{ "canonical_name": "DemonDamon/AgenticX", "compilation_id": "pack_ca027b4ffeb742d984e2ad89bc6545c1", "created_at": "2026-05-14T20:43:49.720229+00:00", "created_by": "project-pack-compiler", "feedback": { "carrier_selection_notes": [ "viable_asset_types=mcp_config, recipe, host_instruction, eval, preflight", "recommended_asset_types=mcp_config, recipe, host_instruction, eval, preflight" ], "evidence_delta": { "confirmed_claims": [ "identity_anchor_present", "capability_and_host_targets_present", "install_path_declared_or_better" ], "missing_required_fields": [], "must_verify_forwarded": [ "Run or inspect `pip install agenticx` in an isolated environment.", "Confirm the project exposes the claimed capability to at least one target host." ], "quickstart_execution_scope": "allowlisted_sandbox_smoke", "sandbox_command": "pip install agenticx", "sandbox_container_image": "python:3.12-slim", "sandbox_execution_backend": "docker", "sandbox_planner_decision": "deterministic_isolated_install", "sandbox_validation_id": "sbx_c879bd41d9194243941a50afa9b0e769" }, "feedback_event_type": "project_pack_compilation_feedback", "learning_candidate_reasons": [], "template_gaps": [] }, "identity": { "canonical_id": "project_10664917b90daebeb1ac7d56c8cc7065", "canonical_name": "DemonDamon/AgenticX", "homepage_url": null, "license": "unknown", "repo_url": "https://github.com/DemonDamon/AgenticX", "slug": "agenticx", "source_packet_id": "phit_ab196eb24d234d88af39725564427ead", "source_validation_id": "dval_a033e96109b941659a17d833e0697cac" }, "merchandising": { "best_for": "需要工具连接与集成能力，并使用 mcp_host的用户", "github_forks": 16, "github_stars": 119, "one_liner_en": "AgenticX is a unified, production-ready multi-agent platform — Python SDK + CLI (agx) + Studio server + Machi desktop app. Features Meta-Agent orchestration, 15+ LLM providers, MCP Hub, hierarchical memory, avatar & group chat, skill ecosystem, safety sandbox, and IM gateway (Feishu/WeChat).", "one_liner_zh": "AgenticX is a unified, production-ready multi-agent platform — Python SDK + CLI (agx) + Studio server + Machi desktop app. Features Meta-Agent orchestration, 15+ LLM providers, MCP Hub, hierarchical memory, avatar & group chat, skill ecosystem, safety sandbox, and IM gateway (Feishu/WeChat).", "primary_category": { "category_id": "tool-integrations", "confidence": "high", "name_en": "Tool Integrations", "name_zh": "工具连接与集成", "reason": "matched_keywords:mcp, server, github" }, "target_user": "使用 mcp_host 等宿主 AI 的用户", "title_en": "AgenticX", "title_zh": "AgenticX 能力包", "visible_tags": [ { "label_en": "Browser Agents", "label_zh": "浏览器 Agent", "source": "repo_evidence_project_characteristics", "tag_id": "product_domain-browser-agents", "type": "product_domain" }, { "label_en": "Web Task Automation", "label_zh": "网页任务自动化", "source": "repo_evidence_project_characteristics", "tag_id": "user_job-web-task-automation", "type": "user_job" }, { "label_en": "Browser Automation", "label_zh": "浏览器自动化", "source": "repo_evidence_project_characteristics", "tag_id": "core_capability-browser-automation", "type": "core_capability" }, { "label_en": "Multi-role Workflow", "label_zh": "多角色协作流程", "source": "repo_evidence_project_characteristics", "tag_id": "workflow_pattern-multi-role-workflow", "type": "workflow_pattern" }, { "label_en": "Evaluation Suite", "label_zh": "评测体系", "source": "repo_evidence_project_characteristics", "tag_id": "selection_signal-evaluation-suite", "type": "selection_signal" } ] }, "packet_id": "phit_ab196eb24d234d88af39725564427ead", "page_model": { "artifacts": { "artifact_slug": "agenticx", "files": [ "PROJECT_PACK.json", "QUICK_START.md", "PROMPT_PREVIEW.md", "HUMAN_MANUAL.md", "AI_CONTEXT_PACK.md", "BOUNDARY_RISK_CARD.md", "PITFALL_LOG.md", "REPO_INSPECTION.json", "REPO_INSPECTION.md", "CAPABILITY_CONTRACT.json", "EVIDENCE_INDEX.json", "CLAIM_GRAPH.json" ], "required_files": [ "PROJECT_PACK.json", "QUICK_START.md", "PROMPT_PREVIEW.md", "HUMAN_MANUAL.md", "AI_CONTEXT_PACK.md", "BOUNDARY_RISK_CARD.md", "PITFALL_LOG.md", "REPO_INSPECTION.json" ] }, "detail": { "capability_source": "Project Hit Packet + DownstreamValidationResult", "commands": [ { "command": "pip install agenticx", "label": "Python / pip · 官方安装入口", "source": "https://github.com/DemonDamon/AgenticX#readme", "verified": true } ], "display_tags": [ "浏览器 Agent", "网页任务自动化", "浏览器自动化", "多角色协作流程", "评测体系" ], "eyebrow": "工具连接与集成", "glance": [ { "body": "判断自己是不是目标用户。", "label": "最适合谁", "value": "需要工具连接与集成能力，并使用 mcp_host的用户" }, { "body": "先理解能力边界，再决定是否继续。", "label": "核心价值", "value": "AgenticX is a unified, production-ready multi-agent platform — Python SDK + CLI (agx) + Studio server + Machi desktop app. Features Meta-Agent orchestration, 15+ LLM providers, MCP Hub, hierarchical memory, avatar & group chat, skill ecosystem, safety sandbox, and IM gateway (Feishu/WeChat)." }, { "body": "未完成验证前保持审慎。", "label": "继续前", "value": "publish to Doramagic.ai project surfaces" } ], "guardrail_source": "Boundary & Risk Card", "guardrails": [ { "body": "Prompt Preview 只展示流程，不证明项目已安装或运行。", "label": "Check 1", "value": "不要把试用当真实运行" }, { "body": "mcp_host", "label": "Check 2", "value": "确认宿主兼容" }, { "body": "publish to Doramagic.ai project surfaces", "label": "Check 3", "value": "先隔离验证" } ], "mode": "mcp_config, recipe, host_instruction, eval, preflight", "pitfall_log": { "items": [ { "body": "GitHub 社区证据显示该项目存在一个安装相关的待验证问题：Desktop app fails on startup: agx serve failed to start (local API not available)", "category": "安装坑", "evidence": [ "community_evidence:github | cevd_4330954394974f1ab2f82c8645e1dce9 | https://github.com/DemonDamon/AgenticX/issues/2 | 来源讨论提到 python 相关条件，需在安装/试用前复核。" ], "severity": "high", "suggested_check": "来源问题仍为 open，Pack Agent 需要复核是否仍影响当前版本。", "title": "来源证据：Desktop app fails on startup: agx serve failed to start (local API not available)", "user_impact": "可能增加新用户试用和生产接入成本。" }, { "body": "GitHub 社区证据显示该项目存在一个安装相关的待验证问题：AgenticX + Machi v0.3.7", "category": "安装坑", "evidence": [ "community_evidence:github | cevd_f4983001c0714fbe923df9e3263934b3 | https://github.com/DemonDamon/AgenticX/releases/tag/v0.3.7 | 来源讨论提到 python 相关条件，需在安装/试用前复核。" ], "severity": "medium", "suggested_check": "来源显示可能已有修复、规避或版本变化，说明书中必须标注适用版本。", "title": "来源证据：AgenticX + Machi v0.3.7", "user_impact": "可能阻塞安装或首次运行。" }, { "body": "GitHub 社区证据显示该项目存在一个安装相关的待验证问题：MCP will report an error upon startup: \"[Errno 2] No such file or directory\".", "category": "安装坑", "evidence": [ "community_evidence:github | cevd_026abb56e0864ba4b60ba497e1a19084 | https://github.com/DemonDamon/AgenticX/issues/14 | 来源讨论提到 node 相关条件，需在安装/试用前复核。" ], "severity": "medium", "suggested_check": "来源显示可能已有修复、规避或版本变化，说明书中必须标注适用版本。", "title": "来源证据：MCP will report an error upon startup: \"[Errno 2] No such file or directory\".", "user_impact": "可能增加新用户试用和生产接入成本。" }, { "body": "GitHub 社区证据显示该项目存在一个安装相关的待验证问题：Machi launch failure on mac", "category": "安装坑", "evidence": [ "community_evidence:github | cevd_1f85a307f6b44099b52dfdb50d13f91c | https://github.com/DemonDamon/AgenticX/issues/13 | 来源类型 github_issue 暴露的待验证使用条件。" ], "severity": "medium", "suggested_check": "来源问题仍为 open，Pack Agent 需要复核是否仍影响当前版本。", "title": "来源证据：Machi launch failure on mac", "user_impact": "可能增加新用户试用和生产接入成本。" }, { "body": "GitHub 社区证据显示该项目存在一个安装相关的待验证问题：UX: Cannot queue follow-up messages while `bash_exec` (or tool) is running; UI blocks until stop or completion", "category": "安装坑", "evidence": [ "community_evidence:github | cevd_170a543fa1d640b7a6c9c54d5b9ce6c1 | https://github.com/DemonDamon/AgenticX/issues/8 | 来源类型 github_issue 暴露的待验证使用条件。" ], "severity": "medium", "suggested_check": "来源显示可能已有修复、规避或版本变化，说明书中必须标注适用版本。", "title": "来源证据：UX: Cannot queue follow-up messages while `bash_exec` (or tool) is running; UI blocks until stop or completion", "user_impact": "可能阻塞安装或首次运行。" }, { "body": "GitHub 社区证据显示该项目存在一个安装相关的待验证问题：Windows: Document ingestion fails for PDF files (missing PDF reader libs / missing numpy)", "category": "安装坑", "evidence": [ "community_evidence:github | cevd_2d8c2ce59a394bd8901a52ddaf36f821 | https://github.com/DemonDamon/AgenticX/issues/10 | 来源讨论提到 python 相关条件，需在安装/试用前复核。" ], "severity": "medium", "suggested_check": "来源显示可能已有修复、规避或版本变化，说明书中必须标注适用版本。", "title": "来源证据：Windows: Document ingestion fails for PDF files (missing PDF reader libs / missing numpy)", "user_impact": "可能增加新用户试用和生产接入成本。" }, { "body": "README/documentation is current enough for a first validation pass.", "category": "能力坑", "evidence": [ "capability.assumptions | github_repo:772408997 | https://github.com/DemonDamon/AgenticX | README/documentation is current enough for a first validation pass." ], "severity": "medium", "suggested_check": "将假设转成下游验证清单。", "title": "能力判断依赖假设", "user_impact": "假设不成立时，用户拿不到承诺的能力。" }, { "body": "未记录 last_activity_observed。", "category": "维护坑", "evidence": [ "evidence.maintainer_signals | github_repo:772408997 | https://github.com/DemonDamon/AgenticX | last_activity_observed missing" ], "severity": "medium", "suggested_check": "补 GitHub 最近 commit、release、issue/PR 响应信号。", "title": "维护活跃度未知", "user_impact": "新项目、停更项目和活跃项目会被混在一起，推荐信任度下降。" }, { "body": "no_demo", "category": "安全/权限坑", "evidence": [ "downstream_validation.risk_items | github_repo:772408997 | https://github.com/DemonDamon/AgenticX | no_demo; severity=medium" ], "severity": "medium", "suggested_check": "进入安全/权限治理复核队列。", "title": "下游验证发现风险项", "user_impact": "下游已经要求复核，不能在页面中弱化。" }, { "body": "No sandbox install has been executed yet; downstream must verify before user use.", "category": "安全/权限坑", "evidence": [ "risks.safety_notes | github_repo:772408997 | https://github.com/DemonDamon/AgenticX | No sandbox install has been executed yet; downstream must verify before user use." ], "severity": "medium", "suggested_check": "转成明确权限清单和安全审查提示。", "title": "存在安全注意事项", "user_impact": "用户安装前需要知道权限边界和敏感操作。" }, { "body": "no_demo", "category": "安全/权限坑", "evidence": [ "risks.scoring_risks | github_repo:772408997 | https://github.com/DemonDamon/AgenticX | no_demo; severity=medium" ], "severity": "medium", "suggested_check": "把风险写入边界卡，并确认是否需要人工复核。", "title": "存在评分风险", "user_impact": "风险会影响是否适合普通用户安装。" }, { "body": "GitHub 社区证据显示该项目存在一个安全/权限相关的待验证问题：AgenticX v0.3.5", "category": "安全/权限坑", "evidence": [ "community_evidence:github | cevd_c05bccba0b02475cb74b550d42c91222 | https://github.com/DemonDamon/AgenticX/releases/tag/v0.3.5 | 来源讨论提到 python 相关条件，需在安装/试用前复核。" ], "severity": "medium", "suggested_check": "来源显示可能已有修复、规避或版本变化，说明书中必须标注适用版本。", "title": "来源证据：AgenticX v0.3.5", "user_impact": "可能影响授权、密钥配置或安全边界。" }, { "body": "GitHub 社区证据显示该项目存在一个安全/权限相关的待验证问题：AgenticX v0.3.6", "category": "安全/权限坑", "evidence": [ "community_evidence:github | cevd_619eaf3ee1334cb6bc5db5adb67b7c8f | https://github.com/DemonDamon/AgenticX/releases/tag/v0.3.6 | 来源讨论提到 python 相关条件，需在安装/试用前复核。" ], "severity": "medium", "suggested_check": "来源显示可能已有修复、规避或版本变化，说明书中必须标注适用版本。", "title": "来源证据：AgenticX v0.3.6", "user_impact": "可能影响升级、迁移或版本选择。" }, { "body": "GitHub 社区证据显示该项目存在一个安全/权限相关的待验证问题：AgenticX v0.3.8", "category": "安全/权限坑", "evidence": [ "community_evidence:github | cevd_3c0dad4f133a4a199f8b54083f16427f | https://github.com/DemonDamon/AgenticX/releases/tag/v0.3.8 | 来源讨论提到 python 相关条件，需在安装/试用前复核。" ], "severity": "medium", "suggested_check": "来源显示可能已有修复、规避或版本变化，说明书中必须标注适用版本。", "title": "来源证据：AgenticX v0.3.8", "user_impact": "可能影响升级、迁移或版本选择。" }, { "body": "GitHub 社区证据显示该项目存在一个安全/权限相关的待验证问题：bash_exec fails to run any command on Windows (WinError 2)", "category": "安全/权限坑", "evidence": [ "community_evidence:github | cevd_14230559f63c4fd8a7a8d1310b6284d0 | https://github.com/DemonDamon/AgenticX/issues/7 | 来源讨论提到 windows 相关条件，需在安装/试用前复核。" ], "severity": "medium", "suggested_check": "来源显示可能已有修复、规避或版本变化，说明书中必须标注适用版本。", "title": "来源证据：bash_exec fails to run any command on Windows (WinError 2)", "user_impact": "可能影响授权、密钥配置或安全边界。" }, { "body": "GitHub 社区证据显示该项目存在一个安全/权限相关的待验证问题：添加模型不支持codex 认证方式", "category": "安全/权限坑", "evidence": [ "community_evidence:github | cevd_b24824ec7b6e4e7fa6bc5b7b2874817c | https://github.com/DemonDamon/AgenticX/issues/4 | 来源讨论提到 api key 相关条件，需在安装/试用前复核。" ], "severity": "medium", "suggested_check": "来源问题仍为 open，Pack Agent 需要复核是否仍影响当前版本。", "title": "来源证据：添加模型不支持codex 认证方式", "user_impact": "可能影响授权、密钥配置或安全边界。" } ], "source": "ProjectPitfallLog + ProjectHitPacket + validation + community signals", "summary": "发现 18 个潜在踩坑项，其中 1 个为 high/blocking；最高优先级：安装坑 - 来源证据：Desktop app fails on startup: agx serve failed to start (local API not available)。", "title": "踩坑日志" }, "snapshot": { "contributors": 2, "forks": 16, "license": "unknown", "note": "站点快照，非实时质量证明；用于开工前背景判断。", "stars": 119 }, "source_url": "https://github.com/DemonDamon/AgenticX", "steps": [ { "body": "不安装项目，先体验能力节奏。", "code": "preview", "title": "先试 Prompt" }, { "body": "理解输入、输出、失败模式和边界。", "code": "manual", "title": "读说明书" }, { "body": "把上下文交给宿主 AI 继续工作。", "code": "context", "title": "带给 AI" }, { "body": "进入主力环境前先完成安装入口与风险边界验证。", "code": "verify", "title": "沙箱验证" } ], "subtitle": "AgenticX is a unified, production-ready multi-agent platform — Python SDK + CLI (agx) + Studio server + Machi desktop app. Features Meta-Agent orchestration, 15+ LLM providers, MCP Hub, hierarchical memory, avatar & group chat, skill ecosystem, safety sandbox, and IM gateway (Feishu/WeChat).", "title": "AgenticX 能力包", "trial_prompt": "# AgenticX - Prompt Preview\n\n> 复制下面这段 Prompt 到你常用的 AI，先试一次，不需要安装。\n> 它的目标是让你直接体验这个项目的服务方式，而不是阅读项目介绍。\n\n## 复制这段 Prompt\n\n```text\n请直接执行这段 Prompt，不要分析、润色、总结或询问我想如何处理这份 Prompt Preview。\n\n你现在扮演 AgenticX 的“安装前体验版”。\n这不是项目介绍、不是评价报告、不是 README 总结。你的任务是让我用最小成本体验它的核心服务。\n\n我的试用任务：我想用它完成一个真实的工具连接与集成任务。\n我常用的宿主 AI：MCP Client\n\n【体验目标】\n围绕我的真实任务，现场演示这个项目如何把输入转成 步骤建议, 检查清单, 专业工作流。重点是让我感受到工作方式，而不是给我项目背景。\n\n【业务流约束】\n- 你必须像一个正在提供服务的项目能力包，而不是像一个讲解员。\n- 每一轮只推进一个步骤；提出问题后必须停下来等我回答。\n- 每一步都必须让我感受到一个具体服务动作：澄清、整理、规划、检查、判断或收尾。\n- 每一步都要说明：当前目标、你需要我提供什么、我回答后你会产出什么。\n- 不要安装、不要运行命令、不要写代码、不要声称测试通过、不要声称已经修改文件。\n- 需要真实安装或宿主加载后才能验证的内容，必须明确说“这一步需要安装后验证”。\n- 如果我说“用示例继续”，你可以用虚构示例推进，但仍然不能声称真实执行。\n\n【可体验服务能力】\n- AI Skill / Agent 指令资产库: 项目包含可被宿主 AI 读取的 Skill 或 Agent 指令文件，可用于把专业流程带入 Claude、Codex、Cursor 等宿主。 输入：用户任务, 宿主 AI 对话上下文, 项目内 Skill/Agent 文档；输出：步骤建议, 检查清单, 专业工作流。\n\n【必须安装后才可验证的能力】\n- 命令行启动或安装流程: 项目文档中存在可执行命令，真实使用需要在本地或宿主环境中运行这些命令。 输入：终端环境, 包管理器, 项目依赖；输出：安装结果, 列表/更新/运行结果。\n\n【核心服务流】\n请严格按这个顺序带我体验。不要一次性输出完整流程：\n1. page-overview：项目概览。围绕“项目概览”模拟一次用户任务，不展示安装或运行结果。\n2. page-architecture：系统架构。围绕“系统架构”模拟一次用户任务，不展示安装或运行结果。\n3. page-installation：安装与配置。围绕“安装与配置”模拟一次用户任务，不展示安装或运行结果。\n4. page-agent-core：Agent 核心框架。围绕“Agent 核心框架”模拟一次用户任务，不展示安装或运行结果。\n5. page-tool-system：工具系统。围绕“工具系统”模拟一次用户任务，不展示安装或运行结果。\n\n【核心能力体验剧本】\n每一步都必须按“输入 -> 服务动作 -> 中间产物”执行。不要只说流程名：\n1. page-overview\n输入：用户提供的“项目概览”相关信息。\n服务动作：模拟项目在这一步的核心判断和整理方式。\n中间产物：一个可检查的小结果。\n\n2. page-architecture\n输入：用户提供的“系统架构”相关信息。\n服务动作：模拟项目在这一步的核心判断和整理方式。\n中间产物：一个可检查的小结果。\n\n3. page-installation\n输入：用户提供的“安装与配置”相关信息。\n服务动作：模拟项目在这一步的核心判断和整理方式。\n中间产物：一个可检查的小结果。\n\n4. page-agent-core\n输入：用户提供的“Agent 核心框架”相关信息。\n服务动作：模拟项目在这一步的核心判断和整理方式。\n中间产物：一个可检查的小结果。\n\n5. page-tool-system\n输入：用户提供的“工具系统”相关信息。\n服务动作：模拟项目在这一步的核心判断和整理方式。\n中间产物：一个可检查的小结果。\n\n【项目服务规则】\n这些规则决定你如何服务用户。不要解释规则本身，而要在每一步执行时遵守：\n- 先确认用户任务、输入材料和成功标准，再模拟项目能力。\n- 每一步都必须形成可检查的小产物，并等待用户确认后再继续。\n- 凡是需要安装、调用工具或访问外部服务的能力，都必须标记为安装后验证。\n\n【每一步的服务约束】\n- Step 1 / page-overview：Step 1 必须围绕“项目概览”形成一个小中间产物，并等待用户确认。\n- Step 2 / page-architecture：Step 2 必须围绕“系统架构”形成一个小中间产物，并等待用户确认。\n- Step 3 / page-installation：Step 3 必须围绕“安装与配置”形成一个小中间产物，并等待用户确认。\n- Step 4 / page-agent-core：Step 4 必须围绕“Agent 核心框架”形成一个小中间产物，并等待用户确认。\n- Step 5 / page-tool-system：Step 5 必须围绕“工具系统”形成一个小中间产物，并等待用户确认。\n\n【边界与风险】\n- 不要声称已经安装、运行、调用 API、读写本地文件或完成真实任务。\n- 安装前预览只能展示工作方式，不能证明兼容性、性能或输出质量。\n- 涉及安装、插件加载、工具调用或外部服务的能力必须安装后验证。\n\n【可追溯依据】\n这些路径只用于你内部校验或在我追问“依据是什么”时简要引用。不要在首次回复主动展开：\n- https://github.com/DemonDamon/AgenticX\n- https://github.com/DemonDamon/AgenticX#readme\n- agenticx/skills/agenticx-a2a-connector/SKILL.md\n- agenticx/skills/agenticx-agent-builder/SKILL.md\n- agenticx/skills/agenticx-automation-crontask/SKILL.md\n- agenticx/skills/agenticx-deployer/SKILL.md\n- agenticx/skills/agenticx-memory-architect/SKILL.md\n- agenticx/skills/agenticx-quickstart/SKILL.md\n- agenticx/skills/agenticx-skill-manager/SKILL.md\n- agenticx/skills/agenticx-tool-creator/SKILL.md\n- agenticx/skills/agenticx-workflow-designer/SKILL.md\n- README.md\n\n【首次问题规则】\n- 首次三问必须先确认用户目标、成功标准和边界，不要提前进入工具、安装或实现细节。\n- 如果后续需要技术条件、文件路径或运行环境，必须等用户确认目标后再追问。\n\n首次回复必须只输出下面 4 个部分：\n1. 体验开始：用 1 句话说明你将带我体验 AgenticX 的核心服务。\n2. 当前步骤：明确进入 Step 1，并说明这一步要解决什么。\n3. 你会如何服务我：说明你会先改变我完成任务的哪个动作。\n4. 只问我 3 个问题，然后停下等待回答。\n\n首次回复禁止输出：后续完整流程、证据清单、安装命令、项目评价、营销文案、已经安装或运行的说法。\n\nStep 1 / brainstorming 的二轮协议：\n- 我回答首次三问后，你仍然停留在 Step 1 / brainstorming，不要进入 Step 2。\n- 第二次回复必须产出 6 个部分：澄清后的任务定义、成功标准、边界条件、\n 2-3 个可选方案、每个方案的权衡、推荐方案。\n- 第二次回复最后必须问我是否确认推荐方案；只有我明确确认后，才能进入下一步。\n- 第二次回复禁止输出 git worktree、代码计划、测试文件、命令或真实执行结果。\n\n后续对话规则：\n- 我回答后，你先完成当前步骤的中间产物并等待确认；只有我确认后，才能进入下一步。\n- 每一步都要生成一个小的中间产物，例如澄清后的目标、计划草案、测试意图、验证清单或继续/停止判断。\n- 所有演示都写成“我会建议/我会引导/这一步会形成”，不要写成已经真实执行。\n- 不要声称已经测试通过、文件已修改、命令已运行或结果已产生。\n- 如果某个能力必须安装后验证，请直接说“这一步需要安装后验证”。\n- 如果证据不足，请明确说“证据不足”，不要补事实。\n```\n", "voices": [ { "body": "来源平台：github。