: 0.1
  max_tokens: 2048

database:
  path: "./data/company.db"

nl2sql:
  num_examples: 3

# 记忆配置 ⭐新增
memory:
  long_term_db: "./data/long_term_memory.db"  # 长期记忆数据库路径
  short_term_max_tokens: 1000                  # 短期记忆最大token数
  compression_threshold: 10                    # 超过N条消息开始压缩
  auto_extract_knowledge: true                 # 自动提取长期记忆

技术栈

  • LangGraph工作流编排
  • LangChainLLM调用和管理
  • Tongyi Qianwen大型语言模型（LLM）
  • MCP: 模型上下文协议
  • SQLite数据库
  • Rich终端美化

已完成功能 ✅

  • 支持长期记忆 使用SQLite持久化用户偏好和知识 ✅ (v2.0)
  • 上下文压缩 LLM智能总结对话历史 ✅ (v2.0)
  • 用户系统 支持多用户登录和会话管理 ✅ (v2.0)
  • 自动记忆检索 自动从对话中提取用户偏好 ✅ (v2.0)
  • Web前端 聊天界面+Markdown渲染+代码高亮+长时记忆实时加载 ✅ (v2.1)

下一步扩展计划

1. 长期记忆深度应用

  • 个性化查询推荐 根据用户历史自动推荐相关查询
  • 智能查询补全 根据用户偏好自动补全查询参数
  • 偏好适应性展示 自动调整数据显示格式（表格/图表/摘要）
  • 用户行为分析 分析用户查询模式并提供优化建议
  • 团队协作记忆 支持团队成员共享特定知识库

2. 记忆检索优化

  • 向量检索 使用ChromaDB代替简单的LIKE匹配
  • 记忆衰减机制 根据访问时间和频率调整知识信心
  • 多模态记忆 保存查询结果中的图表、文件等
  • 全文搜索 在user_knowledge上添加FTS5全文索引

3. 智能代理扩展

  • 报告生成子代理 自动生成PDF/Excel报告
  • 数据可视化子代理 生成图表和仪表盘
  • 异常检测子代理 主动检测数据异常并发出警报

4. 技术优化

  • 模式智能检索 大型数据库仅检索相关表结构
  • 支持更多数据源 MySQL、PostgreSQL、ClickHouse等
  • 并行调用优化 实现独立任务的并行处理
  • 流式输出 支持分析结果的实时流式输出

注意事项

  • 确保设置 DASHSCOPE_API_KEY 环境变量
  • 初始化业务数据库和长期记忆数据库
  • 安装所有依赖包
  • 使用相同的 user_id 可在不同会话中保留个人偏好
  • 建议定期备份长期记忆数据库

更新日志

v2.1 (2025.11.05)

  • ✨ 新增：内置Web前端（static/），支持Markdown渲染和代码高亮
  • ✨ 新增：REST API（/api/login、/api/query、/api/new_session、/api/user_info、/api/health）
  • ✨ 新增：登录后直接读取long_term_memory.db实时显示用户偏好/知识
  • ✨ 新增：启动脚本 start_web.bat / start_web.sh
  • 🎬 新增：项目演示视频 video/demo.mp4
  • 🔧 优化：聊天滚动条和输入框体验（输入框固定在底部）

v2.0 (2025.10.21)

  • ✨ 新增：长期记忆系统（跨会话用户偏好和知识持久化）
  • ✨ 新增：短期记忆智能压缩（LLM自动总结）
  • ✨ 新增：用户登录和会话管理系统
  • ✨ 新增：自动记忆检索（从对话中提取偏好和知识）
  • 🔧 优化：意图识别注入用户历史上下文
  • 🔧 优化：使用add_cmessages累加器处理消息

v1.0 (2025.10.16)

  • 🎉 初始版本
  • ✨ 一主两从多代理架构
  • ✨ 意图识别和智能路由
  • ✨ NL2SQL查询和数据分析
  • ✨ 短期对话记忆保存器