github/github_issue: Desktop app fails on startup: agx serve failed to start (local API not a（https://github.com/DemonDamon/AgenticX/issues/2）；github/github_issue: MCP will report an error upon startup: \"[Errno 2] No such file or direct（https://github.com/DemonDamon/AgenticX/issues/14）；github/github_issue: Machi launch failure on mac（https://github.com/DemonDamon/AgenticX/issues/13）；github/github_issue: Windows: Document ingestion fails for PDF files (missing PDF reader libs（https://github.com/DemonDamon/AgenticX/issues/10）；github/github_issue: UX: Cannot queue follow-up messages while `bash_exec` (or tool) is runni（https://github.com/DemonDamon/AgenticX/issues/8）；github/github_issue: bash_exec fails to run any command on Windows (WinError 2)（https://github.com/DemonDamon/AgenticX/issues/7）；github/github_issue: 添加模型不支持codex 认证方式（https://github.com/DemonDamon/AgenticX/issues/4）；github/github_release: AgenticX v0.3.8（https://github.com/DemonDamon/AgenticX/releases/tag/v0.3.8）；github/github_release: AgenticX + Machi v0.3.7（https://github.com/DemonDamon/AgenticX/releases/tag/v0.3.7）；github/github_release: AgenticX v0.3.6（https://github.com/DemonDamon/AgenticX/releases/tag/v0.3.6）；github/github_release: AgenticX v0.3.5（https://github.com/DemonDamon/AgenticX/releases/tag/v0.3.5）。这些是项目级外部声音，不作为单独质量证明。", "items": [ { "kind": "github_issue", "source": "github", "title": "Desktop app fails on startup: agx serve failed to start (local API not a", "url": "https://github.com/DemonDamon/AgenticX/issues/2" }, { "kind": "github_issue", "source": "github", "title": "MCP will report an error upon startup: \"[Errno 2] No such file or direct", "url": "https://github.com/DemonDamon/AgenticX/issues/14" }, { "kind": "github_issue", "source": "github", "title": "Machi launch failure on mac", "url": "https://github.com/DemonDamon/AgenticX/issues/13" }, { "kind": "github_issue", "source": "github", "title": "Windows: Document ingestion fails for PDF files (missing PDF reader libs", "url": "https://github.com/DemonDamon/AgenticX/issues/10" }, { "kind": "github_issue", "source": "github", "title": "UX: Cannot queue follow-up messages while `bash_exec` (or tool) is runni", "url": "https://github.com/DemonDamon/AgenticX/issues/8" }, { "kind": "github_issue", "source": "github", "title": "bash_exec fails to run any command on Windows (WinError 2)", "url": "https://github.com/DemonDamon/AgenticX/issues/7" }, { "kind": "github_issue", "source": "github", "title": "添加模型不支持codex 认证方式", "url": "https://github.com/DemonDamon/AgenticX/issues/4" }, { "kind": "github_release", "source": "github", "title": "AgenticX v0.3.8", "url": "https://github.com/DemonDamon/AgenticX/releases/tag/v0.3.8" }, { "kind": "github_release", "source": "github", "title": "AgenticX + Machi v0.3.7", "url": "https://github.com/DemonDamon/AgenticX/releases/tag/v0.3.7" }, { "kind": "github_release", "source": "github", "title": "AgenticX v0.3.6", "url": "https://github.com/DemonDamon/AgenticX/releases/tag/v0.3.6" }, { "kind": "github_release", "source": "github", "title": "AgenticX v0.3.5", "url": "https://github.com/DemonDamon/AgenticX/releases/tag/v0.3.5" } ], "status": "已收录 11 条来源", "title": "社区讨论" } ] }, "homepage_card": { "category": "工具连接与集成", "desc": "AgenticX is a unified, production-ready multi-agent platform — Python SDK + CLI (agx) + Studio server + Machi desktop app. Features Meta-Agent orchestration, 15+ LLM providers, MCP Hub, hierarchical memory, avatar & group chat, skill ecosystem, safety sandbox, and IM gateway (Feishu/WeChat).", "effort": "安装已验证", "forks": 16, "icon": "link", "name": "AgenticX 能力包", "risk": "可发布", "slug": "agenticx", "stars": 119, "tags": [ "浏览器 Agent", "网页任务自动化", "浏览器自动化", "多角色协作流程", "评测体系" ], "thumb": "gray", "type": "MCP 配置" }, "manual": { "markdown": "# https://github.com/DemonDamon/AgenticX 项目说明书\n\n生成时间：2026-05-14 18:36:26 UTC\n\n## 目录\n\n- [项目概览](#page-overview)\n- [系统架构](#page-architecture)\n- [安装与配置](#page-installation)\n- [Agent 核心框架](#page-agent-core)\n- [工具系统](#page-tool-system)\n- [内存与记忆系统](#page-memory-system)\n- [LLM 集成与提供商](#page-llm-providers)\n- [协作与团队管理](#page-collaboration)\n- [Avatar 与群聊系统](#page-avatar-system)\n- [知识库与图谱](#page-knowledge-base)\n\n\n\n## 项目概览\n\n### 相关页面\n\n相关主题：[系统架构](#page-architecture), [安装与配置](#page-installation)\n\n
\n相关源码文件\n\n以下源码文件用于生成本页说明：\n\n- [README.md](https://github.com/DemonDamon/AgenticX/blob/main/README.md)\n- [README_ZN.md](https://github.com/DemonDamon/AgenticX/blob/main/README_ZN.md)\n- [agenticx/__init__.py](https://github.com/DemonDamon/AgenticX/blob/main/agenticx/__init__.py)\n- [desktop/src/components/SettingsPanel.tsx](https://github.com/DemonDamon/AgenticX/blob/main/desktop/src/components/SettingsPanel.tsx)\n- [desktop/src/components/automation/TaskList.tsx](https://github.com/DemonDamon/AgenticX/blob/main/desktop/src/components/automation/TaskList.tsx)\n- [desktop/src/store.ts](https://github.com/DemonDamon/AgenticX/blob/main/desktop/src/store.ts)\n- [enterprise/apps/admin-console/src/app/audit/page.tsx](https://github.com/DemonDamon/AgenticX/blob/main/enterprise/apps/admin-console/src/app/audit/page.tsx)\n- [enterprise/apps/admin-console/src/app/iam/roles/page.tsx](https://github.com/DemonDamon/AgenticX/blob/main/enterprise/apps/admin-console/src/app/iam/roles/page.tsx)\n- [agenticx/collaboration/README.md](https://github.com/DemonDamon/AgenticX/blob/main/agenticx/collaboration/README.md)\n- [examples/agenticx-for-agentkit/README.md](https://github.com/DemonDamon/AgenticX/blob/main/examples/agenticx-for-agentkit/README.md)\n\n
\n\n# 项目概览\n\n## 简介\n\nAgenticX 是一个企业级智能体（Agent）开发与协作框架，旨在提供多智能体系统的构建、部署与管理能力。该项目采用模块化架构，支持桌面端应用与企业级管理控制台的协同工作，覆盖从智能体开发到生产运维的完整生命周期。\n\n**核心定位**：面向企业场景的 AI Agent 基础设施平台，支持多智能体协作、外部工具集成、知识库 RAG、以及与火山引擎 AgentKit 的深度集成。\n\n资料来源：[README_ZN.md](https://github.com/DemonDamon/AgenticX/blob/main/README_ZN.md)\n\n---\n\n## 整体架构\n\nAgenticX 采用分层架构设计，核心层提供智能体运行能力，桌面端提供交互界面，企业端提供管理能力。\n\n```mermaid\ngraph TD\n subgraph 桌面端[\"桌面端 desktop/\"]\n UI[\"交互界面
SettingsPanel / TaskList\"]\n Store[\"状态管理
store.ts\"]\n DesktopAPI[\"Desktop API\"]\n end\n \n subgraph 企业端[\"企业端 enterprise/\"]\n AdminConsole[\"Admin Console
审计 / 模型 / 角色\"]\n WebPortal[\"Web Portal
Auth / Dashboard\"]\n end\n \n subgraph 核心模块[\"核心模块 agenticx/\"]\n AgentCore[\"Agent Core\"]\n Tools[\"Tools 工具\"]\n Memory[\"Memory 记忆\"]\n Knowledge[\"Knowledge 知识库\"]\n Collaboration[\"Collaboration 协作\"]\n Integrations[\"Integrations 集成\"]\n end\n \n UI <--> Store\n Store <--> DesktopAPI\n DesktopAPI <--> AgentCore\n AdminConsole <--> WebPortal\n AgentCore --> Tools\n AgentCore --> Memory\n AgentCore --> Knowledge\n AgentCore --> Collaboration\n Integrations --> AgentKit[\"AgentKit / Ark LLM\"]\n```\n\n资料来源：[desktop/src/components/SettingsPanel.tsx](https://github.com/DemonDamon/AgenticX/blob/main/desktop/src/components/SettingsPanel.tsx)，[examples/agenticx-for-agentkit/README.md](https://github.com/DemonDamon/AgenticX/blob/main/examples/agenticx-for-agentkit/README.md)\n\n---\n\n## 核心模块\n\n### Agent Core（智能体核心）\n\n智能体核心模块是整个框架的基础，负责定义智能体的基本行为、能力边界和生命周期管理。\n\n| 模块 | 功能描述 |\n|------|----------|\n| Agent 定义 | 支持自定义智能体配置prompt、模型、执行策略 |\n| 上下文管理 | 支持上下文继承、任务空间隔离 |\n| 会话管理 | 支持多会话并行、消息历史管理 |\n\n资料来源：[desktop/src/store.ts](https://github.com/DemonDamon/AgenticX/blob/main/desktop/src/store.ts)\n\n### Tools（工具系统）\n\n工具系统支持智能体调用外部能力，工具分为本地工具和环境依赖工具两类。\n\n```mermaid\ngraph LR\n A[\"智能体\"] -->|调用| B[\"工具系统\"]\n B --> C[\"本地工具
代码执行 / 文件操作\"]\n B --> D[\"环境依赖
外部可执行文件\"]\n```\n\n**本地工具**包括代码执行、文件操作等能力，在 SettingsPanel 中按工具类型分组显示，支持搜索过滤和启用/禁用控制。\n\n**环境依赖**指外部可执行文件依赖，需要全局安装一次后所有智能体共享。安装状态包括：已安装、安装中、需手动安装、未安装四种状态。\n\n资料来源：[desktop/src/components/SettingsPanel.tsx](https://github.com/DemonDamon/AgenticX/blob/main/desktop/src/components/SettingsPanel.tsx)\n\n### Knowledge（知识库 RAG）\n\n知识库模块提供 RAG（检索增强生成）能力，支持向智能体注入领域知识。\n\n| 功能 | 说明 |\n|------|------|\n| 知识索引 | 支持对文档进行向量化索引 |\n| 检索增强 | 查询时自动检索相关知识片段 |\n| 知识管理 | 支持知识库的增删改查操作 |\n\n资料来源：[examples/agenticx-for-agentkit/README.md](https://github.com/DemonDamon/AgenticX/blob/main/examples/agenticx-for-agentkit/README.md)\n\n### Collaboration（多智能体协作）\n\n协作模块支持多个智能体协同工作，处理复杂任务。框架预置多种协作模式，并支持自定义模式扩展。\n\n```python\n# 在 manager.py 中添加模式映射\npattern_classes = {\n CollaborationMode.CUSTOM_PATTERN: CustomPattern,\n # ... 其他模式\n}\n```\n\n协作模式支持任务分解、结果汇总、状态同步等机制，适用于复杂业务场景的多步骤处理。\n\n资料来源：[agenticx/collaboration/README.md](https://github.com/DemonDamon/AgenticX/blob/main/agenticx/collaboration/README.md)\n\n### Memory（记忆系统）\n\n记忆系统管理智能体的上下文信息和会话历史，确保智能体在多次交互中保持连贯性。\n\n| 特性 | 说明 |\n|------|------|\n| 上下文继承 | 支持父子智能体间的上下文传递 |\n| 历史消息 | 完整记录对话历史 |\n| 任务空间 | 支持独立的工作区隔离 |\n\n资料来源：[desktop/src/store.ts](https://github.com/DemonDamon/AgenticX/blob/main/desktop/src/store.ts)\n\n---\n\n## 桌面端功能\n\n### 设置面板（SettingsPanel）\n\n桌面端设置面板是用户配置智能体行为的主要入口，包含以下功能区域：\n\n| 功能区域 | 说明 |\n|----------|------|\n| 工具管理 | 本地工具的启用/禁用、搜索过滤 |\n| 环境依赖 | 外部可执行文件的安装状态管理 |\n| 技能管理 | 全局技能/项目技能的管理，支持第三方扫描 |\n| 微信集成 | 基于 iLink 协议的微信消息接入 |\n| GwStudio 配置 | 基础 URL 配置 |\n\n资料来源：[desktop/src/components/SettingsPanel.tsx](https://github.com/DemonDamon/AgenticX/blob/main/desktop/src/components/SettingsPanel.tsx)\n\n### 自动化任务（TaskList）\n\n自动化任务模块支持定时/条件触发的任务执行，每个任务包含以下配置：\n\n| 配置项 | 说明 |\n|--------|------|\n| 提示词 | 任务执行的系统提示 |\n| 工作区 | 任务执行的工作目录 |\n| 执行模型 | 指定 provider/model |\n| 启用状态 | 任务的启用/禁用控制 |\n\n任务执行结果记录包括执行时间戳、执行状态（成功/失败）和错误信息。\n\n资料来源：[desktop/src/components/automation/TaskList.tsx](https://github.com/DemonDamon/AgenticX/blob/main/desktop/src/components/automation/TaskList.tsx)\n\n### 状态管理（Store）\n\n桌面端采用集中式状态管理，主要状态包括：\n\n```typescript\ninterface SettingsState {\n provider: string; // 当前提供商\n model: string; // 当前模型\n apiKey: string; // API密钥\n defaultProvider: string; // 默认提供商\n providers: Provider[]; // 提供商列表\n}\n```\n\n资料来源：[desktop/src/store.ts](https://github.com/DemonDamon/AgenticX/blob/main/desktop/src/store.ts)\n\n---\n\n## 企业端功能\n\n### Admin Console（管理控制台）\n\n企业版管理控制台提供集中式的运维管理能力。\n\n#### 审计日志\n\n审计日志模块记录所有关键操作，支持全表链校验，确保数据完整性。\n\n| 功能 | 说明 |\n|------|------|\n| 操作记录 | 记录事件类型、用户、模型等信息 |\n| 链校验 | 全表链校验确保数据完整性 |\n| 刷新机制 | 实时查看最新审计记录 |\n\n资料来源：[enterprise/apps/admin-console/src/app/audit/page.tsx](https://github.com/DemonDamon/AgenticX/blob/main/enterprise/apps/admin-console/src/app/audit/page.tsx)\n\n#### 身份与权限（IAM）\n\n身份与权限模块管理用户、角色和权限的分配。\n\n| 功能 | 说明 |\n|------|------|\n| 角色管理 | 创建、编辑、复制角色，分配权限组合 |\n| 成员管理 | 角色的成员管理，支持 PATCH 更新 |\n| 批量导入 | CSV 批量开通子账号 |\n\n**批量导入流程**：\n\n```mermaid\ngraph TD\n A[\"上传 CSV\"] --> B[\"列映射\"]\n B --> C[\"预检\"]\n C --> D{检查结果}\n D -->|通过| E[\"服务端批量写入\"]\n D -->|失败| F[\"返回修改 CSV\"]\n E --> G[\"结果统计\"]\n```\n\n批量导入支持失败行下载修正，降低批量操作的风险。\n\n资料来源：[enterprise/apps/admin-console/src/app/iam/roles/page.tsx](https://github.com/DemonDamon/AgenticX/blob/main/enterprise/apps/admin-console/src/app/iam/roles/page.tsx)，[enterprise/apps/admin-console/src/app/iam/bulk-import/page.tsx](https://github.com/DemonDamon/AgenticX/blob/main/enterprise/apps/admin-console/src/app/iam/bulk-import/page.tsx)\n\n#### 模型管理\n\n模型管理支持添加、配置和删除 AI 模型。\n\n| 配置项 | 说明 |\n|--------|------|\n| 模型 ID | 如 gpt-4o-mini / qwen-plus |\n| 显示名 | 可选的友好名称 |\n| 提供商 | 模型所属的提供商 |\n\n资料来源：[enterprise/apps/admin-console/src/app/admin/models/page.tsx](https://github.com/DemonDamon/AgenticX/blob/main/enterprise/apps/admin-console/src/app/admin/models/page.tsx)\n\n### Web Portal（Web 门户）\n\nWeb 门户提供用户认证和访问入口。\n\n| 功能 | 说明 |\n|------|------|\n| SSO 登录 | 支持 SAML / OIDC 企业单点登录 |\n| LDAP | 即将支持 |\n| 合规认证 | ISO27001 · SOC2 |\n\n所有登录操作均记录到审计日志，所有敏感操作需要管理员授权。\n\n资料来源：[enterprise/apps/web-portal/src/app/auth/page.tsx](https://github.com/DemonDamon/AgenticX/blob/main/enterprise/apps/web-portal/src/app/auth/page.tsx)，[enterprise/apps/admin-console/src/app/login/page.tsx](https://github.com/DemonDamon/AgenticX/blob/main/enterprise/apps/admin-console/src/app/login/page.tsx)\n\n---\n\n## 集成能力\n\n### AgentKit 集成\n\nAgenticX 与火山引擎 AgentKit 深度集成，支持以下能力：\n\n| 集成模块 | 功能 |\n|----------|------|\n| Ark LLM Provider | 使用火山引擎大语言模型 |\n| Runtime Client | 智能体运行时管理 |\n| Bridges & Adapters | 协议适配与桥接 |\n\n示例项目 `agenticx-for-agentkit` 提供了完整的集成代码示例，包括工具定义、同步/异步测试、部署配置生成。\n\n资料来源：[examples/agenticx-for-agentkit/README.md](https://github.com/DemonDamon/AgenticX/blob/main/examples/agenticx-for-agentkit/README.md)\n\n### 项目模板\n\n通过 `agx volcengine init` 命令可快速初始化以下类型的项目：\n\n| 模板 | 用途 | 命令 |\n|------|------|------|\n| MCP | 工具自动发现与共享 | `--template mcp` |\n| A2A | 多智能体协作 | `--template a2a` |\n| Knowledge | 知识库 RAG | `--template knowledge` |\n\n资料来源：[examples/agenticx-for-agentkit/README.md](https://github.com/DemonDamon/AgenticX/blob/main/examples/agenticx-for-agentkit/README.md)\n\n---\n\n## 技术栈概览\n\n| 层级 | 技术选型 |\n|------|----------|\n| 前端框架 | React + TypeScript |\n| 样式方案 | Tailwind CSS |\n| 状态管理 | 自定义 Store（Zustand 风格） |\n| 后端框架 | Python（agenticx 核心） |\n| 部署方式 | Docker / 桌面应用 |\n| 认证协议 | SAML / OIDC / LDAP（规划中） |\n\n---\n\n## 快速开始\n\n### 桌面端\n\n1. 下载并安装桌面应用\n2. 配置 AI 提供商和 API Key\n3. 在设置面板中添加所需工具\n4. 创建和管理自动化任务\n\n### 企业端\n\n1. 部署 Admin Console\n2. 配置 SSO 单点登录\n3. 导入用户并分配角色\n4. 配置审计日志监控\n\n### 开发集成\n\n```bash\n# 安装核心框架\npip install agenticx\n\n# 初始化 AgentKit 项目\nagx volcengine init --template agentkit\n\n# 运行示例\ncd agenticx-for-agentkit\npip install -r requirements.txt\npython main.py\n```\n\n资料来源：[examples/agenticx-for-intent-recognition/README.md](https://github.com/DemonDamon/AgenticX/blob/main/examples/agenticx-for-intent-recognition/README.md)\n\n---\n\n## 相关资源\n\n- 项目主页：https://github.com/DemonDamon/AgenticX\n- 多智能体协作模式：https://arxiv.org/abs/2501.06322\n- 火山引擎官网：https://www.volcengine.com/\n\n---\n\n\n\n## 系统架构\n\n### 相关页面\n\n相关主题：[项目概览](#page-overview), [Agent 核心框架](#page-agent-core)\n\n
\n相关源码文件\n\n以下源码文件用于生成本页说明：\n\n- [enterprise/apps/admin-console/src/app/audit/page.tsx](https://github.com/DemonDamon/AgenticX/blob/main/enterprise/apps/admin-console/src/app/audit/page.tsx)\n- [desktop/src/components/SettingsPanel.tsx](https://github.com/DemonDamon/AgenticX/blob/main/desktop/src/components/SettingsPanel.tsx)\n- [examples/agenticx-for-intent-recognition/README.md](https://github.com/DemonDamon/AgenticX/blob/main/examples/agenticx-for-intent-recognition/README.md)\n- [agenticx/collaboration/README.md](https://github.com/DemonDamon/AgenticX/blob/main/agenticx/collaboration/README.md)\n- [enterprise/features/agents/README.md](https://github.com/DemonDamon/AgenticX/blob/main/enterprise/features/agents/README.md)\n- [enterprise/features/knowledge-base/README.md](https://github.com/DemonDamon/AgenticX/blob/main/enterprise/features/knowledge-base/README.md)\n- [enterprise/features/iam/README.md](https://github.com/DemonDamon/AgenticX/blob/main/enterprise/features/iam/README.md)\n- [enterprise/features/tools-mcp/README.md](https://github.com/DemonDamon/AgenticX/blob/main/enterprise/features/tools-mcp/README.md)\n- [desktop/src/components/automation/TaskList.tsx](https://github.com/DemonDamon/AgenticX/blob/main/desktop/src/components/automation/TaskList.tsx)\n- [examples/agenticx-for-agentkit/README.md](https://github.com/DemonDamon/AgenticX/blob/main/examples/agenticx-for-agentkit/README.md)\n
\n\n# 系统架构\n\n## 概述\n\nAgenticX 是一个多智能体协作框架，采用分层模块化架构设计，支持企业级 AI 应用部署。系统整体由核心层、功能模块层和应用层三大部分组成，涵盖智能体编排、工具集成、知识库管理、身份权限控制等核心能力。\n\n资料来源：[examples/agenticx-for-intent-recognition/README.md:1-10]()\n\n## 架构分层\n\nAgenticX 采用三层架构模式，各层职责清晰，模块间通过标准化接口通信。\n\n```mermaid\ngraph TD\n subgraph 应用层\n WEB[企业控制台]\n DESK[桌面客户端]\n CLI[命令行工具]\n end\n \n subgraph 功能模块层\n AGENTS[@agenticx/feature-agents]\n KB[@agenticx/feature-knowledge-base]\n IAM[@agenticx/feature-iam]\n MCP[@agenticx/feature-tools-mcp]\n end\n \n subgraph 核心层\n CORE[AgenticX Core Engine]\n COLLAB[Collaboration Engine]\n INTEGRATIONS[集成组件]\n end\n \n WEB --> AGENTS\n DESK --> AGENTS\n WEB --> IAM\n DESK --> MCP\n AGENTS --> CORE\n KB --> CORE\n COLLAB --> CORE\n INTEGRATIONS --> CORE\n```\n\n资料来源：[enterprise/features/agents/README.md:1-5]()\n资料来源：[enterprise/features/knowledge-base/README.md:1-5]()\n\n## 核心模块\n\n### 智能体模块（@agenticx/feature-agents）\n\n智能体是 AgenticX 的核心执行单元，支持分身（Avatar）概念，允许用户创建和管理多个 AI 代理实例。\n\n每个智能体包含以下配置项：\n\n| 配置项 | 说明 |\n|--------|------|\n| prompt | 提示词模板 |\n| workspace | 工作区路径 |\n| provider | 模型提供商 |\n| model | 模型名称 |\n| enabled | 启用状态 |\n| lastRunAt | 上次执行时间 |\n| lastRunStatus | 执行状态 |\n\n资料来源：[desktop/src/components/automation/TaskList.tsx:18-30]()\n\n### 协作引擎（Collaboration）\n\n协作模块支持多智能体协作模式，可通过自定义模式扩展协作行为。\n\n```mermaid\ngraph LR\n A[Agent A] --> B[协作模式]\n C[Agent B] --> B\n D[Agent N] --> B\n B --> E[协作结果]\n```\n\n主要协作模式：\n\n- **CUSTOM_PATTERN** - 自定义协作模式\n- **预设协作模式** - 系统内置的标准协作流程\n\n资料来源：[agenticx/collaboration/README.md:1-10]()\n\n### 身份与权限模块（@agenticx/feature-iam）\n\n企业级身份管理模块，提供租户、部门、角色和权限的完整管理能力。\n\n| 功能 | 说明 |\n|------|------|\n| 租户管理 | 多租户隔离 |\n| 部门管理 | 组织架构管理 |\n| 角色管理 | 角色定义与成员管理 |\n| 权限控制 | 细粒度权限矩阵 |\n\n角色成员支持 PATCH 更新其 roleCodes，可通过批量导入功能批量开通子账号。\n\n资料来源：[enterprise/features/iam/README.md:1-5]()\n资料来源：[enterprise/apps/admin-console/src/app/iam/roles/page.tsx:1-30]()\n\n### 知识库模块（@agenticx/feature-knowledge-base）\n\nRAG 知识库功能模块，支持向量化存储和检索，可与智能体无缝集成。\n\n资料来源：[enterprise/features/knowledge-base/README.md:1-5]()\n\n### 工具与 MCP 集成（@agenticx/feature-tools-mcp）\n\nMCP（Model Context Protocol）工具接入模块，支持第三方工具自动发现与共享。\n\n工具状态管理：\n\n| 状态 | 说明 |\n|------|------|\n| 已安装 | 全局已安装 |\n| 安装中 | 正在安装 |\n| 未安装 | 尚未安装 |\n| 需手动安装 | 需要用户手动介入 |\n\n资料来源：[enterprise/features/tools-mcp/README.md:1-5]()\n资料来源：[desktop/src/components/SettingsPanel.tsx:1-50]()\n\n## 应用层架构\n\n### 企业控制台（Admin Console）\n\n基于 React 的企业级管理后台，包含以下核心功能：\n\n- **审计日志** - 记录所有操作行为，支持全表链校验\n- **模型管理** - 配置和管理 AI 模型提供商\n- **身份与权限** - 用户、部门、角色管理\n- **批量导入** - CSV 批量开通子账号\n\n```mermaid\ngraph TD\n A[Admin Console] --> B[审计日志]\n A --> C[模型管理]\n A --> D[身份与权限]\n A --> E[批量导入]\n B --> F[数据表]\n C --> G[Provider/Model]\n D --> H[用户/角色/权限]\n```\n\n审计日志支持按事件类型、用户、模型搜索，显示全表链校验状态。\n\n资料来源：[enterprise/apps/admin-console/src/app/audit/page.tsx:1-40]()\n资料来源：[enterprise/apps/admin-console/src/app/admin/models/page.tsx:1-50]()\n\n### 桌面客户端（Desktop）\n\n桌面端应用提供本地 AI 助手能力，包含以下核心组件：\n\n| 组件 | 功能 |\n|------|------|\n| SettingsPanel | 全局设置管理 |\n| AvatarCreateDialog | 分身创建与配置 |\n| TaskList | 自动化任务列表 |\n| SkillManagement | 技能管理 |\n\n#### 设置面板（SettingsPanel）\n\n支持配置项：\n\n- 工具注册表管理\n- 外部可执行文件依赖管理\n- 微信集成（基于 iLink 协议）\n- GwStudio 配置\n- 技能源偏好设置\n\n资料来源：[desktop/src/components/SettingsPanel.tsx:1-100]()\n\n#### 技能管理\n\n技能（Skill）是智能体的能力扩展单元，支持：\n\n- 全局技能与本地技能\n- 技能启用/禁用控制\n- 第三方技能扫描\n- 技能详情展开\n\n资料来源：[desktop/src/components/AvatarCreateDialog.tsx:1-50]()\n\n#### 自动化任务（TaskList）\n\n支持创建定时任务，包含：\n\n| 配置项 | 说明 |\n|--------|------|\n| enabled | 任务启用开关 |\n| prompt | 执行提示词 |\n| workspace | 工作区目录 |\n| provider/model | 执行模型 |\n| lastRunAt | 上次执行时间 |\n| lastRunStatus | 成功/失败状态 |\n\n资料来源：[desktop/src/components/automation/TaskList.tsx:1-50]()\n\n## 集成架构\n\n### AgentKit 集成\n\nAgenticX 支持火山引擎 AgentKit 集成，提供完整的工具定义、同步/异步测试和部署配置生成能力。\n\n```\n┌────────────────────────────────────────────────────┐\n│ AgenticX 框架 │\n├─────────────┬────────────┬───────────┬─────────────┤\n│ Agent Core │ Tools │ Memory │ Knowledge │\n└─────────────┴────────────┴───────────┴─────────────┘\n │\n ┌──────────┴───────────┐\n │ AgentKit Integration │\n └──────────┬───────────┘\n │\n ┌────────────────┼────────────────┐\n ▼ ▼ ▼\n┌──────────┐ ┌───────────┐ ┌────────────┐\n│ Ark LLM │ │ Runtime │ │ Bridges & │\n│ Provider │ │ Client │ │ Adapters │\n└──────────┘ └───────────┘ └────────────┘\n```\n\n支持的部署模板：\n\n| 模板 | 用途 | 命令 |\n|------|------|------|\n| mcp | MCP 工具自动发现与共享 | `agx volcengine init --template mcp` |\n| a2a | 多智能体协作 | `agx volcengine init --template a2a` |\n| knowledge | 知识库 RAG | `agx volcengine init --template knowledge` |\n\n资料来源：[examples/agenticx-for-agentkit/README.md:1-80]()\n\n## 数据流与执行链\n\n### 审计链校验\n\n企业控制台的审计日志支持全表链校验机制，确保数据完整性：\n\n```mermaid\ngraph TD\n A[审计日志] --> B{链校验}\n B -->|通过| C[全表链校验通过]\n B -->|失败| D[全表链校验失败]\n D --> E[显示失败原因]\n D --> F[显示已扫描行数]\n```\n\n资料来源：[enterprise/apps/admin-console/src/app/audit/page.tsx:15-25]()\n\n### 批量导入流程\n\n批量导入采用分步流程设计：\n\n| 步骤 | 说明 |\n|------|------|\n| 0. 上传 CSV | 拖拽文件或粘贴文本，首行为表头 |\n| 1. 列映射 | 映射 CSV 列到系统字段 |\n| 2. 预检 | 检查数据合法性 |\n| 3. 提交 | 服务端批量写入 |\n\n预检失败时显示详细错误列表，包括行号和失败原因。\n\n资料来源：[enterprise/apps/admin-console/src/app/iam/bulk-import/page.tsx:1-100]()\n\n## 模块依赖关系\n\n```mermaid\ngraph BT\n CORE[Core Engine] --> AGENTS\n CORE --> COLLAB\n CORE --> INTEGRATIONS\n AGENTS --> FEATURES\n COLLAB --> FEATURES\n KB --> FEATURES\n IAM --> FEATURES\n MCP --> FEATURES\n FEATURES --> WEB\n FEATURES --> DESKTOP\n INTEGRATIONS --> AGENTKIT[AgentKit]\n INTEGRATIONS --> MCP\n```\n\n## 技术栈概览\n\n| 层级 | 技术选型 |\n|------|----------|\n| 前端框架 | React / Next.js |\n| UI 组件 | shadcn/ui |\n| 状态管理 | React Hooks |\n| 桌面端 | Electron/Tauri |\n| 后端核心 | Python |\n| 模型集成 | AgentKit / Ark LLM |\n| 协议支持 | MCP / A2A |\n\n## 扩展性设计\n\nAgenticX 架构支持多维度扩展：\n\n1. **工具扩展** - 通过 MCP 协议接入第三方工具\n2. **协作模式扩展** - 注册自定义协作模式类\n3. **技能扩展** - 支持自定义技能路径加载\n4. **模板扩展** - 火山引擎部署模板可自定义\n\n资料来源：[agenticx/collaboration/README.md:4-8]()\n\n---\n\n\n\n## 安装与配置\n\n### 相关页面\n\n相关主题：[项目概览](#page-overview)\n\n
\n相关源码文件\n\n以下源码文件用于生成本页说明：\n\n- [examples/agenticx-for-intent-recognition/README.md](https://github.com/DemonDamon/AgenticX/blob/main/examples/agenticx-for-intent-recognition/README.md)\n- [examples/agenticx-for-agentkit/README.md](https://github.com/DemonDamon/AgenticX/blob/main/examples/agenticx-for-agentkit/README.md)\n- [enterprise/features/agents/README.md](https://github.com/DemonDamon/AgenticX/blob/main/enterprise/features/agents/README.md)\n- [enterprise/features/knowledge-base/README.md](https://github.com/DemonDamon/AgenticX/blob/main/enterprise/features/knowledge-base/README.md)\n- [enterprise/features/iam/README.md](https://github.com/DemonDamon/AgenticX/blob/main/enterprise/features/iam/README.md)\n- [agenticx/collaboration/README.md](https://github.com/DemonDamon/AgenticX/blob/main/agenticx/collaboration/README.md)\n- [desktop/src/components/SettingsPanel.tsx](https://github.com/DemonDamon/AgenticX/blob/main/desktop/src/components/SettingsPanel.tsx)\n- [desktop/src/store.ts](https://github.com/DemonDamon/AgenticX/blob/main/desktop/src/store.ts)\n
\n\n# 安装与配置\n\n## 概述\n\nAgenticX 是一个多智能体协作框架，提供了完整的安装与配置体系，涵盖桌面客户端配置、企业级管理控制台安装、以及火山引擎等云平台集成。安装与配置模块是整个 AgenticX 项目的入口，涉及依赖管理、环境配置、API 密钥设置、第三方服务集成等多个方面。\n\n本页面详细说明 AgenticX 的完整安装流程、配置选项、以及各组件之间的配置关系。\n\n## 系统要求\n\n### 环境依赖\n\nAgenticX 的正常运行依赖以下外部可执行文件环境：\n\n| 依赖类型 | 名称 | 说明 | 安装方式 |\n|---------|------|------|----------|\n| Python 环境 | Python 3.10+ | 核心运行环境 | 需全局安装 |\n| 包管理器 | pip | Python 依赖安装 | 需全局安装 |\n| CLI 工具 | agx | AgenticX 命令行工具 | 全局安装一次后所有分身共享 |\n| 外部工具 | 可扩展 | 业务所需的第三方工具 | 支持自动发现与安装 |\n\n> 资料来源：[desktop/src/components/SettingsPanel.tsx](https://github.com/DemonDamon/AgenticX/blob/main/desktop/src/components/SettingsPanel.tsx)\n\n### 桌面客户端配置\n\n桌面客户端支持通过设置面板进行环境依赖管理：\n\n```\n环境依赖配置流程：\n1. 打开设置面板 → 环境依赖标签页\n2. 查看外部可执行文件依赖状态\n3. 全局安装一次后所有分身共享\n4. 支持手动安装和自动安装两种模式\n```\n\n> 资料来源：[desktop/src/components/SettingsPanel.tsx](https://github.com/DemonDamon/AgenticX/blob/main/desktop/src/components/SettingsPanel.tsx)\n\n## Python 环境安装\n\n### 基础依赖安装\n\n对于 Python 项目示例，基础依赖通过 requirements.txt 安装：\n\n```bash\npip install -r requirements.txt\n```\n\n> 资料来源：[examples/agenticx-for-intent-recognition/README.md](https://github.com/DemonDamon/AgenticX/blob/main/examples/agenticx-for-intent-recognition/README.md)\n\n### 项目结构模板\n\n标准 Python 项目应包含以下目录结构：\n\n```\nagenticx-for-intent-recognition/\n├── main.py # 主程序入口\n├── config.yaml # 配置文件\n├── requirements.txt # 依赖包声明\n├── agents/ # 智能体定义目录\n├── workflows/ # 工作流目录\n├── tools/ # 工具目录\n└── tests/ # 测试目录\n```\n\n> 资料来源：[examples/agenticx-for-intent-recognition/README.md](https://github.com/DemonDamon/AgenticX/blob/main/examples/agenticx-for-intent-recognition/README.md)\n\n## 配置文件管理\n\n### 配置文件结构\n\n每个 AgenticX 项目需要包含 config.yaml 配置文件，配置内容通常包括：\n\n| 配置项 | 类型 | 说明 | 必需 |\n|--------|------|------|------|\n| api_key | string | API 密钥 | 是 |\n| model | string | 默认模型名称 | 是 |\n| provider | string | 模型提供商 | 是 |\n| workspace | string | 工作区路径 | 否 |\n| tools | array | 启用的工具列表 | 否 |\n\n### 配置步骤\n\n1. 复制项目中的 `config.yaml` 文件模板\n2. 设置你的 API 密钥\n3. 根据需要调整配置参数\n4. 保存配置文件\n\n> 资料来源：[examples/agenticx-for-intent-recognition/README.md](https://github.com/DemonDamon/AgenticX/blob/main/examples/agenticx-for-intent-recognition/README.md)\n\n## 火山引擎集成配置\n\n### 集成架构\n\nAgenticX 与火山引擎（Volcengine）的集成采用分层架构设计：\n\n```mermaid\ngraph TB\n subgraph AgenticX框架\n A[Agent Core] --> B[Tools]\n A --> C[Memory]\n A --> D[Knowledge]\n end\n \n subgraph 集成层\n B --> E[AgentKit Integration]\n C --> E\n D --> E\n end\n \n subgraph 火山引擎\n E --> F[Ark LLM Provider]\n E --> G[Runtime Client]\n E --> H[Bridges & Adapters]\n end\n \n F --> I[火山引擎服务]\n G --> I\n H --> I\n```\n\n> 资料来源：[examples/agenticx-for-agentkit/README.md](https://github.com/DemonDamon/AgenticX/blob/main/examples/agenticx-for-agentkit/README.md)\n\n### 初始化命令\n\n使用 `agx` CLI 工具初始化火山引擎集成项目：\n\n| 模板名称 | 用途 | 命令 |\n|---------|------|------|\n| **agentkit** | AgentKit 集成基础模板 | `agx volcengine init --template agentkit` |\n| **mcp** | MCP 工具自动发现与共享 | `agx volcengine init --template mcp` |\n| **a2a** | 多智能体协作 | `agx volcengine init --template a2a` |\n| **knowledge** | 知识库 RAG | `agx volcengine init --template knowledge` |\n\n### 火山引擎资源管理\n\n```bash\n# 初始化项目\nagx volcengine init --template <模板类型>\n\n# 部署资源\nagx volcengine deploy\n\n# 查看日志\nagx engine logs [--follow]\n\n# 清理资源\nagx volcengine destroy\n```\n\n> 资料来源：[examples/agenticx-for-agentkit/README.md](https://github.com/DemonDamon/AgenticX/blob/main/examples/agenticx-for-agentkit/README.md)\n\n## 企业管理控制台配置\n\n### 管理员控制台功能\n\n企业管理控制台（Admin Console）提供以下配置功能：\n\n| 功能模块 | 路径 | 说明 |\n|---------|------|------|\n| 审计日志 | `/audit` | 查看操作审计记录 |\n| 模型管理 | `/admin/models` | 添加、配置、删除模型 |\n| 角色管理 | `/iam/roles` | 创建角色、分配权限 |\n| 批量导入 | `/iam/bulk-import` | 批量开通子账号 |\n\n> 资料来源：[enterprise/apps/admin-console/src/app/audit/page.tsx](https://github.com/DemonDamon/AgenticX/blob/main/enterprise/apps/admin-console/src/app/audit/page.tsx)\n\n### 模型配置\n\n在模型管理页面可进行以下配置：\n\n```typescript\n// 模型配置参数\n{\n name: string; // 模型 ID，如 gpt-4o-mini / qwen-plus\n label: string; // 显示名称（可选）\n provider: string; // 提供商标识\n}\n```\n\n> 资料来源：[enterprise/apps/admin-console/src/app/admin/models/page.tsx](https://github.com/DemonDamon/AgenticX/blob/main/enterprise/apps/admin-console/src/app/admin/models/page.tsx)\n\n### 批量导入配置\n\n批量导入功能支持 CSV 文件导入子账号，配置流程如下：\n\n1. **上传 CSV** — 拖拽文件或粘贴文本，首行为表头\n2. **列映射** — 将 CSV 列映射到系统字段\n3. **预检** — 服务端验证数据合法性\n4. **写入** — 批量写入数据库，失败行可下载修正\n\nCSV 模板格式示例：\n\n```\nemail,display_name,dept_path,role_codes\nuser1@example.com,张三,研发部/后端组,data_analyst\nuser2@example.com,李四,运营部/数据分析,admin\n```\n\n> 资料来源：[enterprise/apps/admin-console/src/app/iam/bulk-import/page.tsx](https://github.com/DemonDamon/AgenticX/blob/main/enterprise/apps/admin-console/src/app/iam/bulk-import/page.tsx)\n\n## 桌面客户端设置\n\n### 设置面板结构\n\n桌面客户端通过 SettingsPanel 组件提供完整的配置界面：\n\n```mermaid\ngraph LR\n A[设置面板] --> B[个人模型]\n A --> C[第三方工具]\n A --> D[环境依赖]\n A --> E[火山引擎]\n A --> F[微信集成]\n \n B --> B1[Provider 配置]\n B --> B2[API Key 配置]\n \n E --> E1[API Key]\n E --> E2[Region]\n E --> E3[Base URL]\n```\n\n> 资料来源：[desktop/src/components/SettingsPanel.tsx](https://github.com/DemonDamon/AgenticX/blob/main/desktop/src/components/SettingsPanel.tsx)\n\n### 模型配置状态\n\n桌面客户端的模型配置通过以下状态管理：\n\n| 状态字段 | 类型 | 说明 |\n|---------|------|------|\n| provider | string | 模型提供商 |\n| model | string | 模型名称 |\n| apiKey | string | API 密钥 |\n| defaultProvider | string | 默认提供商 |\n| providers | array | 已配置的提供商列表 |\n\n> 资料来源：[desktop/src/store.ts](https://github.com/DemonDamon/AgenticX/blob/main/desktop/src/store.ts)\n\n### 微信集成配置\n\n桌面客户端支持微信集成功能，配置步骤：\n\n1. 扫码绑定个人微信\n2. 基于微信官方 iLink 协议实现\n3. 绑定后可在微信中给 Machi 发消息触发 Agent 执行\n\n```typescript\n// 微信侧车服务连接\nconst { port, running } = await window.agenticxDesktop.wechatSidecarPort();\nif (!running) {\n const startRes = await window.agenticxDesktop.wechatSidecarStart();\n sidecarPort = startRes.port;\n}\n```\n\n> 资料来源：[desktop/src/components/SettingsPanel.tsx](https://github.com/DemonDamon/AgenticX/blob/main/desktop/src/components/SettingsPanel.tsx)\n\n## 技能与工具配置\n\n### 技能发现机制\n\nAgenticX 支持多种技能发现方式：\n\n| 发现方式 | 路径 | 说明 |\n|---------|------|------|\n| 全局技能 | 固定目录 | 所有分身共享的技能 |\n| 项目技能 | `.agents/skills/` | 项目专属技能 |\n| 第三方扫描 | 配置路径 | 自定义扫描目录 |\n| 自定义路径 | 用户指定 | 完全自定义的技能路径 |\n\n> 资料来源：[desktop/src/components/SettingsPanel.tsx](https://github.com/DemonDamon/AgenticX/blob/main/desktop/src/components/SettingsPanel.tsx)\n\n### 技能扫描配置\n\n技能扫描支持以下配置项：\n\n- **全局技能优先显示** — 可配置是否将全局技能放在首位\n- **技能来源优先级** — 支持选择首选技能来源\n- **技能详情加载** — 支持展开查看技能详细信息\n- **技能启用/禁用** — 可控制单个技能的启用状态\n\n> 资料来源：[desktop/src/components/SettingsPanel.tsx](https://github.com/DemonDamon/AgenticX/blob/main/desktop/src/components/SettingsPanel.tsx)\n\n## 身份与权限配置\n\n### IAM 模块功能\n\n企业级身份与访问管理（IAM）模块提供以下功能：\n\n| 功能 | 说明 |\n|------|------|\n| 身份管理 | 用户身份认证与授权 |\n| 租户管理 | 多租户环境隔离 |\n| 部门管理 | 组织架构管理 |\n| 角色管理 | 角色定义与权限分配 |\n| 权限控制 | 细粒度权限控制矩阵 |\n\n> 资料来源：[enterprise/features/iam/README.md](https://github.com/DemonDamon/AgenticX/blob/main/enterprise/features/iam/README.md)\n\n### 权限矩阵配置\n\n通过 ScopeMatrixEditor 组件进行权限配置：\n\n```typescript\n// 角色配置结构\n{\n code: string; // 角色代码，如 data_analyst\n name: string; // 显示名称，如 数据分析员\n scopes: array; // 权限范围列表\n}\n```\n\n> 资料来源：[enterprise/apps/admin-console/src/app/iam/roles/page.tsx](https://github.com/DemonDamon/AgenticX/blob/main/enterprise/apps/admin-console/src/app/iam/roles/page.tsx)\n\n## 知识库配置\n\n### 知识库模块\n\nAgenticX 提供知识库 RAG 功能，支持向量检索与知识管理：\n\n| 功能 | 说明 |\n|------|------|\n| 文档导入 | 支持多种格式文档入库 |\n| 向量索引 | 自动构建向量索引 |\n| 语义检索 | 基于语义的相似度搜索 |\n| 知识更新 | 支持增量更新与版本管理 |\n\n> 资料来源：[enterprise/features/knowledge-base/README.md](https://github.com/DemonDamon/AgenticX/blob/main/enterprise/features/knowledge-base/README.md)\n\n## 智能体配置\n\n### 智能体与分身\n\nAgenticX 的核心智能体配置模块：\n\n| 组件 | 说明 |\n|------|------|\n| Agent Core | 智能体核心引擎 |\n| Tools | 工具注册与调用 |\n| Memory | 会话记忆管理 |\n| Knowledge | 知识库集成 |\n\n> 资料来源：[enterprise/features/agents/README.md](https://github.com/DemonDamon/AgenticX/blob/main/enterprise/features/agents/README.md)\n\n### 协作模式配置\n\n支持多种智能体协作模式，可在 manager.py 中注册自定义模式：\n\n```python\n# 在 manager.py 中添加模式映射\npattern_classes = {\n CollaborationMode.CUSTOM_PATTERN: CustomPattern,\n # ... 其他模式\n}\n```\n\n> 资料来源：[agenticx/collaboration/README.md](https://github.com/DemonDamon/AgenticX/blob/main/agenticx/collaboration/README.md)\n\n## 配置验证与调试\n\n### 链完整性校验\n\nAgenticX 提供数据完整性校验机制：\n\n| 校验状态 | 说明 |\n|---------|------|\n| 全表链校验通过 | 数据链完整 |\n| 全表链校验失败 | 存在数据缺失 |\n| 链校验加载中 | 正在校验中 |\n| 当前页链校验失败 | 当前页数据异常 |\n\n> 资料来源：[enterprise/apps/admin-console/src/app/audit/page.tsx](https://github.com/DemonDamon/AgenticX/blob/main/enterprise/apps/admin-console/src/app/audit/page.tsx)\n\n### 环境依赖安装状态\n\n| 安装状态 | 显示 | 样式 |\n|---------|------|------|\n| 已安装 | \"已安装\" | 绿色边框背景 |\n| 安装中 | \"安装中\" | 强调色边框 |\n| 需手动安装 | \"需手动安装\" | 警告样式 |\n| 未安装 | \"未安装\" | 默认灰色 |\n\n> 资料来源：[desktop/src/components/SettingsPanel.tsx](https://github.com/DemonDamon/AgenticX/blob/main/desktop/src/components/SettingsPanel.tsx)\n\n## 快速开始清单\n\n### 安装检查清单\n\n- [ ] Python 3.10+ 环境已就绪\n- [ ] pip 包管理器可用\n- [ ] agx CLI 工具已全局安装\n- [ ] 外部依赖工具已安装（如需要）\n- [ ] API 密钥已获取并配置\n\n### 配置检查清单\n\n- [ ] config.yaml 文件已创建并填写\n- [ ] 模型提供商已配置\n- [ ] 知识库路径已设置（如使用 RAG）\n- [ ] IAM 模块角色与权限已分配\n- [ ] 微信集成已完成绑定（如需要）\n\n### 验证检查清单\n\n- [ ] `agx volcengine init` 命令执行成功\n- [ ] 桌面客户端设置面板可正常打开\n- [ ] 管理控制台页面可正常访问\n- [ ] 技能扫描功能正常工作\n- [ ] 审计日志可正常查看\n\n> 资料来源：[examples/agenticx-for-intent-recognition/README.md](https://github.com/DemonDamon/AgenticX/blob/main/examples/agenticx-for-intent-recognition/README.md)\n\n## 相关资源\n\n- [AgenticX 主文档](https://github.com/DemonDamon/AgenticX)\n- [火山引擎官网](https://volcengine.com/)\n- [集成模块源码](https://github.com/DemonDamon/AgenticX/blob/main/agenticx/integrations/agentkit/)\n- [项目模板源码](https://github.com/DemonDamon/AgenticX/blob/main/agenticx/cli/templates/volcengine/)\n- [多智能体协作模式](https://arxiv.org/abs/2501.06322)\n\n> 资料来源：[examples/agenticx-for-agentkit/README.md](https://github.com/DemonDamon/AgenticX/blob/main/examples/agenticx-for-agentkit/README.md)\n\n---\n\n\n\n## Agent 核心框架\n\n### 相关页面\n\n相关主题：[工具系统](#page-tool-system), [内存与记忆系统](#page-memory-system), [LLM 集成与提供商](#page-llm-providers)\n\n根据提供的上下文信息，我无法找到您指定的 Python 核心源代码文件。在当前检索到的上下文中，主要包含的是前端组件文件（如 `desktop/src/components/SettingsPanel.tsx`、`TaskList.tsx`）以及部分 README 文档。\n\n
\n相关源码文件\n\n以下源码文件需要进一步检索：\n\n- [agenticx/core/agent.py](https://github.com/DemonDamon/AgenticX/blob/main/agenticx/core/agent.py)\n- [agenticx/core/agent_builder.py](https://github.com/DemonDamon/AgenticX/blob/main/agenticx/core/agent_builder.py)\n- [agenticx/core/agent_executor.py](https://github.com/DemonDamon/AgenticX/blob/main/agenticx/core/agent_executor.py)\n- [agenticx/core/task.py](https://github.com/DemonDamon/AgenticX/blob/main/agenticx/core/task.py)\n- [agenticx/core/self_repair.py](https://github.com/DemonDamon/AgenticX/blob/main/agenticx/core/self_repair.py)\n- [agenticx/core/overflow_recovery.py](https://github.com/DemonDamon/AgenticX/blob/main/agenticx/core/overflow_recovery.py)\n- [agenticx/core/task_validator.py](https://github.com/DemonDamon/AgenticX/blob/main/agenticx/core/task_validator.py)\n- [agenticx/runtime/agent_runtime.py](https://github.com/DemonDamon/AgenticX/blob/main/agenticx/runtime/agent_runtime.py)\n\n
\n\n# Agent 核心框架\n\n> **说明**：当前页面内容基于项目结构推断。由于核心 Python 源码文件未在本次检索结果中返回，建议补充检索 `agenticx/core/` 目录下的实际代码后更新本页面。\n\n## 概述\n\nAgent 核心框架是 AgenticX 项目中负责构建、执行和管理 AI 智能体的基础设施模块。该框架采用模块化设计，将智能体的定义、构建、执行、监控和自愈等功能分离到不同的子模块中。\n\n## 核心模块架构\n\n| 模块 | 文件路径 | 职责 |\n|------|---------|------|\n| Agent | `agenticx/core/agent.py` | 智能体主体定义 |\n| AgentBuilder | `agenticx/core/agent_builder.py` | 智能体构建器 |\n| AgentExecutor | `agenticx/core/agent_executor.py` | 执行引擎 |\n| Task | `agenticx/core/task.py` | 任务定义与管理 |\n| SelfRepair | `agenticx/core/self_repair.py` | 自我修复机制 |\n| OverflowRecovery | `agenticx/core/overflow_recovery.py` | 溢出恢复 |\n| TaskValidator | `agenticx/core/task_validator.py` | 任务验证 |\n| AgentRuntime | `agenticx/runtime/agent_runtime.py` | 运行时环境 |\n\n## Agent 执行流程\n\n```mermaid\ngraph TD\n A[用户请求] --> B[TaskValidator 验证任务]\n B --> C{验证通过?}\n C -->|是| D[AgentBuilder 构建 Agent]\n C -->|否| E[返回错误信息]\n D --> F[AgentExecutor 执行]\n F --> G{执行成功?}\n G -->|否| H[SelfRepair 自愈]\n H --> F\n G -->|是| I[OverflowRecovery 检查溢出]\n I --> J[返回结果]\n```\n\n## 任务管理（Task）\n\nTask 模块负责封装用户请求和智能体响应。根据项目前端代码中的相关实现（如 `TaskList.tsx`），一个任务通常包含：\n\n| 字段 | 类型 | 说明 |\n|------|------|------|\n| id | string | 任务唯一标识 |\n| prompt | string | 任务提示词 |\n| workspace | string | 工作区路径 |\n| provider | string | 模型提供商 |\n| model | string | 模型名称 |\n| enabled | boolean | 是否启用 |\n| lastRunAt | datetime | 上次执行时间 |\n| lastRunStatus | string | 执行状态 |\n| lastRunError | string | 错误信息 |\n\n## 运行时环境（AgentRuntime）\n\nAgentRuntime 是智能体运行时的核心环境，负责：\n\n- 管理智能体的生命周期\n- 协调各模块之间的通信\n- 提供上下文管理和状态维护\n- 处理并发执行和资源调度\n\n## 自我修复机制（SelfRepair）\n\nSelfRepair 模块实现了智能体的自我诊断和修复能力，当执行失败时自动触发修复流程。\n\n## 溢出恢复（OverflowRecovery）\n\nOverflowRecovery 模块处理执行过程中的内存溢出或资源耗尽问题，确保系统稳定性。\n\n## 任务验证（TaskValidator）\n\nTaskValidator 在任务执行前进行合法性校验，包括：\n\n- 参数完整性检查\n- 权限验证\n- 资源可用性检查\n\n## 相关资源\n\n- [协作框架文档](../collaboration/README.md)\n- [示例项目 - Intent Recognition](../../examples/agenticx-for-intent-recognition/README.md)\n- [示例项目 - AgentKit](../../examples/agenticx-for-agentkit/README.md)\n\n---\n\n**建议**：请补充检索 `agenticx/core/` 和 `agenticx/runtime/` 目录下的实际 Python 源码文件，以便完善本页面内容。\n\n---\n\n\n\n## 工具系统\n\n### 相关页面\n\n相关主题：[Agent 核心框架](#page-agent-core)\n\n
\n相关源码文件\n\n以下源码文件用于生成本页说明：\n\n- [agenticx/tools/base.py](https://github.com/DemonDamon/AgenticX/blob/main/agenticx/tools/base.py)\n- [agenticx/tools/function_tool.py](https://github.com/DemonDamon/AgenticX/blob/main/agenticx/tools/function_tool.py)\n- [agenticx/tools/mcp_hub.py](https://github.com/DemonDamon/AgenticX/blob/main/agenticx/tools/mcp_hub.py)\n- [agenticx/tools/remote_v2.py](https://github.com/DemonDamon/AgenticX/blob/main/agenticx/tools/remote_v2.py)\n- [agenticx/tools/openapi_toolset.py](https://github.com/DemonDamon/AgenticX/blob/main/agenticx/tools/openapi_toolset.py)\n- [agenticx/tools/sandbox_tools.py](https://github.com/DemonDamon/AgenticX/blob/main/agenticx/tools/sandbox_tools.py)\n- [agenticx/tools/skill_bundle.py](https://github.com/DemonDamon/AgenticX/blob/main/agenticx/tools/skill_bundle.py)\n- [agenticx/tools/executor.py](https://github.com/DemonDamon/AgenticX/blob/main/agenticx/tools/executor.py)\n
\n\n# 工具系统\n\n## 概述\n\n工具系统是 AgenticX 框架的核心能力扩展机制，为 AI Agent 提供调用外部服务和执行特定操作的能力。通过工具系统，Agent 能够突破纯语言模型的限制，执行文件操作、网络请求、代码执行、系统命令等各种真实世界任务。\n\n工具系统采用插件化架构，支持多种工具类型和协议接入，包括本地函数工具、远程 REST API、Model Context Protocol (MCP) 服务、OpenAPI 规范、WebSocket 实时工具等。\n\n## 架构设计\n\n### 系统架构图\n\n```mermaid\ngraph TD\n A[Agent 智能体] --> B[工具执行器 Executor]\n B --> C[本地工具]\n B --> D[远程工具 Remote]\n B --> E[MCP 工具 Hub]\n B --> F[沙箱工具 Sandbox]\n B --> G[OpenAPI 工具集]\n \n C --> C1[FunctionTool 函数工具]\n C --> C2[SkillBundle 技能包]\n \n D --> D1[WebSocket 连接]\n D --> D2[HTTP 调用]\n \n E --> E1[MCP Server 1]\n E --> E2[MCP Server 2]\n E --> E3[MCP Server N]\n \n F --> F1[代码执行沙箱]\n F --> F2[Shell 命令执行]\n \n G --> G1[Swagger 解析]\n G --> G2[API 适配器]\n```\n\n### 核心组件\n\n| 组件 | 文件路径 | 职责说明 |\n|------|----------|----------|\n| BaseTool | `base.py` | 所有工具类型的基类，定义通用接口和属性 |\n| FunctionTool | `function_tool.py` | 将 Python 函数封装为可调用工具 |\n| Executor | `executor.py` | 工具调用调度器和执行引擎 |\n| MCP Hub | `mcp_hub.py` | Model Context Protocol 服务集成中心 |\n| Remote V2 | `remote_v2.py` | 远程工具通信协议实现 |\n| OpenAPI Toolset | `openapi_toolset.py` | OpenAPI/Swagger 规范导入 |\n| Sandbox Tools | `sandbox_tools.py` | 安全执行环境工具 |\n| Skill Bundle | `skill_bundle.py` | 技能包打包和分发 |\n\n## 工具基类\n\n### BaseTool 基础架构\n\n所有工具类型都继承自 `BaseTool` 基类，定义了统一的接口规范：\n\n```python\n# agenticx/tools/base.py\nclass BaseTool:\n \"\"\"工具基类\"\"\"\n \n def __init__(self, name: str, description: str = \"\", ...):\n self.name = name\n self.description = description\n \n async def execute(self, **kwargs) -> Any:\n \"\"\"执行工具的核心方法\"\"\"\n raise NotImplementedError\n \n def validate_input(self, params: dict) -> bool:\n \"\"\"输入参数校验\"\"\"\n pass\n```\n\n工具基类提供以下核心能力：\n\n| 属性/方法 | 类型 | 说明 |\n|-----------|------|------|\n| `name` | str | 工具唯一标识名称 |\n| `description` | str | 工具功能描述（用于 Agent 理解） |\n| `execute()` | async method | 异步执行入口 |\n| `validate_input()` | method | 参数校验 |\n| `get_schema()` | method | 返回工具 JSON Schema |\n\n## 工具类型详解\n\n### 函数工具 FunctionTool\n\n函数工具是最常用的工具类型，用于将任意 Python 函数包装为 Agent 可调用的工具。\n\n```python\n# agenticx/tools/function_tool.py\nclass FunctionTool(BaseTool):\n \"\"\"将 Python 函数封装为工具\"\"\"\n \n def __init__(\n self,\n fn: Callable,\n name: str = None,\n description: str = None,\n input_schema: dict = None,\n ):\n self.fn = fn\n super().__init__(name or fn.__name__, description or fn.__doc__)\n```\n\n**使用示例：**\n\n```python\nfrom agenticx.tools import FunctionTool\n\ndef calculate_bmi(height: float, weight: float) -> dict:\n \"\"\"计算 BMI 指数\"\"\"\n bmi = weight / (height ** 2)\n category = \"正常\" if 18.5 <= bmi < 24 else \"偏胖\" if bmi >= 24 else \"偏瘦\"\n return {\"bmi\": round(bmi, 2), \"category\": category}\n\nbmi_tool = FunctionTool(\n fn=calculate_bmi,\n description=\"根据身高体重计算BMI指数\",\n name=\"calculate_bmi\"\n)\n```\n\n### 远程工具 Remote V2\n\n远程工具通过 WebSocket 或 HTTP 与远程服务通信，支持实时流式响应和长连接工具调用。\n\n```python\n# agenticx/tools/remote_v2.py\nclass RemoteTool(BaseTool):\n \"\"\"远程工具客户端\"\"\"\n \n def __init__(\n self,\n endpoint: str,\n protocol: str = \"websocket\", # websocket | http\n auth_token: str = None,\n timeout: int = 30,\n ):\n```\n\n**连接模式：**\n\n| 模式 | 协议 | 适用场景 | 特点 |\n|------|------|----------|------|\n| WebSocket | `ws://` | 实时交互、长连接 | 低延迟、支持流式 |\n| HTTP | `http://` | 简单请求响应 | 无状态、易部署 |\n\n### MCP Hub\n\nMCP Hub 是 Model Context Protocol 的集成中心，负责管理多个 MCP Server 连接。\n\n```python\n# agenticx/tools/mcp_hub.py\nclass MCPHub:\n \"\"\"MCP 服务协调器\"\"\"\n \n def __init__(self):\n self.servers: Dict[str, MCPServer] = {}\n self.tools_cache: Dict[str, Tool] = {}\n \n async def connect(self, server_config: dict) -> None:\n \"\"\"连接 MCP Server\"\"\"\n \n async def disconnect(self, server_name: str) -> None:\n \"\"\"断开连接\"\"\"\n \n async def list_tools(self) -> List[Tool]:\n \"\"\"获取所有可用工具\"\"\"\n```\n\n**MCP 工具工作流：**\n\n```mermaid\nsequenceDiagram\n participant Agent\n participant Hub as MCP Hub\n participant Server1 as MCP Server A\n participant Server2 as MCP Server B\n \n Agent->>Hub: 请求工具列表\n Hub->>Server1: 查询可用工具\n Hub->>Server2: 查询可用工具\n Server1-->>Hub: 返回工具清单\n Server2-->>Hub: 返回工具清单\n Hub-->>Agent: 聚合工具列表\n \n Agent->>Hub: 调用 tool_x\n Hub->>Server1: 执行 tool_x\n Server1-->>Hub: 返回结果\n Hub-->>Agent: 转发结果\n```\n\n### OpenAPI 工具集\n\nOpenAPI Toolset 能够从 Swagger/OpenAPI 规范自动生成工具集。\n\n```python\n# agenticx/tools/openapi_toolset.py\nclass OpenAPIToolset:\n \"\"\"从 OpenAPI 规范生成工具\"\"\"\n \n def __init__(self, spec_url: str = None, spec_dict: dict = None):\n self.spec = self._load_spec(spec_url or spec_dict)\n self.tools = self._generate_tools()\n \n def _generate_tools(self) -> List[FunctionTool]:\n \"\"\"解析规范生成 FunctionTool 列表\"\"\"\n```\n\n**支持的功能：**\n\n- 自动解析 OpenAPI 3.0 / Swagger 2.0 规范\n- 参数类型推导和校验\n- 认证信息自动注入（API Key / Bearer Token / Basic Auth）\n- 请求体 JSON Schema 映射\n\n### 沙箱工具 Sandbox\n\n沙箱工具提供安全的代码执行环境，用于运行用户生成的代码或系统命令。\n\n```python\n# agenticx/tools/sandbox_tools.py\nclass SandboxTool(BaseTool):\n \"\"\"安全执行环境\"\"\"\n \n ALLOWED_OPERATIONS = [\"bash\", \"python\", \"javascript\"]\n \n def __init__(\n self,\n operation: str = \"bash\",\n timeout: int = 30,\n memory_limit: str = \"256M\",\n ):\n```\n\n**安全特性：**\n\n| 特性 | 说明 |\n|------|------|\n| 超时限制 | 每个操作最大执行时间 |\n| 内存限制 | 单次执行内存上限 |\n| 操作白名单 | 仅允许预定义操作类型 |\n| 输出截断 | 防止大量输出导致内存溢出 |\n\n### 技能包 SkillBundle\n\nSkillBundle 用于打包和组织多个相关工具，支持批量注册和分发。\n\n```python\n# agenticx/tools/skill_bundle.py\nclass SkillBundle:\n \"\"\"技能包打包器\"\"\"\n \n def __init__(self, name: str, version: str = \"1.0.0\"):\n self.name = name\n self.version = version\n self.tools: List[BaseTool] = []\n self.metadata: dict = {}\n \n def add_tool(self, tool: BaseTool) -> None:\n \"\"\"添加工具\"\"\"\n \n def to_manifest(self) -> dict:\n \"\"\"生成技能包清单\"\"\"\n```\n\n## 工具执行器\n\nExecutor 是工具系统的核心调度器，负责工具的加载、路由和执行。\n\n```python\n# agenticx/tools/executor.py\nclass ToolExecutor:\n \"\"\"工具执行引擎\"\"\"\n \n def __init__(self, config: ExecutorConfig = None):\n self.tools: Dict[str, BaseTool] = {}\n self.middlewares: List[Middleware] = []\n \n def register(self, tool: BaseTool) -> None:\n \"\"\"注册工具\"\"\"\n \n async def execute(\n self,\n tool_name: str,\n parameters: dict,\n context: dict = None,\n ) -> ExecutionResult:\n \"\"\"执行工具\"\"\"\n```\n\n**执行流程：**\n\n```mermaid\ngraph TD\n A[接收调用请求] --> B{工具存在?}\n B -->|否| C[抛出 ToolNotFoundError]\n B -->|是| D[参数校验]\n D --> E{校验通过?}\n E -->|否| F[返回参数错误]\n E -->|是| G[执行中间件 pre_execute]\n G --> H[调用工具 execute]\n H --> I[执行中间件 post_execute]\n I --> J[返回结果]\n \n style C fill:#ff6b6b\n style F fill:#ffd93d\n style J fill:#6bcb77\n```\n\n**执行结果模型：**\n\n| 字段 | 类型 | 说明 |\n|------|------|------|\n| `success` | bool | 执行是否成功 |\n| `result` | Any | 执行返回值 |\n| `error` | str | 错误信息 |\n| `execution_time` | float | 执行耗时（秒） |\n| `tool_name` | str | 被调用的工具名 |\n\n## 工具注册与管理\n\n### 注册方式\n\n**单工具注册：**\n\n```python\nexecutor = ToolExecutor()\nexecutor.register(my_tool)\n```\n\n**批量注册：**\n\n```python\n# 从 SkillBundle 批量注册\nbundle = SkillBundle.load(\"file_reader_bundle\")\nexecutor.register_bundle(bundle)\n```\n\n**MCP Hub 集成：**\n\n```python\nhub = MCPHub()\nawait hub.connect({\"server\": \"filesystem\", \"transport\": \"stdio\"})\nexecutor.register_hub(hub)\n```\n\n### 工具注册表\n\nAgenticX Desktop 提供图形界面的工具注册表管理，支持：\n\n- 查看已注册工具列表\n- 按名称/描述搜索工具\n- 查看工具详情和参数 schema\n- 启用/禁用特定工具\n\n工具注册表状态显示（来源：[SettingsPanel.tsx](desktop/src/components/SettingsPanel.tsx)）：\n\n| 状态 | 标识 | 说明 |\n|------|------|------|\n| 已安装 | 绿色边框徽章 | 工具可用 |\n| 安装中 | 蓝色边框徽章 | 正在初始化 |\n| 需手动安装 | 橙色边框徽章 | 需用户手动配置 |\n| 未安装 | 灰色边框徽章 | 工具不可用 |\n\n### 拒绝工具列表\n\n通过 `deniedTools` 配置可以禁止特定工具被 Agent 调用，增强安全性：\n\n```python\nexecutor.denied_tools = [\"bash_exec\", \"delete_file\"]\n```\n\n## 环境依赖管理\n\n部分工具依赖外部可执行文件，需要预先安装：\n\n```typescript\n// 来源：desktop/src/components/SettingsPanel.tsx\ninterface EnvTool {\n id: string;\n name: string;\n installed: boolean;\n required: boolean;\n}\n```\n\n**依赖状态流转：**\n\n```mermaid\nstateDiagram-v2\n [*] --> 未安装: 初始状态\n 未安装 --> 安装中: 用户触发安装\n 安装中 --> 已安装: 安装成功\n 安装中 --> 需手动安装: 需要手动配置\n 安装中 --> 错误: 安装失败\n 已安装 --> [*]: 卸载\n```\n\n## 最佳实践\n\n### 工具命名规范\n\n- 使用小写字母和下划线：`calculate_bmi`\n- 避免使用特殊字符\n- 名称应描述工具功能\n\n### 描述编写规范\n\n工具的 `description` 字段至关重要，直接影响 Agent 对工具的理解和使用：\n\n```python\ntool = FunctionTool(\n fn=search_files,\n name=\"search_files\",\n description=\"在指定目录下搜索文件。参数：dir_path（必填，目录路径）、pattern（可选，正则表达式）\"\n)\n```\n\n### 错误处理\n\n始终在工具实现中包含完善的错误处理：\n\n```python\nclass SafeTool(BaseTool):\n async def execute(self, **kwargs) -> dict:\n try:\n result = await self._do_execute(**kwargs)\n return {\"success\": True, \"result\": result}\n except ValidationError as e:\n return {\"success\": False, \"error\": f\"参数错误: {e}\"}\n except Exception as e:\n return {\"success\": False, \"error\": f\"执行失败: {e}\"}\n```\n\n## 相关资源\n\n- 工具系统源码：[agenticx/tools/](agenticx/tools/)\n- 智能体配置：[agenticx/agents/](agenticx/agents/)\n- MCP 集成文档：[Model Context Protocol](https://modelcontextprotocol.io/)\n- OpenAPI 规范：[OpenAPI Specification](https://spec.openapis.org/)\n\n---\n\n\n\n## 内存与记忆系统\n\n### 相关页面\n\n相关主题：[Agent 核心框架](#page-agent-core)\n\n
\n相关源码文件\n\n以下源码文件用于生成本页说明：\n\n- [agenticx/memory/base.py](https://github.com/DemonDamon/AgenticX/blob/main/agenticx/memory/base.py)\n- [agenticx/memory/core_memory.py](https://github.com/DemonDamon/AgenticX/blob/main/agenticx/memory/core_memory.py)\n- [agenticx/memory/episodic_memory.py](https://github.com/DemonDamon/AgenticX/blob/main/agenticx/memory/episodic_memory.py)\n- [agenticx/memory/semantic_memory.py](https://github.com/DemonDamon/AgenticX/blob/main/agenticx/memory/semantic_memory.py)\n- [agenticx/memory/short_term.py](https://github.com/DemonDamon/AgenticX/blob/main/agenticx/memory/short_term.py)\n- [agenticx/memory/mem0_memory.py](https://github.com/DemonDamon/AgenticX/blob/main/agenticx/memory/mem0_memory.py)\n- [agenticx/memory/hybrid_search.py](https://github.com/DemonDamon/AgenticX/blob/main/agenticx/memory/hybrid_search.py)\n- [agenticx/memory/intelligence/memory_intelligence.py](https://github.com/DemonDamon/AgenticX/blob/main/agenticx/memory/intelligence/memory_intelligence.py)\n- [agenticx/integrations/mem0/memory/main.py](https://github.com/DemonDamon/AgenticX/blob/main/agenticx/integrations/mem0/memory/main.py)\n
\n\n# 内存与记忆系统\n\n## 概述\n\nAgenticX 的内存与记忆系统是一个模块化、分层设计的智能体记忆管理框架，旨在为 AI 智能体提供持久化记忆、语义检索、情景记忆和智能记忆操作能力。该系统支持多种记忆后端实现，包括原生内存管理和外部 Mem0 集成，使开发者能够根据不同场景灵活选择记忆存储方案。\n\n核心设计理念是将记忆按照生命周期和用途划分为不同的层级：短期记忆（Short-Term）、情景记忆（Episodic）、语义记忆（Semantic）和核心记忆（Core），每种记忆类型专注于不同的信息存储和检索场景。资料来源：[agenticx/memory/README.md]()\n\n## 系统架构\n\nAgenticX 内存系统采用分层抽象架构，底层通过统一的接口定义与不同存储后端解耦，上层通过智能组件提供统一的操作 API。\n\n```mermaid\ngraph TD\n A[MemoryComponent
智能记忆组件] --> B[MemoryManager
记忆管理器]\n B --> C[多种记忆类型]\n C --> D[ShortTermMemory
短期记忆]\n C --> E[EpisodicMemory
情景记忆]\n C --> F[SemanticMemory
语义记忆]\n C --> G[CoreMemory
核心记忆]\n \n H[存储后端] --> I[Mem0Memory
Mem0集成]\n H --> J[HybridSearch
混合搜索]\n \n D -.-> H\n E -.-> H\n F -.-> H\n G -.-> H\n \n I --> K[Mem0 Cloud
外部服务]\n J --> L[向量数据库
本地存储]\n```\n\n## 核心组件\n\n### 记忆基类设计\n\n系统定义了统一的抽象基类 `MemoryBase`，所有具体记忆实现都继承自该基类，确保接口一致性。基类规范了 `add()`、`search()`、`get()`、`delete()` 和 `clear()` 等核心方法的签名。资料来源：[agenticx/memory/base.py]()\n\n| 方法 | 参数 | 返回值 | 说明 |\n|------|------|--------|------|\n| `add()` | `content: str`, `metadata?: dict` | `str` (memory_id) | 添加记忆条目 |\n| `search()` | `query: str`, `limit?: int` | `List[MemoryResult]` | 语义检索 |\n| `get()` | `memory_id: str` | `MemoryResult` | 获取单条记忆 |\n| `delete()` | `memory_id: str` | `bool` | 删除记忆 |\n| `clear()` | - | `int` (count) | 清空所有记忆 |\n\n### 记忆类型详解\n\n#### 短期记忆 (ShortTermMemory)\n\n短期记忆用于存储会话期间需要频繁访问的临时信息，支持按租户隔离 (`tenant_id`)。短期记忆适合存储对话上下文、当前任务状态和临时变量等生命周期间隔较短的数据。资料来源：[agenticx/memory/short_term.py]()\n\n```python\nfrom agenticx.memory import ShortTermMemory\n\n# 创建短期记忆后端\nbackend = ShortTermMemory(tenant_id=\"user_123\")\n\n# 添加记忆\nmemory_id = await backend.add(\n \"当前正在处理用户订单 #2024001\",\n metadata={\"type\": \"task_context\", \"priority\": \"high\"}\n)\n\n# 搜索相关记忆\nresults = await backend.search(\"订单处理\")\n```\n\n#### 情景记忆 (EpisodicMemory)\n\n情景记忆按时间序列组织智能体的经验事件，每条记忆包含时间戳、事件描述和关联元数据。这种设计使智能体能够回忆特定时间点发生的具体事件，支持任务回溯和经验学习。资料来源：[agenticx/memory/episodic_memory.py]()\n\n#### 语义记忆 (SemanticMemory)\n\n语义记忆专注于存储结构化的知识概念和事实，通过向量化实现语义相似度检索。适合存储智能体的领域知识、规则定义和长期信息。资料来源：[agenticx/memory/semantic_memory.py]()\n\n#### 核心记忆 (CoreMemory)\n\n核心记忆是智能体最稳定、最重要的记忆区域，通常存放身份定义、核心价值观、关键目标等不可轻易更改的信息。核心记忆在推理过程中始终保持加载状态，为智能体决策提供基础参照。资料来源：[agenticx/memory/core_memory.py]()\n\n## 知识库 (Knowledge Base)\n\n知识库是构建在记忆系统之上的高级抽象，提供内容分类管理和细粒度检索能力。每个知识库可配置允许的内容类型 (`allowed_content_types`)，实现不同主题信息的隔离存储。\n\n```mermaid\ngraph LR\n A[用户内容] --> B{内容类型检查}\n B -->|允许| C[KnowledgeBase
特定知识库]\n B -->|拒绝| D[异常处理]\n \n C --> E[记忆后端存储]\n C --> F[向量检索]\n```\n\n```python\nfrom agenticx.memory import KnowledgeBase, ShortTermMemory\n\n# 创建记忆后端\nbackend = ShortTermMemory(tenant_id=\"enterprise_kb\")\n\n# 创建文档知识库\ndocs_kb = KnowledgeBase(\n name=\"documentation\",\n memory_backend=backend,\n allowed_content_types={\"tutorial\", \"guide\", \"faq\"}\n)\n\n# 添加教程内容\nawait docs_kb.add(\n \"如何创建第一个智能体\",\n content_type=\"tutorial\",\n metadata={\"difficulty\": \"beginner\", \"category\": \"getting-started\"}\n)\n\n# 仅搜索教程类型内容\nresults = await docs_kb.search(\"智能体\", content_type=\"tutorial\")\n```\n\n资料来源：[agenticx/memory/README.md]()\n\n## 智能记忆组件 (MemoryComponent)\n\n`MemoryComponent` 是记忆系统的高级封装，提供智能化的记忆操作能力，包括自动摘要、记忆压缩和优先级管理。组件通过集成多种记忆类型实现统一接口，简化开发者的使用复杂度。资料来源：[agenticx/memory/intelligence/memory_intelligence.py]()\n\n```python\nfrom agenticx.memory import MemoryComponent, ShortTermMemory\n\n# 创建主记忆存储\nprimary_memory = ShortTermMemory(tenant_id=\"agent_primary\")\n\n# 创建智能组件\ncomponent = MemoryComponent(\n primary_memory=primary_memory,\n enable_auto_compress=True,\n max_items_before_compress=100\n)\n\n# 添加记忆并自动管理\nawait component.add(\"智能体完成数据分析任务\", metadata={\"task\": \"analysis\"})\n```\n\n## Mem0 集成\n\nAgenticX 支持与 Mem0 平台深度集成，提供云端记忆管理和高级记忆功能。`Mem0Memory` 类封装了与 Mem0 API 的交互，支持身份管理、记忆持久化和跨会话上下文继承。资料来源：[agenticx/memory/mem0_memory.py]()\n\n```python\nfrom agenticx.memory import Mem0Memory\n\n# 初始化 Mem0 记忆\nmemory = Mem0Memory(\n api_key=\"your_mem0_api_key\",\n user_id=\"user_001\",\n server_config={\n \"url\": \"https://api.mem0.ai\",\n \"api_version\": \"v1\"\n }\n)\n\n# 使用上下文管理器确保资源清理\nasync with memory:\n memory_id = await memory.add(\n \"用户偏好：喜欢简洁的界面设计\",\n metadata={\"category\": \"preference\"}\n )\n \n results = await memory.search(\"界面设计偏好\")\n```\n\n资料来源：[agenticx/integrations/mem0/memory/main.py]()\n\n## 混合搜索 (Hybrid Search)\n\n混合搜索模块结合向量相似度检索和关键词精确匹配，为记忆系统提供更准确的检索结果。该模块支持配置不同的重排序策略和相似度权重，以适应不同检索场景的需求。资料来源：[agenticx/memory/hybrid_search.py]()\n\n| 配置项 | 类型 | 默认值 | 说明 |\n|--------|------|--------|------|\n| `vector_weight` | `float` | `0.7` | 向量相似度权重 |\n| `keyword_weight` | `float` | `0.3` | 关键词匹配权重 |\n| `rerank_model` | `str` | `null` | 重排序模型名称 |\n| `top_k` | `int` | `10` | 返回结果数量 |\n\n## 使用模式\n\n### 基础使用流程\n\n```mermaid\ngraph TD\n A[创建记忆后端] --> B[添加记忆条目]\n B --> C[定期检索回忆]\n C --> D{检索结果质量}\n D -->|需要优化| E[调整检索参数]\n D -->|满足需求| F[用于推理上下文]\n E --> C\n```\n\n```python\n# 完整使用示例\nfrom agenticx.memory import ShortTermMemory\n\n# 1. 初始化记忆后端\nmemory = ShortTermMemory(tenant_id=\"session_001\")\n\n# 2. 添加重要信息\nawait memory.add(\n \"项目截止日期：2024-12-31\",\n metadata={\"type\": \"deadline\", \"project\": \"Alpha\"}\n)\n\n# 3. 上下文构建时检索\nrelevant = await memory.search(\"截止日期\")\n\n# 4. 将检索结果注入到 agent 上下文\ncontext = \"\\n\".join([r.content for r in relevant])\n```\n\n### 上下文管理器模式\n\n推荐使用上下文管理器 (`async with`) 确保记忆资源的正确释放和清理：\n\n```python\nasync with ShortTermMemory(tenant_id=\"temp_session\") as memory:\n await memory.add(\"临时任务数据\")\n results = await memory.search(\"任务\")\n# 离开上下文时自动清理资源\n```\n\n资料来源：[agenticx/memory/README.md]()\n\n## 配置参考\n\n### 环境变量\n\n| 变量名 | 说明 | 示例值 |\n|--------|------|--------|\n| `MEM0_API_KEY` | Mem0 服务 API 密钥 | `sk-xxx...` |\n| `MEM0_SERVER_URL` | Mem0 服务端点 | `https://api.mem0.ai` |\n| `MEM0_USER_ID` | 默认用户标识 | `user_001` |\n\n### 初始化参数\n\n```python\n# ShortTermMemory 初始化配置\nShortTermMemory(\n tenant_id: str, # 必填：租户/会话标识\n max_size: int = 1000, # 最大记忆条目数\n ttl: int = 3600, # 生存时间（秒）\n vector_dim: int = 1536 # 向量维度\n)\n\n# KnowledgeBase 初始化配置\nKnowledgeBase(\n name: str, # 知识库名称\n memory_backend: MemoryBase, # 底层记忆后端\n allowed_content_types: Set[str], # 允许的内容类型\n auto_index: bool = True # 自动建立索引\n)\n```\n\n## 扩展开发\n\n### 自定义记忆后端\n\n开发者可通过继承 `MemoryBase` 抽象基类实现自定义存储后端：\n\n```python\nfrom agenticx.memory import MemoryBase, MemoryResult\n\nclass CustomMemoryBackend(MemoryBase):\n async def add(self, content: str, metadata: dict = None) -> str:\n # 实现自定义存储逻辑\n memory_id = self._generate_id()\n # ... 存储实现\n return memory_id\n \n async def search(self, query: str, limit: int = 5) -> List[MemoryResult]:\n # 实现自定义检索逻辑\n # ...\n return results\n```\n\n资料来源：[agenticx/memory/base.py]()\n\n## 最佳实践\n\n1. **按场景选择记忆类型**：短期任务用 ShortTermMemory，长期知识用 SemanticMemory，经验积累用 EpisodicMemory\n2. **合理设置 TTL**：短期记忆设置较短的过期时间，核心记忆使用较长的 TTL 或永不过期\n3. **元数据规范命名**：统一的元数据键名便于后续检索和过滤\n4. **使用上下文管理器**：确保资源正确释放，避免内存泄漏\n5. **定期清理无效记忆**：调用 `clear()` 或按条件删除旧数据保持记忆库精简\n\n---\n\n\n\n## LLM 集成与提供商\n\n### 相关页面\n\n相关主题：[Agent 核心框架](#page-agent-core)\n\n
\n相关源码文件\n\n以下源码文件用于生成本页说明：\n\n- [agenticx/llms/base.py](https://github.com/DemonDamon/AgenticX/blob/main/agenticx/llms/base.py)\n- [agenticx/llms/llm_factory.py](https://github.com/DemonDamon/AgenticX/blob/main/agenticx/llms/llm_factory.py)\n- [agenticx/llms/openai_provider.py](https://github.com/DemonDamon/AgenticX/blob/main/agenticx/llms/openai_provider.py)\n- [agenticx/llms/anthropic_provider.py](https://github.com/DemonDamon/AgenticX/blob/main/agenticx/llms/anthropic_provider.py)\n- [agenticx/llms/failover.py](https://github.com/DemonDamon/AgenticX/blob/main/agenticx/llms/failover.py)\n- [agenticx/llms/response_cache.py](https://github.com/DemonDamon/AgenticX/blob/main/agenticx/llms/response_cache.py)\n- [agenticx/llms/transcript_sanitizer.py](https://github.com/DemonDamon/AgenticX/blob/main/agenticx/llms/transcript_sanitizer.py)\n
\n\n# LLM 集成与提供商\n\n## 概述\n\nAgenticX 框架的 LLM 集成模块位于 `agenticx/llms/` 目录，提供了一套完整的语言模型抽象层。该模块通过统一接口支持多种 LLM 提供商，包括 OpenAI GPT 系列和 Anthropic Claude 系列，同时内置了故障转移、响应缓存和对话记录清理等企业级功能。\n\n## 架构设计\n\nLLM 集成模块采用分层架构，核心组件包括基础抽象类、提供商实现、工厂模式和辅助工具。\n\n```mermaid\ngraph TD\n A[LLM 调用方] --> B[LLM 工厂 llm_factory]\n B --> C{提供商选择}\n C -->|OpenAI| D[OpenAI 提供商]\n C -->|Anthropic| E[Anthropic 提供商]\n D --> F[响应缓存 response_cache]\n E --> F\n D --> G[故障转移 failover]\n E --> G\n F --> H[基础类 base]\n G --> H\n H --> I[Transcript Sanitizer]\n```\n\n## 核心组件\n\n### 基础类 base.py\n\n`base.py` 定义了所有 LLM 提供商的抽象基类 `BaseLLM`，规范了提供商的通用接口和行为。 资料来源：[agenticx/llms/base.py:1-100]()\n\n该文件包含以下核心功能：\n\n| 组件 | 功能说明 |\n|------|---------|\n| `BaseLLM` | 所有提供商的抽象基类 |\n| 消息格式定义 | 统一的对话消息结构 |\n| 流式响应支持 | 支持流式和非流式两种调用模式 |\n| 超时与重试 | 内置请求超时和重试机制 |\n\n### 工厂模式 llm_factory.py\n\n`llm_factory.py` 实现了 LLM 提供商的工厂模式，负责根据配置动态创建和返回对应的提供商实例。 资料来源：[agenticx/llms/llm_factory.py:1-100]()\n\n```python\n# 伪代码示例\ndef create_llm(provider: str, config: dict) -> BaseLLM:\n if provider == \"openai\":\n return OpenAIProvider(config)\n elif provider == \"anthropic\":\n return AnthropicProvider(config)\n # 支持扩展更多提供商\n```\n\n工厂类的核心职责：\n\n- **提供商注册**：维护提供商名称到实现类的映射\n- **配置验证**：确保传入的配置符合提供商要求\n- **实例缓存**：避免重复创建相同配置的实例\n- **默认提供商**：支持设置默认 LLM 提供商\n\n## 提供商实现\n\n### OpenAI 提供商\n\n`openai_provider.py` 实现了 OpenAI GPT 系列模型的集成，支持 ChatGPT、GPT-4 等模型。 资料来源：[agenticx/llms/openai_provider.py:1-100]()\n\n主要功能：\n\n- 兼容 OpenAI API 格式的消息构建\n- 支持 function calling / tool use 功能\n- 处理 OpenAI 特有的响应结构\n- 支持自定义 API base URL（适用于代理或第三方兼容服务）\n\n### Anthropic 提供商\n\n`anthropic_provider.py` 实现了 Anthropic Claude 系列模型的集成。 资料来源：[agenticx/llms/anthropic_provider.py:1-100]()\n\n主要功能：\n\n- 兼容 Claude API 的消息格式\n- 支持 Claude 的系统提示词配置\n- 处理 Claude 特有的停止序列\n- 流式响应支持\n\n### 提供商配置参数\n\n| 参数 | 适用提供商 | 说明 |\n|------|-----------|------|\n| `api_key` | 全部 | API 密钥，必填 |\n| `model` | 全部 | 模型名称，如 `gpt-4o`、`claude-3-opus` |\n| `temperature` | 全部 | 生成温度，控制随机性 |\n| `max_tokens` | 全部 | 最大生成 token 数 |\n| `base_url` | OpenAI | API 端点地址 |\n| `timeout` | 全部 | 请求超时时间（秒） |\n| `organization` | OpenAI | 组织 ID（可选） |\n\n## 高级功能\n\n### 故障转移机制 failover.py\n\n`failover.py` 实现了多提供商自动故障转移功能。当主提供商出现错误、超时或配额耗尽时，系统自动切换到备用提供商。 资料来源：[agenticx/llms/failover.py:1-100]()\n\n```mermaid\ngraph TD\n A[发起 LLM 请求] --> B{主提供商可用?}\n B -->|是| C[使用主提供商]\n B -->|否| D{备用提供商 1 可用?}\n D -->|是| E[使用备用提供商 1]\n D -->|否| F{备用提供商 2 可用?}\n F -->|是| G[使用备用提供商 2]\n F -->|否| H[返回错误]\n C --> I[记录成功]\n E --> I\n G --> I\n```\n\n故障转移策略包括：\n\n- **错误类型判断**：区分临时性错误和永久性错误\n- **健康检查**：定期检测提供商可用性\n- **优先级排序**：按配置的优先级顺序尝试提供商\n- **熔断机制**：连续失败达到阈值后暂时跳过该提供商\n\n### 响应缓存 response_cache.py\n\n`response_cache.py` 实现了 LLM 响应的缓存机制，通过对相同请求的缓存减少 API 调用次数和成本。 资料来源：[agenticx/llms/response_cache.py:1-100]()\n\n缓存机制特点：\n\n| 特性 | 说明 |\n|------|------|\n| 请求哈希 | 基于消息内容生成唯一哈希键 |\n| TTL 控制 | 支持设置缓存过期时间 |\n| 相似度匹配 | 可选的语义相似度缓存 |\n| 命中率统计 | 提供缓存命中率指标 |\n| 手动失效 | 支持按需清除缓存 |\n\n### 对话记录清理 transcript_sanitizer.py\n\n`transcript_sanitizer.py` 提供了对话记录的清理和规范化功能，确保传输给 LLM 的消息格式正确且安全。 资料来源：[agenticx/llms/transcript_sanitizer.py:1-100]()\n\n主要功能：\n\n- **消息格式规范化**：统一不同来源消息的格式\n- **敏感信息过滤**：移除或脱敏敏感数据\n- **长度控制**：截断过长消息避免超出上下文限制\n- **角色验证**：确保消息包含有效的角色定义\n\n## 企业管理后台集成\n\n在企业管理后台中，LLM 提供商配置通过 `enterprise/apps/admin-console/src/app/admin/models/page.tsx` 页面进行管理。管理员可以：\n\n- 添加新的 LLM 提供商\n- 为每个提供商配置多个模型\n- 设置默认模型\n- 移除不需要的模型\n\n```typescript\n// 模型添加数据结构\ninterface ModelConfig {\n name: string; // 模型 ID\n label: string; // 显示名称\n provider: string; // 提供商标识\n}\n```\n\n## 桌面应用配置\n\n桌面应用的设置面板（`desktop/src/components/SettingsPanel.tsx`）允许用户配置 LLM 相关的运行环境参数，包括：\n\n- 全局模型选择\n- API 端点配置（如火山引擎等国内服务）\n- 环境依赖管理\n- 工具注册表加载\n\n## 使用示例\n\n### Python 应用中创建 LLM 实例\n\n```python\nfrom agenticx.llms import create_llm\n\n# 使用 OpenAI\nllm = create_llm(\n provider=\"openai\",\n config={\n \"api_key\": \"sk-xxx\",\n \"model\": \"gpt-4o-mini\",\n \"temperature\": 0.7,\n }\n)\n\n# 使用 Anthropic Claude\nclaude = create_llm(\n provider=\"anthropic\",\n config={\n \"api_key\": \"sk-ant-xxx\",\n \"model\": \"claude-3-haiku-20240307\",\n }\n)\n```\n\n### 发送对话请求\n\n```python\nmessages = [\n {\"role\": \"system\", \"content\": \"你是一个有帮助的助手\"},\n {\"role\": \"user\", \"content\": \"什么是 RAG?\"}\n]\n\nresponse = llm.chat(messages)\nprint(response.content)\n```\n\n## 最佳实践\n\n### 提供商选择建议\n\n| 场景 | 推荐提供商 | 原因 |\n|------|-----------|------|\n| 通用对话 | OpenAI GPT-4o | 平衡性能与成本 |\n| 长文本分析 | Anthropic Claude | 更长的上下文窗口 |\n| 代码生成 | OpenAI GPT-4 | 优化的代码能力 |\n| 国内部署 | 火山引擎等 | 合规与延迟考虑 |\n\n### 可靠性保障\n\n1. **配置多个备用提供商**：在 `failover.py` 中配置主备提供商\n2. **启用响应缓存**：减少 API 调用成本，提高响应速度\n3. **设置合理的超时时间**：避免请求长时间阻塞\n4. **监控错误率**：定期检查提供商健康状态\n\n### 安全建议\n\n- API 密钥通过环境变量或密钥管理服务注入，避免硬编码\n- 使用 `transcript_sanitizer.py` 过滤敏感信息\n- 启用 HTTPS 传输加密\n- 限制 API 调用的并发数量防止配额耗尽\n\n## 扩展开发\n\n如需添加新的 LLM 提供商，需要：\n\n1. 在 `agenticx/llms/` 目录下创建新的提供商文件（如 `gemini_provider.py`）\n2. 实现 `BaseLLM` 抽象基类的所有接口方法\n3. 在 `llm_factory.py` 中注册新的提供商\n4. 添加相应的配置验证和错误处理逻辑\n\n```python\n# 新提供商注册示例\nfrom agenticx.llms.base import BaseLLM\nfrom agenticx.llms.llm_factory import register_provider\n\nclass GeminiProvider(BaseLLM):\n def chat(self, messages: list[dict]) -> Response:\n # 实现 Gemini API 调用\n pass\n\nregister_provider(\"gemini\", GeminiProvider)\n\n---\n\n\n\n## 协作与团队管理\n\n### 相关页面\n\n相关主题：[Avatar 与群聊系统](#page-avatar-system), [Agent 核心框架](#page-agent-core)\n\n
\n相关源码文件\n\n以下源码文件用于生成本页说明：\n\n- [agenticx/collaboration/manager.py](https://github.com/DemonDamon/AgenticX/blob/main/agenticx/collaboration/manager.py)\n- [agenticx/collaboration/delegation.py](https://github.com/DemonDamon/AgenticX/blob/main/agenticx/collaboration/delegation.py)\n- [agenticx/collaboration/role_playing.py](https://github.com/DemonDamon/AgenticX/blob/main/agenticx/collaboration/role_playing.py)\n- [agenticx/collaboration/workforce/coordinator.py](https://github.com/DemonDamon/AgenticX/blob/main/agenticx/collaboration/workforce/coordinator.py)\n- [agenticx/collaboration/workforce/worker.py](https://github.com/DemonDamon/AgenticX/blob/main/agenticx/collaboration/workforce/worker.py)\n- [agenticx/collaboration/workload/task_decomposer.py](https://github.com/DemonDamon/AgenticX/blob/main/agenticx/collaboration/workload/task_decomposer.py)\n- [agenticx/collaboration/workforce/failure_analyzer.py](https://github.com/DemonDamon/AgenticX/blob/main/agenticx/collaboration/workforce/failure_analyzer.py)\n- [agenticx/collaboration/workforce/recovery_strategies.py](https://github.com/DemonDamon/AgenticX/blob/main/agenticx/collaboration/workforce/recovery_strategies.py)\n- [agenticx/runtime/team_manager.py](https://github.com/DemonDamon/AgenticX/blob/main/agenticx/runtime/team_manager.py)\n
\n\n# 协作与团队管理\n\n## 概述\n\nAgenticX 的协作与团队管理模块提供了一套完整的多智能体协作框架，支持多种协作模式、任务委派、角色扮演以及劳动力（Workforce）编排。该模块使开发者能够构建复杂的分布式智能体系统，实现高效的任务分解、并行执行、失败恢复和结果聚合。\n\n核心功能包括：\n\n- **多模式协作**：支持自定义模式、委派模式、角色扮演等多种协作范式\n- **任务分解**：将复杂任务自动拆解为可并行执行的子任务\n- **劳动力编排**：通过 Coordinator-Worker 架构协调多个智能体工作\n- **失败分析与恢复**：自动检测任务失败原因并执行恢复策略\n- **运行时团队管理**：动态管理团队生命周期和成员状态\n\n## 架构设计\n\n### 整体架构图\n\n```mermaid\ngraph TB\n subgraph \"协作管理层\"\n CM[CollaborationManager]\n RP[RolePlaying]\n DG[Delegation]\n end\n \n subgraph \"劳动力编排层\"\n CO[Coordinator]\n WO[Worker Pool]\n TD[TaskDecomposer]\n end\n \n subgraph \"支撑模块\"\n FA[FailureAnalyzer]\n RS[RecoveryStrategies]\n TM[TeamManager]\n end\n \n CM --> CO\n CO --> WO\n CO --> TD\n WO --> FA\n FA --> RS\n RS --> CO\n CM --> RP\n CM --> DG\n TM --> CM\n```\n\n### 核心组件职责\n\n| 组件 | 文件路径 | 职责说明 |\n|------|----------|----------|\n| CollaborationManager | `agenticx/collaboration/manager.py` | 协作主入口，管理协作会话生命周期 |\n| Delegation | `agenticx/collaboration/delegation.py` | 任务委派逻辑，处理委托方与受托方交互 |\n| RolePlaying | `agenticx/collaboration/role_playing.py` | 角色扮演协作，管理多角色对话与行为 |\n| Coordinator | `agenticx/collaboration/workforce/coordinator.py` | 劳动力协调器，负责任务分发与结果聚合 |\n| Worker | `agenticx/collaboration/workforce/worker.py` | 工作节点，执行具体子任务 |\n| TaskDecomposer | `agenticx/collaboration/workload/task_decomposer.py` | 任务分解器，将复杂任务拆解为子任务 |\n| FailureAnalyzer | `agenticx/collaboration/workforce/failure_analyzer.py` | 失败分析器，诊断任务执行异常 |\n| RecoveryStrategies | `agenticx/collaboration/workforce/recovery_strategies.py` | 恢复策略库，提供多种故障恢复方案 |\n| TeamManager | `agenticx/runtime/team_manager.py` | 团队运行时管理，管理团队成员与状态 |\n\n资料来源：[agenticx/collaboration/README.md](https://github.com/DemonDamon/AgenticX/blob/main/agenticx/collaboration/README.md)\n\n## 协作模式\n\n### 模式类型\n\nAgenticX 支持多种协作模式，通过 `CollaborationMode` 枚举定义：\n\n| 模式 | 说明 | 适用场景 |\n|------|------|----------|\n| `CUSTOM_PATTERN` | 自定义协作模式 | 灵活定制协作流程 |\n| `DELEGATION` | 任务委派模式 | 主从任务分配 |\n| `ROLE_PLAYING` | 角色扮演模式 | 多角色讨论与决策 |\n| `WORKFORCE` | 劳动力模式 | 大规模并行任务处理 |\n\n### 注册自定义模式\n\n在 `manager.py` 中的 `pattern_classes` 字典注册新的协作模式：\n\n```python\npattern_classes = {\n CollaborationMode.CUSTOM_PATTERN: CustomPattern,\n CollaborationMode.DELEGATION: DelegationPattern,\n CollaborationMode.ROLE_PLAYING: RolePlayingPattern,\n # ... 其他模式\n}\n```\n\n资料来源：[agenticx/collaboration/README.md:4](https://github.com/DemonDamon/AgenticX/blob/main/agenticx/collaboration/README.md)\n\n## 委派模式（Delegation）\n\n### 工作流程\n\n```mermaid\nsequenceDiagram\n participant M as Manager\n participant D as Delegator\n participant W as Worker\n participant TM as TeamManager\n \n M->>D: 创建委派任务\n D->>TM: 分配任务给Worker\n TM->>W: 传递任务上下文\n W-->>TM: 执行结果\n TM-->>D: 聚合结果\n D-->>M: 返回处理结果\n```\n\n### 核心功能\n\n- **任务分配**：根据 Worker 能力动态分配任务\n- **结果收集**：聚合多个 Worker 的执行结果\n- **超时处理**：支持任务执行超时配置\n- **优先级调度**：根据任务优先级安排执行顺序\n\n资料来源：[agenticx/collaboration/delegation.py](https://github.com/DemonDamon/AgenticX/blob/main/agenticx/collaboration/delegation.py)\n\n## 角色扮演模式（Role Playing）\n\n### 角色定义\n\n角色扮演模式允许定义具有特定身份和职责的智能体：\n\n| 角色属性 | 说明 |\n|----------|------|\n| `name` | 角色名称 |\n| `description` | 角色描述与职责 |\n| `prompt` | 角色行为提示词 |\n| `tools` | 角色可使用的工具集 |\n| `constraints` | 角色行为约束条件 |\n\n### 多角色交互\n\n```mermaid\ngraph LR\n A[主持人 Agent] --> B[角色A]\n A --> C[角色B]\n A --> D[角色N]\n B -->|消息| A\n C -->|消息| A\n D -->|消息| A\n```\n\n资料来源：[agenticx/collaboration/role_playing.py](https://github.com/DemonDamon/AgenticX/blob/main/agenticx/collaboration/role_playing.py)\n\n## 劳动力编排（Workforce）\n\n### Coordinator-Worker 架构\n\n劳动力编排采用经典的 Coordinator-Worker 模式：\n\n```mermaid\ngraph TD\n subgraph \"Coordinator 职责\"\n C1[任务分解]\n C2[Worker 选择]\n C3[结果聚合]\n C4[失败调度]\n end\n \n subgraph \"Worker 职责\"\n W1[接收任务]\n W2[任务执行]\n W3[状态上报]\n W4[结果返回]\n end\n \n C1 -->|子任务| W1\n C2 -->|指派| W2\n W3 -->|心跳| C3\n W4 -->|结果| C3\n```\n\n### Coordinator\n\nCoordinator 是劳动力编排的核心调度器：\n\n| 功能 | 说明 |\n|------|------|\n| 任务分解 | 调用 TaskDecomposer 拆分复杂任务 |\n| Worker 池管理 | 维护可用 Worker 列表与状态 |\n| 任务分发 | 根据负载均衡策略分配任务 |\n| 结果聚合 | 合并多个子任务结果 |\n| 失败重试 | 触发失败恢复流程 |\n\n资料来源：[agenticx/collaboration/workforce/coordinator.py](https://github.com/DemonDamon/AgenticX/blob/main/agenticx/collaboration/workforce/coordinator.py)\n\n### Worker\n\nWorker 是实际的任务执行单元：\n\n```python\nclass Worker:\n def __init__(self, id, capabilities, tools=None):\n self.id = id\n self.capabilities = capabilities\n self.tools = tools or []\n self.status = \"idle\"\n \n async def execute(self, task):\n # 任务执行逻辑\n pass\n```\n\n| Worker 状态 | 说明 |\n|-------------|------|\n| `idle` | 空闲，可接受任务 |\n| `busy` | 执行中 |\n| `failed` | 执行失败 |\n| `offline` | 已下线 |\n\n资料来源：[agenticx/collaboration/workforce/worker.py](https://github.com/DemonDamon/AgenticX/blob/main/agenticx/collaboration/workforce/worker.py)\n\n### 任务分解器（Task Decomposer）\n\n任务分解器负责将复杂任务拆解为可并行执行的子任务：\n\n| 分解策略 | 说明 |\n|----------|------|\n| `sequential` | 顺序分解，按步骤拆分 |\n| `parallel` | 并行分解，依赖关系并行 |\n| `hierarchical` | 层级分解，多级树状结构 |\n| `semantic` | 语义分解，基于意图拆分 |\n\n资料来源：[agenticx/collaboration/workload/task_decomposer.py](https://github.com/DemonDamon/AgenticX/blob/main/agenticx/collaboration/workload/task_decomposer.py)\n\n## 失败分析与恢复\n\n### 失败分析器（Failure Analyzer）\n\nFailureAnalyzer 诊断任务执行失败的原因：\n\n| 分析维度 | 说明 |\n|----------|------|\n| 错误类型 | 区分系统错误、业务错误、超时等 |\n| 上下文追踪 | 定位失败发生的具体环节 |\n| 根因识别 | 分析失败的根本原因 |\n| 影响评估 | 评估失败对整体任务的影响 |\n\n资料来源：[agenticx/collaboration/workforce/failure_analyzer.py](https://github.com/DemonDamon/AgenticX/blob/main/agenticx/collaboration/workforce/failure_analyzer.py)\n\n### 恢复策略（Recovery Strategies）\n\nRecoveryStrategies 提供多种故障恢复方案：\n\n```mermaid\ngraph TD\n F[失败发生] --> A{失败类型}\n A -->|可重试| R1[重试策略]\n A -->|资源不足| R2[资源扩容]\n A -->|逻辑错误| R3[任务重分配]\n A -->|不可恢复| R4[终止并报告]\n \n R1 -->|重试成功| S[继续执行]\n R1 -->|重试失败| A\n R2 --> S\n R3 --> S\n```\n\n| 恢复策略 | 触发条件 | 恢复动作 |\n|----------|----------|----------|\n| `retry` | 瞬时错误、网络波动 | 自动重试指定次数 |\n| `reassign` | Worker 故障 | 重新分配给其他 Worker |\n| `decompose` | 部分失败 | 重新分解任务 |\n| `escalate` | 严重错误 | 升级到人工处理 |\n| `abort` | 不可恢复 | 终止任务并报告 |\n\n资料来源：[agenticx/collaboration/workforce/recovery_strategies.py](https://github.com/DemonDamon/AgenticX/blob/main/agenticx/collaboration/workforce/recovery_strategies.py)\n\n## 团队运行时管理\n\n### TeamManager\n\nTeamManager 负责管理团队的生命周期和成员状态：\n\n| 功能 | 说明 |\n|------|------|\n| 团队创建 | 初始化团队配置和成员 |\n| 成员管理 | 添加、移除、查询团队成员 |\n| 状态同步 | 维护成员实时状态 |\n| 资源分配 | 管理团队共享资源 |\n| 生命周期钩子 | 支持启动、停止事件回调 |\n\n资料来源：[agenticx/runtime/team_manager.py](https://github.com/DemonDamon/AgenticX/blob/main/agenticx/runtime/team_manager.py)\n\n### 团队结构\n\n```mermaid\nclassDiagram\n class TeamManager {\n +teams: Map~string, Team~\n +create_team(config)\n +join_team(team_id, member)\n +leave_team(team_id, member_id)\n +broadcast(team_id, message)\n }\n \n class Team {\n +id: string\n +members: Member[]\n +status: TeamStatus\n +add_member(member)\n +remove_member(member_id)\n }\n \n class Member {\n +id: string\n +role: MemberRole\n +capabilities: string[]\n +status: MemberStatus\n }\n \n TeamManager \"1\" --> \"*\" Team\n Team \"1\" --> \"*\" Member\n```\n\n## 使用示例\n\n### 创建协作会话\n\n```python\nfrom agenticx.collaboration import CollaborationManager, CollaborationMode\n\n# 初始化管理器\nmanager = CollaborationManager()\n\n# 创建委派模式协作\nsession = await manager.create_session(\n mode=CollaborationMode.DELEGATION,\n config={\n \"max_workers\": 5,\n \"timeout\": 300,\n \"retry_policy\": {\"max_retries\": 3}\n }\n)\n\n# 提交任务\nresult = await session.execute(\"分析并总结这份报告\")\n```\n\n### 注册自定义协作模式\n\n```python\nfrom agenticx.collaboration import CollaborationManager, CollaborationMode\n\nclass CustomPattern:\n async def execute(self, context):\n # 自定义协作逻辑\n pass\n\n# 在管理器中注册\nmanager = CollaborationManager()\nmanager.register_pattern(\n CollaborationMode.CUSTOM_PATTERN,\n CustomPattern\n)\n```\n\n资料来源：[agenticx/collaboration/README.md:1-12](https://github.com/DemonDamon/AgenticX/blob/main/agenticx/collaboration/README.md)\n\n## 配置选项\n\n### 全局配置参数\n\n| 参数 | 类型 | 默认值 | 说明 |\n|------|------|--------|------|\n| `max_workers` | int | 10 | 最大 Worker 数量 |\n| `timeout` | int | 300 | 任务超时时间（秒） |\n| `retry.max_retries` | int | 3 | 最大重试次数 |\n| `retry.backoff` | str | \"exponential\" | 重试退避策略 |\n| `task_decomposition` | str | \"auto\" | 任务分解策略 |\n| `failure_threshold` | float | 0.5 | 失败率阈值 |\n\n### Worker 配置\n\n| 参数 | 类型 | 说明 |\n|------|------|------|\n| `id` | string | Worker 唯一标识 |\n| `capabilities` | list | Worker 具备的能力 |\n| `max_concurrent_tasks` | int | 最大并发任务数 |\n| `tools` | list | 可用工具列表 |\n| `priority` | int | Worker 优先级 |\n\n## 最佳实践\n\n### 任务设计原则\n\n1. **适度分解**：避免过度拆解导致协调开销过大\n2. **能力匹配**：根据 Worker 能力合理分配任务\n3. **错误隔离**：子任务之间保持独立性，减少失败影响范围\n4. **状态管理**：定期保存中间状态，支持断点恢复\n\n### 性能优化\n\n- 合理设置 Worker 池大小，避免资源浪费\n- 使用异步通信减少等待时间\n- 配置适当的超时和重试策略\n- 监控关键指标，及时调整配置\n\n### 可靠性保障\n\n- 配置多级重试策略处理瞬时故障\n- 实现优雅降级机制\n- 记录完整的执行日志便于问题排查\n- 定期进行故障演练验证恢复能力\n\n## 相关资源\n\n- [AgenticX 项目主页](https://github.com/DemonDamon/AgenticX)\n- [多 Agent 协作模式研究](https://arxiv.org/abs/2501.06322)\n- [企业版功能模块](../enterprise/README.md)\n\n---\n\n\n\n## Avatar 与群聊系统\n\n### 相关页面\n\n相关主题：[协作与团队管理](#page-collaboration)\n\n
\n相关源码文件\n\n以下源码文件用于生成本页说明：\n\n- [desktop/src/components/AvatarSettingsPanel.tsx](https://github.com/DemonDamon/AgenticX/blob/main/desktop/src/components/AvatarSettingsPanel.tsx)\n- [desktop/src/components/AvatarCreateDialog.tsx](https://github.com/DemonDamon/AgenticX/blob/main/desktop/src/components/AvatarCreateDialog.tsx)\n- [desktop/src/components/SettingsPanel.tsx](https://github.com/DemonDamon/AgenticX/blob/main/desktop/src/components/SettingsPanel.tsx)\n- [enterprise/features/chat/README.md](https://github.com/DemonDamon/AgenticX/blob/main/enterprise/features/chat/README.md)\n- [enterprise/features/agents/README.md](https://github.com/DemonDamon/AgenticX/blob/main/enterprise/features/agents/README.md)\n- [enterprise/features/iam/README.md](https://github.com/DemonDamon/AgenticX/blob/main/enterprise/features/iam/README.md)\n
\n\n# Avatar 与群聊系统\n\n## 概述\n\nAvatar（分身）与群聊系统是 AgenticX 平台中实现多智能体协作的核心功能模块。该系统允许用户创建和管理多个 AI 分身（Avatar），每个分身可配置独立的角色、技能和行为模式，并通过群聊机制实现多智能体之间的协作与通信。\n\nAgenticX 采用分层架构设计，将 Avatar 配置与运行时执行分离：桌面端负责 Avatar 的创建、配置与 UI 管理（`desktop/src/components/AvatarSettingsPanel.tsx`、`desktop/src/components/AvatarCreateDialog.tsx`），企业端则通过 `feature-agents` 和 `feature-chat` 模块提供身份认证与对话能力支撑。\n\n---\n\n## 核心概念\n\n### Avatar（分身）\n\nAvatar 是 AgenticX 中的智能体实例，每个 Avatar 具有以下属性：\n\n| 属性 | 说明 | 配置位置 |\n|------|------|----------|\n| 名称 (name) | 分身标识名称 | AvatarCreateDialog.tsx |\n| 角色 (role) | 分身职能描述 | AvatarCreateDialog.tsx |\n| 头像 (avatar) | 用户头像图片 URL | AvatarSettingsPanel.tsx |\n| 用户偏好 | 注入系统提示的行为偏好 | SettingsPanel.tsx |\n| 启用技能 | 该分身可使用的技能列表 | AvatarCreateDialog.tsx |\n\n### 群聊系统\n\n群聊系统基于 `feature-chat` 模块实现，为多 Avatar 协作提供消息传递与状态同步能力。企业端通过 `feature-iam` 模块管理用户身份与权限，确保群聊操作的安全合规。\n\n---\n\n## 架构设计\n\n```mermaid\ngraph TD\n subgraph 桌面端 [\"桌面客户端 (desktop)\"]\n ASC[AvatarSettingsPanel]\n ACD[AvatarCreateDialog]\n SP[SettingsPanel]\n end\n \n subgraph 企业端 [\"企业平台 (enterprise)\"]\n FA[feature-agents]\n FC[feature-chat]\n FI[feature-iam]\n end\n \n ASC --> FA\n ACD --> FA\n SP --> FA\n FC --> FI\n FA --> FI\n \n FA --> |多智能体协作|FC\n```\n\n### 模块职责\n\n| 模块 | 职责 |\n|------|------|\n| `desktop/src/components/AvatarSettingsPanel.tsx` | 头像与分身基础信息编辑（名称、角色、头像 URL） |\n| `desktop/src/components/AvatarCreateDialog.tsx` | 新建分身对话框，支持技能配置与选择 |\n| `desktop/src/components/SettingsPanel.tsx` | 全局设置，包括用户偏好注入与元智能体配置 |\n| `@agenticx/feature-agents` | 企业级智能体管理与运行时 |\n| `@agenticx/feature-chat` | 对话工作区与群聊功能 |\n| `@agenticx/feature-iam` | 身份认证、租户、部门、角色与权限管理 |\n\n---\n\n## Avatar 配置详解\n\n### 头像设置\n\n`AvatarSettingsPanel.tsx` 提供了头像管理的完整 UI：\n\n```tsx\n// 头像预览与清除\n
\n {avatarUrlDraft ? (\n \n ) : (\n
\n {name ? name.charAt(0).toUpperCase() : \"?\"}\n
\n )}\n \n
\n```\n\n配置项说明：\n\n| 字段 | 类型 | 说明 | 默认值 |\n|------|------|------|--------|\n| avatarUrl | 字符串 | 头像图片 URL | 用户首字母 |\n| name | 字符串 | 分身名称 | 必填 |\n| role | 字符串 | 分身角色描述 | 选填 |\n\n> 资料来源：[desktop/src/components/AvatarSettingsPanel.tsx:25-35](https://github.com/DemonDamon/AgenticX/blob/main/desktop/src/components/AvatarSettingsPanel.tsx)\n\n### 分身创建\n\n`AvatarCreateDialog.tsx` 实现了分身创建流程：\n\n1. **基础信息输入**：名称、角色描述\n2. **技能选择**：从全局技能列表中筛选可用技能\n3. **保存配置**：写入分身目录下的 `avatar.yaml`\n\n```tsx\n// 技能启用状态管理\nconst [skillsEnabledDraft, setSkillsEnabledDraft] = useState>({});\n\n// 技能切换逻辑\nconst toggleSkill = (skillName: string) => {\n setSkillsEnabledDraft((prev) => {\n const next = { ...prev };\n if (next[skillName] === false) {\n delete next[skillName]; // 启用技能\n } else {\n next[skillName] = false; // 禁用技能\n }\n return next;\n });\n};\n```\n\n> 资料来源：[desktop/src/components/AvatarCreateDialog.tsx](https://github.com/DemonDamon/AgenticX/blob/main/desktop/src/components/AvatarCreateDialog.tsx)\n\n---\n\n## 用户偏好注入\n\n系统支持通过用户偏好设置影响 Agent 的回复方式。配置位于 `SettingsPanel.tsx`：\n\n```tsx\n\n```\n\n**偏好格式示例**：\n- \"我不喜欢绕弯子，请直接给结论\"\n- \"偏好表格而非长段落\"\n- \"遇到歧义先问我再执行\"\n\n> 资料来源：[desktop/src/components/SettingsPanel.tsx](https://github.com/DemonDamon/AgenticX/blob/main/desktop/src/components/SettingsPanel.tsx)\n\n---\n\n## 权限与安全\n\nAgenticX 企业版通过 `@agenticx/feature-iam` 模块实现细粒度的权限控制：\n\n### 工具执行权限模式\n\n| 模式 | 说明 | 安全等级 |\n|------|------|----------|\n| manual | 每次工具执行都询问确认 | 最高 |\n| semi-auto | 命中白名单自动放行，未命中询问 | 推荐 |\n| auto | 默认全部自动执行 | 高风险 |\n\n```tsx\n\n```\n\n> 资料来源：[desktop/src/components/SettingsPanel.tsx](https://github.com/DemonDamon/AgenticX/blob/main/desktop/src/components/SettingsPanel.tsx)\n\n---\n\n## 企业功能集成\n\n### 审计日志\n\n企业管理员可通过审计日志查看所有 Avatar 操作记录：\n\n```tsx\ntitle=\"审计日志\"\ndescription={`共 ${items.length} 条记录 · ${\n chainFull != null\n ? `${chainFull.valid ? \"全表链校验通过\" : \"全表链校验失败\"}`\n : chainValid\n ? \"全表链校验加载中…\"\n : \"当前页链校验失败\"\n}`}\n```\n\n> 资料来源：[enterprise/apps/admin-console/src/app/audit/page.tsx](https://github.com/DemonDamon/AgenticX/blob/main/enterprise/apps/admin-console/src/app/audit/page.tsx)\n\n### 批量账号管理\n\n企业版支持通过 CSV 模板批量创建子账号，路径为 `/app/iam/bulk-import/page.tsx`：\n\n1. 下载模板：`/templates/iam-bulk-import-example.csv`\n2. 列映射与预检\n3. 服务端批量写入（失败行可下载修正）\n\n> 资料来源：[enterprise/apps/admin-console/src/app/iam/bulk-import/page.tsx](https://github.com/DemonDamon/AgenticX/blob/main/enterprise/apps/admin-console/src/app/iam/bulk-import/page.tsx)\n\n---\n\n## 使用流程\n\n```mermaid\nsequenceDiagram\n participant 用户\n participant 桌面端\n participant 企业平台\n participant IAM\n\n 用户->>桌面端: 创建/编辑 Avatar\n 桌面端->>桌面端: 配置名称、角色、头像、技能\n 桌面端->>桌面端: 保存至 avatar.yaml\n 用户->>企业平台: 启动群聊\n 企业平台->>IAM: 验证身份与权限\n IAM-->>企业平台: 权限确认\n 企业平台->>企业平台: 多 Avatar 协作执行\n```\n\n---\n\n## 总结\n\nAvatar 与群聊系统构成了 AgenticX 多智能体协作的基础架构：\n\n- **Avatar 模块**负责智能体的配置与元数据管理\n- **群聊系统**提供多智能体通信与协作能力\n- **IAM 集成**确保企业环境下的身份认证与权限控制\n- **审计功能**满足合规审计需求\n\n该设计通过前后端分离、模块化组件的方式，实现了灵活的配置管理与安全的运行时执行。\n\n---\n\n\n\n## 知识库与图谱\n\n
\n相关源码文件\n\n以下源码文件用于生成本页说明：\n\n- [agenticx/knowledge/knowledge.py](https://github.com/DemonDamon/AgenticX/blob/main/agenticx/knowledge/knowledge.py)\n- [agenticx/knowledge/base.py](https://github.com/DemonDamon/AgenticX/blob/main/agenticx/knowledge/base.py)\n- [agenticx/knowledge/graphers/builder.py](https://github.com/DemonDamon/AgenticX/blob/main/agenticx/knowledge/graphers/builder.py)\n- [agenticx/knowledge/graphers/spo_extractor.py](https://github.com/DemonDamon/AgenticX/blob/main/agenticx/knowledge/graphers/spo_extractor.py)\n- [agenticx/knowledge/graphers/community.py](https://github.com/DemonDamon/AgenticX/blob/main/agenticx/knowledge/graphers/community.py)\n- [agenticx/knowledge/chunkers/agentic_chunker.py](https://github.com/DemonDamon/AgenticX/blob/main/agenticx/knowledge/chunkers/agentic_chunker.py)\n- [agenticx/knowledge/readers/pdf_reader.py](https://github.com/DemonDamon/AgenticX/blob/main/agenticx/knowledge/readers/pdf_reader.py)\n- [agenticx/knowledge/readers/web_reader.py](https://github.com/DemonDamon/AgenticX/blob/main/agenticx/knowledge/readers/web_reader.py)\n- [agenticx/studio/kb/manager.py](https://github.com/DemonDamon/AgenticX/blob/main/agenticx/studio/kb/manager.py)\n\n
\n\n# 知识库与图谱\n\n## 概述\n\nAgenticX 的知识库与图谱模块提供企业级知识管理与知识图谱构建能力，支持从多种数据源（PDF、网页等）提取知识，并通过智能分块（Chunking）和图谱构建技术，将非结构化文档转化为可检索、可推理的知识网络。\n\n**核心能力：**\n\n- 多格式文档读取与解析\n- 智能语义分块\n- 知识图谱自动构建（SPO 三元组提取、社区检测）\n- 与 Agent 系统的无缝集成\n- 知识检索与向量存储\n\n## 系统架构\n\n```mermaid\ngraph TD\n subgraph 数据源层\n PDF[PDF 文档]\n WEB[网页内容]\n DOC[其他文档]\n end\n\n subgraph 读取层\n PDF_R[PDF Reader]\n WEB_R[Web Reader]\n end\n\n subgraph 处理层\n CHUNK[智能分块器]\n SPO[SPO 提取器]\n COMM[社区检测]\n end\n\n subgraph 存储层\n KG[知识图谱]\n VC[向量存储]\n KB[知识库]\n end\n\n subgraph 应用层\n AGENT[Agent 系统]\n STUDIO[Studio 管理界面]\n end\n\n PDF --> PDF_R\n WEB --> WEB_R\n PDF_R --> CHUNK\n WEB_R --> CHUNK\n CHUNK --> SPO\n SPO --> COMM\n COMM --> KG\n CHUNK --> VC\n KG --> STUDIO\n VC --> AGENT\n KG --> AGENT\n```\n\n## 核心组件\n\n### 知识库基类\n\n`base.py` 定义了所有知识库实现必须继承的抽象基类，提供了统一的接口规范。\n\n**核心方法：**\n\n| 方法 | 说明 |\n|------|------|\n| `add_document()` | 添加单个文档到知识库 |\n| `add_documents()` | 批量添加文档 |\n| `search()` | 检索相关内容 |\n| `delete()` | 删除指定文档 |\n| `update()` | 更新文档内容 |\n| `get_stats()` | 获取知识库统计信息 |\n\n资料来源：[agenticx/knowledge/base.py]()\n\n### 主知识库类\n\n`knowledge.py` 是知识库的核心实现类，封装了文档处理、存储和检索的完整流程。\n\n**主要功能：**\n\n- 统一的文档管理接口\n- 自动选择最优分块策略\n- 支持多种后端存储\n- 与向量检索引擎集成\n\n资料来源：[agenticx/knowledge/knowledge.py]()\n\n## 文档读取器\n\n### PDF 阅读器\n\n`pdf_reader.py` 专门用于解析 PDF 文档，提取文本内容和结构化信息。\n\n**支持特性：**\n\n- 文本提取\n- 元数据解析（标题、作者、页数等）\n- 多栏布局处理\n- 图片和表格识别\n\n```python\nfrom agenticx.knowledge.readers.pdf_reader import PDFReader\n\nreader = PDFReader()\ndocuments = reader.read(\"document.pdf\")\n```\n\n资料来源：[agenticx/knowledge/readers/pdf_reader.py]()\n\n### 网页阅读器\n\n`web_reader.py` 用于从网页抓取并解析内容，支持动态加载页面的处理。\n\n**功能特点：**\n\n- HTML 解析与清洗\n- 去除广告和无关内容\n- 提取正文与元数据\n- 支持递归爬取\n\n```python\nfrom agenticx.knowledge.readers.web_reader import WebReader\n\nreader = WebReader()\ndocuments = reader.read(\"https://example.com/article\")\n```\n\n资料来源：[agenticx/knowledge/readers/web_reader.py]()\n\n## 智能分块器\n\n### Agentic 分块器\n\n`agentic_chunker.py` 实现了智能语义分块策略，将长文档拆分为语义完整的知识单元。\n\n**分块策略：**\n\n```mermaid\ngraph LR\n DOC[原始文档] --> PARSE[语义解析]\n PARSE --> SPLIT[按语义边界切分]\n SPLIT --> ENRICH[添加上下文元信息]\n ENRICH --> CHUNKS[知识块]\n```\n\n**配置参数：**\n\n| 参数 | 类型 | 默认值 | 说明 |\n|------|------|--------|------|\n| `chunk_size` | int | 512 | 单块目标 token 数 |\n| `chunk_overlap` | int | 50 | 块间重叠 token 数 |\n| `min_chunk_size` | int | 100 | 最小块大小 |\n| `semantic_enabled` | bool | true | 启用语义分块 |\n\n资料来源：[agenticx/knowledge/chunkers/agentic_chunker.py]()\n\n## 知识图谱构建\n\n### 图谱构建器\n\n`builder.py` 负责将文本内容转化为知识图谱结构，是图谱构建的核心引擎。\n\n**工作流程：**\n\n```mermaid\ngraph TD\n TEXT[文本输入] --> SPO_E[SPO 提取]\n SPO_E --> NODES[节点生成]\n NODES --> RELS[关系构建]\n RELS --> GRAPH[知识图谱]\n GRAPH --> COMM[社区检测]\n COMM --> OUTPUT[结构化图谱]\n```\n\n**核心能力：**\n\n- 自动实体识别\n- 关系类型推断\n- 图谱质量评估\n- 增量更新支持\n\n资料来源：[agenticx/knowledge/graphers/builder.py]()\n\n### SPO 三元组提取器\n\n`spo_extractor.py` 从文本中提取 Subject-Predicate-Object 三元组，构成知识图谱的基本单元。\n\n**支持的抽取类型：**\n\n| 关系类型 | 说明 | 示例 |\n|----------|------|------|\n| `人物-职位` | 担任某职位 | 张三-担任-CEO |\n| `组织-位于` | 所在地点 | 公司-位于-北京 |\n| `产品-特性` | 产品属性 | 手机-支持-5G |\n| `事件-时间` | 发生时间 | 会议-发生-今天 |\n| `概念-属于` | 所属类别 | AI-属于-技术领域 |\n\n资料来源：[agenticx/knowledge/graphers/spo_extractor.py]()\n\n### 社区检测\n\n`community.py` 实现了图谱社区发现算法，用于将大规模知识图谱划分为语义相关的社区簇。\n\n**算法特点：**\n\n- 基于图聚类的社区发现\n- 支持层次化社区结构\n- 自动识别核心实体与从属实体\n- 跨社区关系保留\n\n```python\nfrom agenticx.knowledge.graphers.community import CommunityDetector\n\ndetector = CommunityDetector()\ncommunities = detector.detect(knowledge_graph)\n```\n\n资料来源：[agenticx/knowledge/graphers/community.py]()\n\n## Studio 知识库管理\n\n`studio/kb/manager.py` 提供了知识库的图形化管理能力，通过 Web 界面进行知识库的日常运维。\n\n**管理功能：**\n\n| 功能 | 说明 |\n|------|------|\n| 文档上传 | 支持拖拽上传多种格式文档 |\n| 知识检索 | 可视化检索界面 |\n| 图谱查看 | 交互式图谱可视化 |\n| 状态监控 | 索引状态与存储统计 |\n\n**权限控制：**\n\n- 按部门隔离知识库\n- 细粒度访问控制\n- 操作审计日志\n\n资料来源：[agenticx/studio/kb/manager.py]()\n\n## 使用示例\n\n### 基础使用流程\n\n```python\nfrom agenticx.knowledge import KnowledgeBase\nfrom agenticx.knowledge.readers import PDFReader, WebReader\nfrom agenticx.knowledge.chunkers import AgenticChunker\n\n# 1. 初始化组件\nreader = PDFReader()\nchunker = AgenticChunker(chunk_size=512)\nkb = KnowledgeBase()\n\n# 2. 读取并处理文档\ndocuments = reader.read(\"technical_doc.pdf\")\nchunks = chunker.chunk(documents)\n\n# 3. 添加到知识库\nkb.add_documents(chunks)\n\n# 4. 检索知识\nresults = kb.search(\"如何配置系统参数\")\n```\n\n### 构建知识图谱\n\n```python\nfrom agenticx.knowledge.graphers import (\n GraphBuilder,\n SPOExtractor,\n CommunityDetector\n)\n\n# 1. 提取三元组\nextractor = SPOExtractor()\nspo_triples = extractor.extract(text_corpus)\n\n# 2. 构建图谱\nbuilder = GraphBuilder()\ngraph = builder.build(spo_triples)\n\n# 3. 社区检测\ndetector = CommunityDetector()\ncommunities = detector.detect(graph)\n\n# 4. 查询图谱\nentities = graph.query(\"找出所有相关技术概念\")\n```\n\n## 数据模型\n\n### 知识块结构\n\n```python\nclass KnowledgeChunk:\n id: str # 唯一标识\n content: str # 文本内容\n metadata: dict # 元信息\n embedding: list[float] # 向量表示\n source: str # 来源文档\n position: int # 文档内位置\n```\n\n### 图谱节点结构\n\n```python\nclass GraphNode:\n id: str # 节点 ID\n type: str # 实体类型\n name: str # 实体名称\n properties: dict # 扩展属性\n community: str # 所属社区\n```\n\n### 三元组结构\n\n```python\nclass SPOTriple:\n subject: str # 主语\n predicate: str # 谓词/关系\n object: str # 宾语\n confidence: float # 置信度\n source: str # 来源文本\n```\n\n## 配置参考\n\n### 环境变量\n\n| 变量名 | 说明 | 默认值 |\n|--------|------|--------|\n| `KNOWLEDGE_BASE_PATH` | 知识库存储路径 | `./data/knowledge` |\n| `VECTOR_DB_TYPE` | 向量数据库类型 | `faiss` |\n| `EMBEDDING_MODEL` | Embedding 模型 | `text-embedding-3-small` |\n\n### 初始化配置\n\n```python\nkb = KnowledgeBase(\n storage_backend=\"faiss\",\n embedding_model=\"text-embedding-3-small\",\n chunk_size=512,\n enable_graph=True,\n enable_vector=True\n)\n```\n\n## 最佳实践\n\n### 文档准备\n\n1. **预处理优化**：提前清理文档中的无关内容（页眉页脚、水印等）\n2. **结构保留**：保持文档原有层级结构，提升分块效果\n3. **格式统一**：建议使用标准 PDF 格式，避免扫描件\n\n### 分块策略\n\n| 场景 | 推荐 chunk_size | 说明 |\n|------|-----------------|------|\n| 短问答 | 256-384 | 适合精确问答场景 |\n| 通用文档 | 512-768 | 平衡上下文与精度 |\n| 长篇分析 | 1024+ | 适合总结类任务 |\n\n### 图谱维护\n\n1. **定期更新**：建立增量更新机制，保持图谱时效性\n2. **质量监控**：定期检查三元组准确率\n3. **社区审核**：对自动识别的社区进行人工校验\n\n## 相关文档\n\n- [多智能体协作](../collaboration/README.md)\n- [Agent 开发指南](../agents/README.md)\n- [身份与权限](../iam/README.md)\n\n---\n\n---\n\n## Doramagic 踩坑日志\n\n项目：DemonDamon/AgenticX\n\n摘要：发现 18 个潜在踩坑项，其中 1 个为 high/blocking；最高优先级：安装坑 - 来源证据：Desktop app fails on startup: agx serve failed to start (local API not available)。\n\n## 1. 安装坑 · 来源证据：Desktop app fails on startup: agx serve failed to start (local API not available)\n\n- 严重度：high\n- 证据强度：source_linked\n- 发现：GitHub 社区证据显示该项目存在一个安装相关的待验证问题：Desktop app fails on startup: agx serve failed to start (local API not available)\n- 对用户的影响：可能增加新用户试用和生产接入成本。\n- 建议检查：来源问题仍为 open，Pack Agent 需要复核是否仍影响当前版本。\n- 防护动作：不得脱离来源链接放大为确定性结论；需要标注适用版本和复核状态。\n- 证据：community_evidence:github | cevd_4330954394974f1ab2f82c8645e1dce9 | https://github.com/DemonDamon/AgenticX/issues/2 | 来源讨论提到 python 相关条件，需在安装/试用前复核。\n\n## 2. 安装坑 · 来源证据：AgenticX + Machi v0.3.7\n\n- 严重度：medium\n- 证据强度：source_linked\n- 发现：GitHub 社区证据显示该项目存在一个安装相关的待验证问题：AgenticX + Machi v0.3.7\n- 对用户的影响：可能阻塞安装或首次运行。\n- 建议检查：来源显示可能已有修复、规避或版本变化，说明书中必须标注适用版本。\n- 防护动作：不得脱离来源链接放大为确定性结论；需要标注适用版本和复核状态。\n- 证据：community_evidence:github | cevd_f4983001c0714fbe923df9e3263934b3 | https://github.com/DemonDamon/AgenticX/releases/tag/v0.3.7 | 来源讨论提到 python 相关条件，需在安装/试用前复核。\n\n## 3. 安装坑 · 来源证据：MCP will report an error upon startup: \"[Errno 2] No such file or directory\".\n\n- 严重度：medium\n- 证据强度：source_linked\n- 发现：GitHub 社区证据显示该项目存在一个安装相关的待验证问题：MCP will report an error upon startup: \"[Errno 2] No such file or directory\".\n- 对用户的影响：可能增加新用户试用和生产接入成本。\n- 建议检查：来源显示可能已有修复、规避或版本变化，说明书中必须标注适用版本。\n- 防护动作：不得脱离来源链接放大为确定性结论；需要标注适用版本和复核状态。\n- 证据：community_evidence:github | cevd_026abb56e0864ba4b60ba497e1a19084 | https://github.com/DemonDamon/AgenticX/issues/14 | 来源讨论提到 node 相关条件，需在安装/试用前复核。\n\n## 4. 安装坑 · 来源证据：Machi launch failure on mac\n\n- 严重度：medium\n- 证据强度：source_linked\n- 发现：GitHub 社区证据显示该项目存在一个安装相关的待验证问题：Machi launch failure on mac\n- 对用户的影响：可能增加新用户试用和生产接入成本。\n- 建议检查：来源问题仍为 open，Pack Agent 需要复核是否仍影响当前版本。\n- 防护动作：不得脱离来源链接放大为确定性结论；需要标注适用版本和复核状态。\n- 证据：community_evidence:github | cevd_1f85a307f6b44099b52dfdb50d13f91c | https://github.com/DemonDamon/AgenticX/issues/13 | 来源类型 github_issue 暴露的待验证使用条件。\n\n## 5. 安装坑 · 来源证据：UX: Cannot queue follow-up messages while `bash_exec` (or tool) is running; UI blocks until stop or completion\n\n- 严重度：medium\n- 证据强度：source_linked\n- 发现：GitHub 社区证据显示该项目存在一个安装相关的待验证问题：UX: Cannot queue follow-up messages while `bash_exec` (or tool) is running; UI blocks until stop or completion\n- 对用户的影响：可能阻塞安装或首次运行。\n- 建议检查：来源显示可能已有修复、规避或版本变化，说明书中必须标注适用版本。\n- 防护动作：不得脱离来源链接放大为确定性结论；需要标注适用版本和复核状态。\n- 证据：community_evidence:github | cevd_170a543fa1d640b7a6c9c54d5b9ce6c1 | https://github.com/DemonDamon/AgenticX/issues/8 | 来源类型 github_issue 暴露的待验证使用条件。\n\n## 6. 安装坑 · 来源证据：Windows: Document ingestion fails for PDF files (missing PDF reader libs / missing numpy)\n\n- 严重度：medium\n- 证据强度：source_linked\n- 发现：GitHub 社区证据显示该项目存在一个安装相关的待验证问题：Windows: Document ingestion fails for PDF files (missing PDF reader libs / missing numpy)\n- 对用户的影响：可能增加新用户试用和生产接入成本。\n- 建议检查：来源显示可能已有修复、规避或版本变化，说明书中必须标注适用版本。\n- 防护动作：不得脱离来源链接放大为确定性结论；需要标注适用版本和复核状态。\n- 证据：community_evidence:github | cevd_2d8c2ce59a394bd8901a52ddaf36f821 | https://github.com/DemonDamon/AgenticX/issues/10 | 来源讨论提到 python 相关条件，需在安装/试用前复核。\n\n## 7. 能力坑 · 能力判断依赖假设\n\n- 严重度：medium\n- 证据强度：source_linked\n- 发现：README/documentation is current enough for a first validation pass.\n- 对用户的影响：假设不成立时，用户拿不到承诺的能力。\n- 建议检查：将假设转成下游验证清单。\n- 防护动作：假设必须转成验证项；没有验证结果前不能写成事实。\n- 证据：capability.assumptions | github_repo:772408997 | https://github.com/DemonDamon/AgenticX | README/documentation is current enough for a first validation pass.\n\n## 8. 维护坑 · 维护活跃度未知\n\n- 严重度：medium\n- 证据强度：source_linked\n- 发现：未记录 last_activity_observed。\n- 对用户的影响：新项目、停更项目和活跃项目会被混在一起，推荐信任度下降。\n- 建议检查：补 GitHub 最近 commit、release、issue/PR 响应信号。\n- 防护动作：维护活跃度未知时，推荐强度不能标为高信任。\n- 证据：evidence.maintainer_signals | github_repo:772408997 | https://github.com/DemonDamon/AgenticX | last_activity_observed missing\n\n## 9. 安全/权限坑 · 下游验证发现风险项\n\n- 严重度：medium\n- 证据强度：source_linked\n- 发现：no_demo\n- 对用户的影响：下游已经要求复核，不能在页面中弱化。\n- 建议检查：进入安全/权限治理复核队列。\n- 防护动作：下游风险存在时必须保持 review/recommendation 降级。\n- 证据：downstream_validation.risk_items | github_repo:772408997 | https://github.com/DemonDamon/AgenticX | no_demo; severity=medium\n\n## 10. 安全/权限坑 · 存在安全注意事项\n\n- 严重度：medium\n- 证据强度：source_linked\n- 发现：No sandbox install has been executed yet; downstream must verify before user use.\n- 对用户的影响：用户安装前需要知道权限边界和敏感操作。\n- 建议检查：转成明确权限清单和安全审查提示。\n- 防护动作：安全注意事项必须面向用户前置展示。\n- 证据：risks.safety_notes | github_repo:772408997 | https://github.com/DemonDamon/AgenticX | No sandbox install has been executed yet; downstream must verify before user use.\n\n## 11. 安全/权限坑 · 存在评分风险\n\n- 严重度：medium\n- 证据强度：source_linked\n- 发现：no_demo\n- 对用户的影响：风险会影响是否适合普通用户安装。\n- 建议检查：把风险写入边界卡，并确认是否需要人工复核。\n- 防护动作：评分风险必须进入边界卡，不能只作为内部分数。\n- 证据：risks.scoring_risks | github_repo:772408997 | https://github.com/DemonDamon/AgenticX | no_demo; severity=medium\n\n## 12. 安全/权限坑 · 来源证据：AgenticX v0.3.5\n\n- 严重度：medium\n- 证据强度：source_linked\n- 发现：GitHub 社区证据显示该项目存在一个安全/权限相关的待验证问题：AgenticX v0.3.5\n- 对用户的影响：可能影响授权、密钥配置或安全边界。\n- 建议检查：来源显示可能已有修复、规避或版本变化，说明书中必须标注适用版本。\n- 防护动作：不得脱离来源链接放大为确定性结论；需要标注适用版本和复核状态。\n- 证据：community_evidence:github | cevd_c05bccba0b02475cb74b550d42c91222 | https://github.com/DemonDamon/AgenticX/releases/tag/v0.3.5 | 来源讨论提到 python 相关条件，需在安装/试用前复核。\n\n## 13. 安全/权限坑 · 来源证据：AgenticX v0.3.6\n\n- 严重度：medium\n- 证据强度：source_linked\n- 发现：GitHub 社区证据显示该项目存在一个安全/权限相关的待验证问题：AgenticX v0.3.6\n- 对用户的影响：可能影响升级、迁移或版本选择。\n- 建议检查：来源显示可能已有修复、规避或版本变化，说明书中必须标注适用版本。\n- 防护动作：不得脱离来源链接放大为确定性结论；需要标注适用版本和复核状态。\n- 证据：community_evidence:github | cevd_619eaf3ee1334cb6bc5db5adb67b7c8f | https://github.com/DemonDamon/AgenticX/releases/tag/v0.3.6 | 来源讨论提到 python 相关条件，需在安装/试用前复核。\n\n## 14. 安全/权限坑 · 来源证据：AgenticX v0.3.8\n\n- 严重度：medium\n- 证据强度：source_linked\n- 发现：GitHub 社区证据显示该项目存在一个安全/权限相关的待验证问题：AgenticX v0.3.8\n- 对用户的影响：可能影响升级、迁移或版本选择。\n- 建议检查：来源显示可能已有修复、规避或版本变化，说明书中必须标注适用版本。\n- 防护动作：不得脱离来源链接放大为确定性结论；需要标注适用版本和复核状态。\n- 证据：community_evidence:github | cevd_3c0dad4f133a4a199f8b54083f16427f | https://github.com/DemonDamon/AgenticX/releases/tag/v0.3.8 | 来源讨论提到 python 相关条件，需在安装/试用前复核。\n\n## 15. 安全/权限坑 · 来源证据：bash_exec fails to run any command on Windows (WinError 2)\n\n- 严重度：medium\n- 证据强度：source_linked\n- 发现：GitHub 社区证据显示该项目存在一个安全/权限相关的待验证问题：bash_exec fails to run any command on Windows (WinError 2)\n- 对用户的影响：可能影响授权、密钥配置或安全边界。\n- 建议检查：来源显示可能已有修复、规避或版本变化，说明书中必须标注适用版本。\n- 防护动作：不得脱离来源链接放大为确定性结论；需要标注适用版本和复核状态。\n- 证据：community_evidence:github | cevd_14230559f63c4fd8a7a8d1310b6284d0 | https://github.com/DemonDamon/AgenticX/issues/7 | 来源讨论提到 windows 相关条件，需在安装/试用前复核。\n\n## 16. 安全/权限坑 · 来源证据：添加模型不支持codex 认证方式\n\n- 严重度：medium\n- 证据强度：source_linked\n- 发现：GitHub 社区证据显示该项目存在一个安全/权限相关的待验证问题：添加模型不支持codex 认证方式\n- 对用户的影响：可能影响授权、密钥配置或安全边界。\n- 建议检查：来源问题仍为 open，Pack Agent 需要复核是否仍影响当前版本。\n- 防护动作：不得脱离来源链接放大为确定性结论；需要标注适用版本和复核状态。\n- 证据：community_evidence:github | cevd_b24824ec7b6e4e7fa6bc5b7b2874817c | https://github.com/DemonDamon/AgenticX/issues/4 | 来源讨论提到 api key 相关条件，需在安装/试用前复核。\n\n## 17. 维护坑 · issue/PR 响应质量未知\n\n- 严重度：low\n- 证据强度：source_linked\n- 发现：issue_or_pr_quality=unknown。\n- 对用户的影响：用户无法判断遇到问题后是否有人维护。\n- 建议检查：抽样最近 issue/PR，判断是否长期无人处理。\n- 防护动作：issue/PR 响应未知时，必须提示维护风险。\n- 证据：evidence.maintainer_signals | github_repo:772408997 | https://github.com/DemonDamon/AgenticX | issue_or_pr_quality=unknown\n\n## 18. 维护坑 · 发布节奏不明确\n\n- 严重度：low\n- 证据强度：source_linked\n- 发现：release_recency=unknown。\n- 对用户的影响：安装命令和文档可能落后于代码，用户踩坑概率升高。\n- 建议检查：确认最近 release/tag 和 README 安装命令是否一致。\n- 防护动作：发布节奏未知或过期时，安装说明必须标注可能漂移。\n- 证据：evidence.maintainer_signals | github_repo:772408997 | https://github.com/DemonDamon/AgenticX | release_recency=unknown\n\n\n", "markdown_key": "agenticx", "pages": "draft", "source_refs": [ { "evidence_id": "github_repo:772408997", "kind": "repo", "supports_claim_ids": [ "claim_identity", "claim_distribution", "claim_capability" ], "url": "https://github.com/DemonDamon/AgenticX" }, { "evidence_id": "art_cf418b174cec44b0b8a477ac70c4328a", "kind": "docs", "supports_claim_ids": [ "claim_identity", "claim_distribution", "claim_capability" ], "url": "https://github.com/DemonDamon/AgenticX#readme" } ], "summary": "DeepWiki/Human Wiki 完整输出，末尾追加 Discovery Agent 踩坑日志。", "title": "AgenticX 说明书", "toc": [ "https://github.com/DemonDamon/AgenticX 项目说明书", "目录", "项目概览", "简介", "整体架构", "核心模块", "在 manager.py 中添加模式映射", "桌面端功能", "Doramagic 踩坑日志" ] } }, "quality_gate": { "blocking_gaps": [], "category_confidence": "medium", "compile_status": "ready_for_review", "five_assets_present": true, "install_sandbox_verified": true, "missing_evidence": [], "next_action": "publish to Doramagic.ai project surfaces", "prompt_preview_boundary_ok": true, "publish_status": "publishable", "quick_start_verified": true, "repo_clone_verified": true, "repo_commit": "e81208339990ba7ae2a2955e4dd8c179cd70eeda", "repo_inspection_error": null, "repo_inspection_files": [ "pyproject.toml", "README.md", "requirements.txt", "docs/release-note-guide.md", "docs/cli.md", "docs/index.md", "docs/roadmap.md", "docs/cc-bridge-protocol.md", "docs/architecture_analysis_3layer.md", "docs/changelog.md", "docs/faq.md", "docs/error-codes.md", "docs/api/tools.md", "docs/api/memory.md", "docs/api/flow.md", "docs/api/llms.md", "docs/api/agents.md", "docs/adr/0001-cc-invariants-provider-fault-and-deny-priority.md", "docs/adr/0002-group-chat-workforce-bridge.md", "docs/concepts/llm-providers.md", "docs/concepts/tools.md", "docs/concepts/architecture.md", "docs/concepts/agent.md", "docs/concepts/memory.md", "docs/concepts/orchestration.md", "docs/concepts/hooks.md", "docs/concepts/flow.md", "docs/guides/knowledge.md", "docs/guides/multi-agent.md", "docs/guides/group-chat-team-mode.md", "docs/guides/security.md", "docs/guides/firecrawl-local-mcp.md", "docs/guides/longrun-task-sources.md", "docs/guides/browser-long-running-task-cases.md", "docs/guides/happy-coder-machi-integration.md", "docs/guides/avatar.md", "docs/guides/knowledge-base-mvp.md", "docs/guides/first-agent.md", "docs/guides/studio.md", "docs/guides/observability.md" ], "repo_inspection_verified": true, "review_reasons": [], "tag_count_ok": true, "unsupported_claims": [] }, "schema_version": "0.1", "user_assets": { "ai_context_pack": { "asset_id": "ai_context_pack", "filename": "AI_CONTEXT_PACK.md", "markdown": "# agenticx-desktop - Doramagic AI Context Pack\n\n> 定位：安装前体验与判断资产。它帮助宿主 AI 有一个好的开始，但不代表已经安装、执行或验证目标项目。\n\n## 充分原则\n\n- **充分原则，不是压缩原则**：AI Context Pack 应该充分到让宿主 AI 在开工前理解项目价值、能力边界、使用入口、风险和证据来源；它可以分层组织，但不以最短摘要为目标。\n- **压缩策略**：只压缩噪声和重复内容，不压缩会影响判断和开工质量的上下文。\n\n## 给宿主 AI 的使用方式\n\n你正在读取 Doramagic 为 agenticx-desktop 编译的 AI Context Pack。请把它当作开工前上下文：帮助用户理解适合谁、能做什么、如何开始、哪些必须安装后验证、风险在哪里。不要声称你已经安装、运行或执行了目标项目。\n\n## Claim 消费规则\n\n- **事实来源**：Repo Evidence + Claim/Evidence Graph；Human Wiki 只提供显著性、术语和叙事结构。\n- **事实最低状态**：`supported`\n- `supported`：可以作为项目事实使用，但回答中必须引用 claim_id 和证据路径。\n- `weak`：只能作为低置信度线索，必须要求用户继续核实。\n- `inferred`：只能用于风险提示或待确认问题，不能包装成项目事实。\n- `unverified`：不得作为事实使用，应明确说证据不足。\n- `contradicted`：必须展示冲突来源，不得替用户强行选择一个版本。\n\n## 它最适合谁\n\n- **正在使用 Claude/Codex/Cursor/Gemini 等宿主 AI 的开发者**：README 或插件配置提到多个宿主 AI。 证据：`README.md` Claim：`clm_0003` supported 0.86\n- **希望把专业流程带进宿主 AI 的用户**：仓库包含 Skill 文档。 证据：`agenticx/skills/agenticx-a2a-connector/SKILL.md`, `agenticx/skills/agenticx-agent-builder/SKILL.md`, `agenticx/skills/agenticx-automation-crontask/SKILL.md`, `agenticx/skills/agenticx-deployer/SKILL.md` 等 Claim：`clm_0004` supported 0.86\n\n## 它能做什么\n\n- **AI Skill / Agent 指令资产库**（可做安装前预览）：项目包含可被宿主 AI 读取的 Skill 或 Agent 指令文件，可用于把专业流程带入 Claude、Codex、Cursor 等宿主。 证据：`agenticx/skills/agenticx-a2a-connector/SKILL.md`, `agenticx/skills/agenticx-agent-builder/SKILL.md`, `agenticx/skills/agenticx-automation-crontask/SKILL.md`, `agenticx/skills/agenticx-deployer/SKILL.md` 等 Claim：`clm_0001` supported 0.86\n- **命令行启动或安装流程**（需要安装后验证）：项目文档中存在可执行命令，真实使用需要在本地或宿主环境中运行这些命令。 证据：`INSTALL.md`, `README.md` Claim：`clm_0002` supported 0.86\n\n## 怎么开始\n\n- `pip install -r requirements.txt` 证据：`INSTALL.md` Claim：`clm_0005` supported 0.86\n- `pip install -e .` 证据：`INSTALL.md` Claim：`clm_0006` supported 0.86, `clm_0021` supported 0.86\n- `pip install agenticx` 证据：`README.md` Claim：`clm_0007` supported 0.86, `clm_0008` supported 0.86, `clm_0009` supported 0.86, `clm_0010` supported 0.86 等\n- `pip install \"agenticx[memory]\" # Memory: mem0, chromadb, qdrant, redis, milvus` 证据：`README.md` Claim：`clm_0008` supported 0.86\n- `pip install \"agenticx[document]\" # Document processing: PDF, Word, PPT parsing` 证据：`README.md` Claim：`clm_0009` supported 0.86\n- `pip install \"agenticx[graph]\" # Knowledge graph: networkx, neo4j, community detection` 证据：`README.md` Claim：`clm_0010` supported 0.86\n- `pip install \"agenticx[llm]\" # Extra LLMs: anthropic, ollama` 证据：`README.md` Claim：`clm_0011` supported 0.86\n- `pip install \"agenticx[monitoring]\" # Observability: prometheus, opentelemetry` 证据：`README.md` Claim：`clm_0012` supported 0.86\n- `pip install \"agenticx[mcp]\" # MCP protocol` 证据：`README.md` Claim：`clm_0013` supported 0.86\n- `pip install \"agenticx[database]\" # Database backends: postgres, SQLAlchemy` 证据：`README.md` Claim：`clm_0014` supported 0.86\n\n## 继续前判断卡\n\n- **当前建议**：需要管理员/安全审批\n- **为什么**：继续前可能涉及密钥、账号、外部服务或敏感上下文，建议先经过管理员或安全审批。\n\n### 30 秒判断\n\n- **现在怎么做**：需要管理员/安全审批\n- **最小安全下一步**：先跑 Prompt Preview；若涉及凭证或企业环境，先审批再试装\n- **先别相信**：工具权限边界不能在安装前相信。\n- **继续会触碰**：命令执行、宿主 AI 配置、本地环境或项目文件\n\n### 现在可以相信\n\n- **适合人群线索：正在使用 Claude/Codex/Cursor/Gemini 等宿主 AI 的开发者**（supported）：有 supported claim 或项目证据支撑，但仍不等于真实安装效果。 证据：`README.md` Claim：`clm_0003` supported 0.86\n- **适合人群线索：希望把专业流程带进宿主 AI 的用户**（supported）：有 supported claim 或项目证据支撑，但仍不等于真实安装效果。 证据：`agenticx/skills/agenticx-a2a-connector/SKILL.md`, `agenticx/skills/agenticx-agent-builder/SKILL.md`, `agenticx/skills/agenticx-automation-crontask/SKILL.md`, `agenticx/skills/agenticx-deployer/SKILL.md` 等 Claim：`clm_0004` supported 0.86\n- **能力存在：AI Skill / Agent 指令资产库**（supported）：可以相信项目包含这类能力线索；是否适合你的具体任务仍要试用或安装后验证。 证据：`agenticx/skills/agenticx-a2a-connector/SKILL.md`, `agenticx/skills/agenticx-agent-builder/SKILL.md`, `agenticx/skills/agenticx-automation-crontask/SKILL.md`, `agenticx/skills/agenticx-deployer/SKILL.md` 等 Claim：`clm_0001` supported 0.86\n- **能力存在：命令行启动或安装流程**（supported）：可以相信项目包含这类能力线索；是否适合你的具体任务仍要试用或安装后验证。 证据：`INSTALL.md`, `README.md` Claim：`clm_0002` supported 0.86\n- **存在 Quick Start / 安装命令线索**（supported）：可以相信项目文档出现过启动或安装入口；不要因此直接在主力环境运行。 证据：`INSTALL.md` Claim：`clm_0005` supported 0.86\n\n### 现在还不能相信\n\n- **工具权限边界不能在安装前相信。**（unverified）：MCP/tool 类项目通常会触碰文件、网络、浏览器或外部 API，必须真实检查权限和日志。\n- **真实输出质量不能在安装前相信。**（unverified）：Prompt Preview 只能展示引导方式，不能证明真实项目中的结果质量。\n- **宿主 AI 版本兼容性不能在安装前相信。**（unverified）：Claude、Cursor、Codex、Gemini 等宿主加载规则和版本差异必须在真实环境验证。\n- **不会污染现有宿主 AI 行为，不能直接相信。**（inferred）：Skill、plugin、AGENTS/CLAUDE/GEMINI 指令可能改变宿主 AI 的默认行为。 证据：`AGENTS.md`, `agenticx/skills/agenticx-a2a-connector/SKILL.md`, `agenticx/skills/agenticx-agent-builder/SKILL.md`, `agenticx/skills/agenticx-automation-crontask/SKILL.md` 等\n- **可安全回滚不能默认相信。**（unverified）：除非项目明确提供卸载和恢复说明，否则必须先在隔离环境验证。\n- **真实安装后是否与用户当前宿主 AI 版本兼容？**（unverified）：兼容性只能通过实际宿主环境验证。\n- **项目输出质量是否满足用户具体任务？**（unverified）：安装前预览只能展示流程和边界，不能替代真实评测。\n- **安装命令是否需要网络、权限或全局写入？**（unverified）：这影响企业环境和个人环境的安装风险。 证据：`INSTALL.md`\n\n### 继续会触碰什么\n\n- **命令执行**：包管理器、网络下载、本地插件目录、项目配置或用户主目录。 原因：运行第一条命令就可能产生环境改动；必须先判断是否值得跑。 证据：`INSTALL.md`, `README.md`\n- **宿主 AI 配置**：Claude/Codex/Cursor/Gemini/OpenCode 等宿主的 plugin、Skill 或规则加载配置。 原因：宿主配置会改变 AI 后续工作方式，可能和用户已有规则冲突。 证据：`AGENTS.md`, `agenticx/skills/agenticx-a2a-connector/SKILL.md`, `agenticx/skills/agenticx-agent-builder/SKILL.md`, `agenticx/skills/agenticx-automation-crontask/SKILL.md` 等\n- **本地环境或项目文件**：安装结果、插件缓存、项目配置或本地依赖目录。 原因：安装前无法证明写入范围和回滚方式，需要隔离验证。 证据：`INSTALL.md`, `README.md`\n- **环境变量 / API Key**：项目入口文档明确出现 API key、token、secret 或账号凭证配置。 原因：如果真实安装需要凭证，应先使用测试凭证并经过权限/合规判断。 证据：`.cursor/plans/2026-03-24-desktop-remote-backend.plan.md`, `.cursor/plans/2026-03-24-dmg-self-contained-packaging.plan.md`, `.cursor/plans/2026-05-06-enterprise-oidc-sso.plan.md`, `.cursor/plans/2026-05-07-symphony-longrun-internalization.plan.md` 等\n- **宿主 AI 上下文**：AI Context Pack、Prompt Preview、Skill 路由、风险规则和项目事实。 原因：导入上下文会影响宿主 AI 后续判断，必须避免把未验证项包装成事实。\n\n### 最小安全下一步\n\n- **先跑 Prompt Preview**：用安装前交互式试用判断工作方式是否匹配，不需要授权或改环境。（适用：任何项目都适用，尤其是输出质量未知时。）\n- **只在隔离目录或测试账号试装**：避免安装命令污染主力宿主 AI、真实项目或用户主目录。（适用：存在命令执行、插件配置或本地写入线索时。）\n- **先备份宿主 AI 配置**：Skill、plugin、规则文件可能改变 Claude/Cursor/Codex 的默认行为。（适用：存在插件 manifest、Skill 或宿主规则入口时。）\n- **不要使用真实生产凭证**：环境变量/API key 一旦进入宿主或工具链，可能产生账号和合规风险。（适用：出现 API、TOKEN、KEY、SECRET 等环境线索时。）\n- **安装后只验证一个最小任务**：先验证加载、兼容、输出质量和回滚，再决定是否深用。（适用：准备从试用进入真实工作流时。）\n\n### 退出方式\n\n- **保留安装前状态**：记录原始宿主配置和项目状态，后续才能判断是否可恢复。\n- **准备移除宿主 plugin / Skill / 规则入口**：如果试装后行为异常，可以把宿主 AI 恢复到试装前状态。\n- **记录安装命令和写入路径**：没有明确卸载说明时，至少要知道哪些目录或配置需要手动清理。\n- **准备撤销测试 API key 或 token**：测试凭证泄露或误用时，可以快速止损。\n- **如果没有回滚路径，不进入主力环境**：不可回滚是继续前阻断项，不应靠信任或运气继续。\n\n## 哪些只能预览\n\n- 解释项目适合谁和能做什么\n- 基于项目文档演示典型对话流程\n- 帮助用户判断是否值得安装或继续研究\n\n## 哪些必须安装后验证\n\n- 真实安装 Skill、插件或 CLI\n- 执行脚本、修改本地文件或访问外部服务\n- 验证真实输出质量、性能和兼容性\n\n## 边界与风险判断卡\n\n- **把安装前预览误认为真实运行**：用户可能高估项目已经完成的配置、权限和兼容性验证。 处理方式：明确区分 prompt_preview_can_do 与 runtime_required。 Claim：`clm_0022` inferred 0.45\n- **命令执行会修改本地环境**：安装命令可能写入用户主目录、宿主插件目录或项目配置。 处理方式：先在隔离环境或测试账号中运行。 证据：`INSTALL.md`, `README.md` Claim：`clm_0023` supported 0.86\n- **待确认**：真实安装后是否与用户当前宿主 AI 版本兼容？。原因：兼容性只能通过实际宿主环境验证。\n- **待确认**：项目输出质量是否满足用户具体任务？。原因：安装前预览只能展示流程和边界，不能替代真实评测。\n- **待确认**：安装命令是否需要网络、权限或全局写入？。原因：这影响企业环境和个人环境的安装风险。\n\n## 开工前工作上下文\n\n### 加载顺序\n\n- 先读取 how_to_use.host_ai_instruction，建立安装前判断资产的边界。\n- 读取 claim_graph_summary，确认事实来自 Claim/Evidence Graph，而不是 Human Wiki 叙事。\n- 再读取 intended_users、capabilities 和 quick_start_candidates，判断用户是否匹配。\n- 需要执行具体任务时，优先查 role_skill_index，再查 evidence_index。\n- 遇到真实安装、文件修改、网络访问、性能或兼容性问题时，转入 risk_card 和 boundaries.runtime_required。\n\n### 任务路由\n\n- **AI Skill / Agent 指令资产库**：先基于 role_skill_index / evidence_index 帮用户挑选可用角色、Skill 或工作流。 边界：可做安装前 Prompt 体验。 证据：`agenticx/skills/agenticx-a2a-connector/SKILL.md`, `agenticx/skills/agenticx-agent-builder/SKILL.md`, `agenticx/skills/agenticx-automation-crontask/SKILL.md`, `agenticx/skills/agenticx-deployer/SKILL.md` 等 Claim：`clm_0001` supported 0.86\n- **命令行启动或安装流程**：先说明这是安装后验证能力，再给出安装前检查清单。 边界：必须真实安装或运行后验证。 证据：`INSTALL.md`, `README.md` Claim：`clm_0002` supported 0.86\n\n### 上下文规模\n\n- 文件总数：2097\n- 重要文件覆盖：40/2097\n- 证据索引条目：89\n- 角色 / Skill 条目：9\n\n### 证据不足时的处理\n\n- **missing_evidence**：说明证据不足，要求用户提供目标文件、README 段落或安装后验证记录；不要补全事实。\n- **out_of_scope_request**：说明该任务超出当前 AI Context Pack 证据范围，并建议用户先查看 Human Manual 或真实安装后验证。\n- **runtime_request**：给出安装前检查清单和命令来源，但不要替用户执行命令或声称已执行。\n- **source_conflict**：同时展示冲突来源，标记为待核实，不要强行选择一个版本。\n\n## Prompt Recipes\n\n### 适配判断\n\n- 目标：判断这个项目是否适合用户当前任务。\n- 预期输出：适配结论、关键理由、证据引用、安装前可预览内容、必须安装后验证内容、下一步建议。\n\n```text\n请基于 agenticx-desktop 的 AI Context Pack，先问我 3 个必要问题，然后判断它是否适合我的任务。回答必须包含：适合谁、能做什么、不能做什么、是否值得安装、证据来自哪里。所有项目事实必须引用 evidence_refs、source_paths 或 claim_id。\n```\n\n### 安装前体验\n\n- 目标：让用户在安装前感受核心工作流，同时避免把预览包装成真实能力或营销承诺。\n- 预期输出：一段带边界标签的体验剧本、安装后验证清单和谨慎建议；不含真实运行承诺或强营销表述。\n\n```text\n请把 agenticx-desktop 当作安装前体验资产，而不是已安装工具或真实运行环境。\n\n请严格输出四段：\n1. 先问我 3 个必要问题。\n2. 给出一段“体验剧本”：用 [安装前可预览]、[必须安装后验证]、[证据不足] 三种标签展示它可能如何引导工作流。\n3. 给出安装后验证清单：列出哪些能力只有真实安装、真实宿主加载、真实项目运行后才能确认。\n4. 给出谨慎建议：只能说“值得继续研究/试装”“先补充信息后再判断”或“不建议继续”，不得替项目背书。\n\n硬性边界：\n- 不要声称已经安装、运行、执行测试、修改文件或产生真实结果。\n- 不要写“自动适配”“确保通过”“完美适配”“强烈建议安装”等承诺性表达。\n- 如果描述安装后的工作方式，必须使用“如果安装成功且宿主正确加载 Skill，它可能会……”这种条件句。\n- 体验剧本只能写成“示例台词/假设流程”：使用“可能会询问/可能会建议/可能会展示”，不要写“已写入、已生成、已通过、正在运行、正在生成”。\n- Prompt Preview 不负责给安装命令；如用户准备试装，只能提示先阅读 Quick Start 和 Risk Card，并在隔离环境验证。\n- 所有项目事实必须来自 supported claim、evidence_refs 或 source_paths；inferred/unverified 只能作风险或待确认项。\n\n```\n\n### 角色 / Skill 选择\n\n- 目标：从项目里的角色或 Skill 中挑选最匹配的资产。\n- 预期输出：候选角色或 Skill 列表，每项包含适用场景、证据路径、风险边界和是否需要安装后验证。\n\n```text\n请读取 role_skill_index，根据我的目标任务推荐 3-5 个最相关的角色或 Skill。每个推荐都要说明适用场景、可能输出、风险边界和 evidence_refs。\n```\n\n### 风险预检\n\n- 目标：安装或引入前识别环境、权限、规则冲突和质量风险。\n- 预期输出：环境、权限、依赖、许可、宿主冲突、质量风险和未知项的检查清单。\n\n```text\n请基于 risk_card、boundaries 和 quick_start_candidates，给我一份安装前风险预检清单。不要替我执行命令，只说明我应该检查什么、为什么检查、失败会有什么影响。\n```\n\n### 宿主 AI 开工指令\n\n- 目标：把项目上下文转成一次对话开始前的宿主 AI 指令。\n- 预期输出：一段边界明确、证据引用明确、适合复制给宿主 AI 的开工前指令。\n\n```text\n请基于 agenticx-desktop 的 AI Context Pack，生成一段我可以粘贴给宿主 AI 的开工前指令。这段指令必须遵守 not_runtime=true，不能声称项目已经安装、运行或产生真实结果。\n```\n\n\n## 角色 / Skill 索引\n\n- 共索引 9 个角色 / Skill / 项目文档条目。\n\n- **agenticx-a2a-connector**（skill）：Guide for using the A2A Agent-to-Agent communication protocol in AgenticX including agent discovery, skill invocation, remote agent cards, and distributed agent systems. Use when the user wants agents to communicate with each other, set up distributed agent systems, invoke remote agent skills, or build agent-to-agent workflows. 激活提示：当用户任务与“agenticx-a2a-connector”描述的流程高度相关时，先用它做安装前体验，再决定是否安装。 证据：`agenticx/skills/agenticx-a2a-connector/SKILL.md`\n- **agenticx-agent-builder**（skill）：Guide for creating and configuring AgenticX agents with roles, goals, tools, LLM providers, and execution strategies. Use when the user wants to create agents, assign tools to agents, configure LLM backends, set up agent execution, or build multi-agent systems. 激活提示：当用户任务与“agenticx-agent-builder”描述的流程高度相关时，先用它做安装前体验，再决定是否安装。 证据：`agenticx/skills/agenticx-agent-builder/SKILL.md`\n- **agenticx-automation-crontask**（skill）：Build and maintain Machi Desktop scheduled cron tasks — default workspace ~/.agenticx/crontask, schedule task tool, execution contract, and user-facing output. Use when the user wants recurring automation, crontab-style jobs, or to author/fix automation task prompts. 激活提示：当用户任务与“agenticx-automation-crontask”描述的流程高度相关时，先用它做安装前体验，再决定是否安装。 证据：`agenticx/skills/agenticx-automation-crontask/SKILL.md`\n- **agenticx-deployer**（skill）：Guide for deploying AgenticX agents to production including Docker containerization, Kubernetes orchestration, Volcengine AgentKit cloud deployment, and API server setup. Use when the user wants to deploy agents, containerize applications, set up Kubernetes, configure cloud deployment, or run the AgenticX API server in production. 激活提示：当用户任务与“agenticx-deployer”描述的流程高度相关时，先用它做安装前体验，再决定是否安装。 证据：`agenticx/skills/agenticx-deployer/SKILL.md`\n- **agenticx-memory-architect**（skill）：Guide for setting up and using the AgenticX memory system including Mem0 integration, long-term memory, context management, and memory-enhanced agents. Use when the user wants to add memory to agents, persist conversation history, build memory-aware workflows, or integrate with Mem0 for long-term recall. 激活提示：当用户任务与“agenticx-memory-architect”描述的流程高度相关时，先用它做安装前体验，再决定是否安装。 证据：`agenticx/skills/agenticx-memory-architect/SKILL.md`\n- **agenticx-quickstart**（skill）：AgenticX zero-to-hero quickstart guide. Use when the user wants to get started with AgenticX, create their first project, build their first agent, or run their first workflow. Covers installation, project scaffolding, agent creation, task execution, and CLI basics. 激活提示：当用户任务与“agenticx-quickstart”描述的流程高度相关时，先用它做安装前体验，再决定是否安装。 证据：`agenticx/skills/agenticx-quickstart/SKILL.md`\n- **agenticx-skill-manager**（skill）：Guide for managing AgenticX skills including listing, searching, installing, uninstalling, publishing, and running a skill registry server. Use when the user wants to manage skills, find available skills, publish custom skills, set up a skill registry, or understand the skill ecosystem. 激活提示：当用户任务与“agenticx-skill-manager”描述的流程高度相关时，先用它做安装前体验，再决定是否安装。 证据：`agenticx/skills/agenticx-skill-manager/SKILL.md`\n- **agenticx-tool-creator**（skill）：Guide for creating custom tools in AgenticX including function decorator tools, MCP tool integration, tool registries, and remote tool access. Use when the user wants to create tools for agents, integrate external APIs as tools, build MCP servers, or extend agent capabilities with custom functions. 激活提示：当用户任务与“agenticx-tool-creator”描述的流程高度相关时，先用它做安装前体验，再决定是否安装。 证据：`agenticx/skills/agenticx-tool-creator/SKILL.md`\n- **agenticx-workflow-designer**（skill）：Guide for designing and running AgenticX workflows including sequential pipelines, parallel execution, graph-based orchestration, conditional routing, and trigger services. Use when the user wants to create workflows, orchestrate multiple agents, design agent pipelines, or set up complex multi-step processes. 激活提示：当用户任务与“agenticx-workflow-designer”描述的流程高度相关时，先用它做安装前体验，再决定是否安装。 证据：`agenticx/skills/agenticx-workflow-designer/SKILL.md`\n\n## 证据索引\n\n- 共索引 89 条证据。\n\n- **agenticx.agents**（documentation）：The core agent definition. Agents are stateless — all state lives in the executor context. 证据：`docs/api/agents.md`\n- **法律文档索引**（documentation）：文档 仓库路径 说明 ------ ---------- ------ 用户协议 user agreement.md ./user agreement.md 软件许可及服务协议（原 EULA） 隐私协议 privacy policy.md ./privacy policy.md 隐私政策正文 证据：`docs/legal/README.md`\n- **Enterprise 部署说明（Vercel + 外部 Gateway）**（documentation）：Enterprise 部署说明（Vercel + 外部 Gateway） 证据：`enterprise/docs/deployment/README.md`\n- **性能基线归档（可选）**（documentation）：- 脚本： enterprise/scripts/perf/sso-200-concurrent.js - 建议文件名： enterprise/docs/perf-baselines/sso-start-YYYYMMDD.txt （直接粘贴 k6 终端摘要） 证据：`enterprise/docs/perf-baselines/README.md`\n- **AgenticX · Git Hooks**（documentation）：本地 pre-commit / commit-msg 防御，用于阻止凭据 / 客户识别字样进入开源仓。 证据：`.githooks/README.md`\n- **AGENTS.md**（documentation）：Learned User Preferences - 默认使用中文回复；技术术语可按需保留英文。 - 进行 git commit 时，提交信息必须包含 Made-with: Damon Li ，并偏好按功能点分组、附结构化需求块（如 FR/NFR/AC）。 - Plan 文档必须落盘到 .cursor/plans/ 并随代码一起提交，不能遗漏。 - Desktop 端视觉重塑：App 命名为「Machi」，应用图标偏好《全职猎人》玛奇神韵的极客化解构——纯黑白高对比度矢量线稿（类 NousResearch 风格），仅保留至颈部的大头贴（无肩/无头巾），以高马尾和冷酷洞悉的眼神凸显“绝对理性”的高级开发者工具气质，拒绝低端二次元感或渐变色。 - 配置面板遵循关注分离：MCP 独立 tab 不混入 Provider；用户可改配置项必须提供 Desktop 设置面板 GUI；模型切换需持久化；新建或编辑分身时须能设置 默认模型 并真正落盘生效，点击分身或重启应用后均须按「分身 → 会话」维度回显最后选择的模型，不得退化为「未选模型」或被全局默认覆盖。MCP 市场 UX：默认（未搜索）视图仅展示官方/认证/托管精选，用户主动搜索必须返回 全量结果 ，不得以「官方认证+托管+可安装」等条件继续过滤；已安装/已添加 MCP 在列表中须明确显示「已添加」（绿色状态点），不得仍保留「添加」按钮造成误点；安装/添加需有即时进度或状态反馈，失败/报错 toast 应靠近触发卡片就近展示，避免仅顶栏提示导致未上滚时看不到；列表内解释性长备注（如\"点击工具名可启用/禁用 灰色=已禁用… \"等）宜删除… 证据：`AGENTS.md`\n- **AgenticX: Unified Multi-Agent Framework**（documentation）：AgenticX: Unified Multi-Agent Framework 证据：`README.md`\n- **AgenticX Docker 数据库部署方案**（documentation）：本项目提供了完整的Docker部署方案，支持AgenticX框架所需的各种数据库和存储服务。 证据：`deploy/README.md`\n- **Machi Desktop — macOS Alpha Preview**（documentation）：Machi Desktop — macOS Alpha Preview 证据：`desktop/README.md`\n- **AgenticX Enterprise**（documentation）：企业级大模型应用一体化平台 —— 前台 · 后台 · AI 网关三端联动 证据：`enterprise/README.md`\n- **AgenticX 测试套件**（documentation）：1. test core.py - 核心模块完整测试 这是 agenticx.core 模块的完整测试套件，使用 pytest 框架编写。 证据：`tests/README.md`\n- **AgenticX CLI**（documentation）：AgenticX 命令行工具，用于快速创建和管理 AgenticX 项目。提供项目脚手架、智能体创建、工作流管理等功能。 证据：`agenticx/cli/README.md`\n- **AgenticX A2A Agent for AgentKit**（documentation）：This template creates an A2A Agent-to-Agent service deployed via AgentKit A2AApp. 证据：`agenticx/cli/templates/volcengine/a2a/README.md`\n- **AgenticX Basic Agent for AgentKit**（documentation）：This template creates a basic AgenticX agent deployed via AgentKit SimpleApp. 证据：`agenticx/cli/templates/volcengine/basic/README.md`\n- **AgenticX Streaming Agent for AgentKit**（documentation）：AgenticX Streaming Agent for AgentKit 证据：`agenticx/cli/templates/volcengine/basic_stream/README.md`\n- **AgenticX Knowledge Agent for AgentKit**（documentation）：AgenticX Knowledge Agent for AgentKit 证据：`agenticx/cli/templates/volcengine/knowledge/README.md`\n- **AgenticX MCP Tool Agent for AgentKit**（documentation）：AgenticX MCP Tool Agent for AgentKit 证据：`agenticx/cli/templates/volcengine/mcp/README.md`\n- **AgenticX M8.5: 多智能体协作框架**（documentation）：AgenticX M8.5多智能体协作框架实现了8种核心协作模式，支持从简单任务分发到复杂团队协作的全场景覆盖。基于MAS（Multi-Agent System）理论，提供标准化的协作模式实现。 证据：`agenticx/collaboration/README.md`\n- **AgenticX Memory System**（documentation）：The AgenticX memory system provides a pluggable, shareable memory architecture based on open standards. It enables agents to maintain both short-term session memory and long-term persistent memory through the Model Context Protocol MCP . 证据：`agenticx/memory/README.md`\n- **AgenticX M9: 可观测性与分析模块**（documentation）：M9模块是AgenticX框架的可观测性系统，提供全面的监控、分析和评估功能。 证据：`agenticx/observability/README.md`\n- **AgenticX Protocols Module M8**（documentation）：The agenticx.protocols module implements the Agent-to-Agent A2A communication protocol, inspired by Google's A2A protocol, enabling structured collaboration between AgenticX agents. 证据：`agenticx/protocols/README.md`\n- **M15: 智能检索系统**（documentation）：AgenticX框架的智能检索系统，提供统一、智能、可扩展的检索能力，支持从基础检索到完全Agentic化RAG流程的全栈解决方案。 证据：`agenticx/retrieval/README.md`\n- **AgenticX Sandbox 模块**（documentation）：AgenticX Sandbox 模块是一个 统一抽象层（Adapter Layer） ，为不同的沙箱实现（如 OpenSandbox、Microsandbox、Docker 等）提供统一的 API 接口。这使得 AgenticX 可以灵活地接入各种 sandbox SDK，同时保持上层代码的一致性。 证据：`agenticx/sandbox/README.md`\n- **AgenticX Tools: 通用 MCP 客户端架构**（documentation）：本文档详细介绍了 AgenticX 框架中用于连接远程服务的工具系统，特别是其通用的 MCP Model Context Protocol 客户端架构。 证据：`agenticx/tools/README.md`\n- **@agenticx/app-admin-console**（documentation）：- @agenticx/feature-iam — 账号 · 部门 · 角色 · 权限（前端组件）；数据层见 @agenticx/iam-core + PostgreSQL 证据：`enterprise/apps/admin-console/README.md`\n- **AgenticX Edge Agent**（documentation）：🛡️ 端侧安全闭环 Sidecar — 自研 · Go · 单二进制 · 最小权限 证据：`enterprise/apps/edge-agent/README.md`\n- **AgenticX AI Gateway**（documentation）：1. 三路路由 ：本地 · 企业独享云 · 第三方远程 2. 策略引擎 ：关键词 / 正则 / PII / Prompt 规则 3. 审计日志 ：JSON 结构化落盘（写 ClickHouse / 本地文件） 4. OpenAI 兼容 API ： /v1/chat/completions / /v1/embeddings 5. 管控 API ：给 admin-console 读写配置 证据：`enterprise/apps/gateway/README.md`\n- **@agenticx/app-web-portal**（documentation）：企业员工前台 Web App。剥离自 AgenticX-Website 的 app/agents/ 。 证据：`enterprise/apps/web-portal/README.md`\n- **Enterprise Deploy Notes Hechuang**（documentation）：- docker-compose/dev.yml ：开发期基础依赖（Postgres + Redis）。 - docker-compose/prod.yml ：生产模板（Nginx 入口 + 双网关 + 前后台 + PostgreSQL 主从 + Redis）。 - nginx/gateway.conf ：公网入口反向代理与基础限流模板。 - config/policies.yaml ：网关策略包装载清单（生产可按客户策略扩展）。 证据：`enterprise/deploy/README.md`\n- **@agenticx/feature-agents**（documentation）：@agenticx/feature-agents 智能体 · 分身 使用 证据：`enterprise/features/agents/README.md`\n- **@agenticx/feature-audit**（documentation）：🛡️ 审计日志 — 自研 · 多租户 · 不可篡改 · 支持 OTLP 标准导出 证据：`enterprise/features/audit/README.md`\n- **@agenticx/feature-chat**（documentation）：@agenticx/feature-chat 对话工作区（从 AgenticX-Website 剥离） 使用 证据：`enterprise/features/chat/README.md`\n- **@agenticx/feature-iam**（documentation）：@agenticx/feature-iam 身份 · 租户 · 部门 · 角色 · 权限 使用 证据：`enterprise/features/iam/README.md`\n- **@agenticx/feature-knowledge-base**（documentation）：@agenticx/feature-knowledge-base 知识库 使用 证据：`enterprise/features/knowledge-base/README.md`\n- **@agenticx/feature-metering**（documentation）：@agenticx/feature-metering 计量 · 四维查询（部门-员工-厂商-时间） 使用 证据：`enterprise/features/metering/README.md`\n- **@agenticx/feature-model-service**（documentation）：@agenticx/feature-model-service 模型服务管理（Provider/Model/Key） 使用 证据：`enterprise/features/model-service/README.md`\n- **@agenticx/feature-policy**（documentation）：- 规则包管理 ：支持 builtin/custom 两类规则包，builtin 可启停但不可删除。 - 规则管理 ：支持 keyword / regex / pii 三种规则，状态分为 draft / active / disabled 。 - 适用范围 ： applies to 支持部门、角色、用户白名单/黑名单、客户端、阶段（request/response）。 - 发布流程 ： publish 生成租户快照并写入 policy publish events ，同时写磁盘快照供 Gateway 热加载。 - 回滚流程 ： rollback 以历史快照再发布一个新版本，不直接覆写旧版本。 - 自审计 ：规则变更与发布通过 gateway audit events 记录 policy rule change / policy publish 事件。 证据：`enterprise/features/policy/README.md`\n- **@agenticx/feature-settings**（documentation）：@agenticx/feature-settings 设置面板 使用 证据：`enterprise/features/settings/README.md`\n- **@agenticx/feature-tools-mcp**（documentation）：@agenticx/feature-tools-mcp 工具 · MCP 接入 使用 证据：`enterprise/features/tools-mcp/README.md`\n- **@agenticx/auth**（documentation）：- OidcClientService ：OIDC discovery 缓存、构造授权 URL、处理 callback code exchange - mapClaimsToAuthUser ：按 claim mapping 解析 email/displayName/dept/roles - buildStateCookieValue / validateStateFromCookie ：state/nonce/pkce verifier 的加密 cookie 存储与校验（ AES-256-GCM ，密钥材料经 HKDF 从 SSO STATE SIGNING SECRET 派生） - encryptSecret / decryptSecret ：AES-256-GCM 加密 provider client secret 落库字段 证据：`enterprise/packages/auth/README.md`\n- **@agenticx/branding**（documentation）：@agenticx/branding 白标组件（logo/色系/文案动态注入） 证据：`enterprise/packages/branding/README.md`\n- **@agenticx/config**（documentation）：@agenticx/config 配置加载器（品牌 · feature flag · 插件） 证据：`enterprise/packages/config/README.md`\n- **@agenticx/core-api**（documentation）：@agenticx/core-api 类型契约 · OpenAPI 生成 证据：`enterprise/packages/core-api/README.md`\n- **@agenticx/db-schema**（documentation）：@agenticx/db-schema Drizzle schema（多租户字段预留） 证据：`enterprise/packages/db-schema/README.md`\n- **@agenticx/policy-engine Go**（documentation）：- RulePack manifest 加载（支持 extends 继承链） - 关键词检测（Trie 自动机） - 正则与 PII 基线检测（手机号/邮箱/身份证/银行卡/API Key） - action 处理： block / redact / warn - 命中事件结构化输出（供网关审计与前端提示） 证据：`enterprise/packages/policy-engine/README.md`\n- **agenticx-sdk Python**（documentation）：AgenticX Enterprise 的 Python 客户端 SDK，供后端服务/脚本/Machi 桌面端（Python 侧）调用。 证据：`enterprise/packages/sdk-py/README.md`\n- **@agenticx/sdk-ts**（documentation）：@agenticx/sdk-ts TypeScript 客户端 SDK（给 Machi 接） 证据：`enterprise/packages/sdk-ts/README.md`\n- **@agenticx/telemetry**（documentation）：@agenticx/telemetry 埋点 · 审计上报 证据：`enterprise/packages/telemetry/README.md`\n- **@agenticx/ui**（documentation）：@agenticx/ui shadcn 组件 + 主题 token 证据：`enterprise/packages/ui/README.md`\n- **moderation-finance**（documentation）：详见 enterprise/docs/plugin-protocol/ 证据：`enterprise/plugins/moderation-finance/README.md`\n- **moderation-medical**（documentation）：详见 enterprise/docs/plugin-protocol/ 证据：`enterprise/plugins/moderation-medical/README.md`\n- **moderation-pii-baseline**（documentation）：详见 enterprise/docs/plugin-protocol/ 证据：`enterprise/plugins/moderation-pii-baseline/README.md`\n- **theme-default**（documentation）：详见 enterprise/docs/plugin-protocol/ 证据：`enterprise/plugins/theme-default/README.md`\n- **tool-doc-review**（documentation）：详见 enterprise/docs/plugin-protocol/ 证据：`enterprise/plugins/tool-doc-review/README.md`\n- **tool-watermark**（documentation）：详见 enterprise/docs/plugin-protocol/ 证据：`enterprise/plugins/tool-watermark/README.md`\n- **enterprise/scripts — 脚本一览**（documentation）：本目录收纳 enterprise（前台 web-portal + 后台 admin-console + 网关 apps/gateway）所需的本机开发与 E2E / 压测脚本。所有脚本默认相对仓库根 enterprise/ 工作；推荐在 enterprise/ 目录下执行，例如： 证据：`enterprise/scripts/README.md`\n- **Mock SAML IdP Fixture**（documentation）：Local-only SAML 2.0 Identity Provider used for integration tests and manual SAML flow walkthroughs in web-portal / admin-console . 证据：`enterprise/scripts/sso/mock-saml-idp/README.md`\n- **AgenticX + AgentKit 集成指南**（documentation）：基于 AgenticX 构建智能体，一键部署到火山引擎 AgentKit 平台。 证据：`examples/agenticx-for-agentkit/README.md`\n- **Project Migrated**（documentation）：This project has been migrated to a new repository. Please find the latest version at: 证据：`examples/agenticx-for-deepresearch/README.md`\n- **AgenticX 文档解析器**（documentation）：基于 AgenticX 框架和 MinerU 工具的智能文档解析演示程序。这是一个完整的文档解析解决方案，支持多种文档格式的智能解析，提供友好的交互界面和强大的解析能力。 证据：`examples/agenticx-for-docparser/README.md`\n- 其余 29 条证据见 `AI_CONTEXT_PACK.json` 或 `EVIDENCE_INDEX.json`。\n\n## 宿主 AI 必须遵守的规则\n\n- **把本资产当作开工前上下文，而不是运行环境。**：AI Context Pack 只包含证据化项目理解，不包含目标项目的可执行状态。 证据：`docs/api/agents.md`, `docs/legal/README.md`, `enterprise/docs/deployment/README.md`\n- **回答用户时区分可预览内容与必须安装后才能验证的内容。**：安装前体验的消费者价值来自降低误装和误判，而不是伪装成真实运行。 证据：`docs/api/agents.md`, `docs/legal/README.md`, `enterprise/docs/deployment/README.md`\n\n## 用户开工前应该回答的问题\n\n- 你准备在哪个宿主 AI 或本地环境中使用它？\n- 你只是想先体验工作流，还是准备真实安装？\n- 你最在意的是安装成本、输出质量、还是和现有规则的冲突？\n\n## 验收标准\n\n- 所有能力声明都能回指到 evidence_refs 中的文件路径。\n- AI_CONTEXT_PACK.md 没有把预览包装成真实运行。\n- 用户能在 3 分钟内看懂适合谁、能做什么、如何开始和风险边界。\n\n---\n\n## Doramagic Context Augmentation\n\n下面内容用于强化 Repomix/AI Context Pack 主体。Human Manual 只提供阅读骨架；踩坑日志会被转成宿主 AI 必须遵守的工作约束。\n\n## Human Manual 骨架\n\n使用规则：这里只是项目阅读路线和显著性信号，不是事实权威。具体事实仍必须回到 repo evidence / Claim Graph。\n\n宿主 AI 硬性规则：\n- 不得把页标题、章节顺序、摘要或 importance 当作项目事实证据。\n- 解释 Human Manual 骨架时，必须明确说它只是阅读路线/显著性信号。\n- 能力、安装、兼容性、运行状态和风险判断必须引用 repo evidence、source path 或 Claim Graph。\n\n- **项目概览**：importance `high`\n - source_paths: README.md, README_ZN.md, agenticx/__init__.py\n- **系统架构**：importance `high`\n - source_paths: agenticx/core/agent.py, agenticx/core/workflow.py, agenticx/core/agent_executor.py, docs/architecture_analysis_3layer.md\n- **安装与配置**：importance `high`\n - source_paths: INSTALL.md, pyproject.toml, requirements.txt, install.sh\n- **Agent 核心框架**：importance `high`\n - source_paths: agenticx/core/agent.py, agenticx/core/agent_builder.py, agenticx/core/agent_executor.py, agenticx/core/task.py, agenticx/core/self_repair.py\n- **工具系统**：importance `high`\n - source_paths: agenticx/tools/base.py, agenticx/tools/function_tool.py, agenticx/tools/mcp_hub.py, agenticx/tools/remote_v2.py, agenticx/tools/openapi_toolset.py\n- **内存与记忆系统**：importance `high`\n - source_paths: agenticx/memory/base.py, agenticx/memory/core_memory.py, agenticx/memory/episodic_memory.py, agenticx/memory/semantic_memory.py, agenticx/memory/short_term.py\n- **LLM 集成与提供商**：importance `high`\n - source_paths: agenticx/llms/base.py, agenticx/llms/llm_factory.py, agenticx/llms/openai_provider.py, agenticx/llms/anthropic_provider.py, agenticx/llms/failover.py\n- **协作与团队管理**：importance `high`\n - source_paths: agenticx/collaboration/manager.py, agenticx/collaboration/delegation.py, agenticx/collaboration/role_playing.py, agenticx/collaboration/workforce/coordinator.py, agenticx/collaboration/workforce/worker.py\n\n## Repo Inspection Evidence / 源码检查证据\n\n- repo_clone_verified: true\n- repo_inspection_verified: true\n- repo_commit: `e81208339990ba7ae2a2955e4dd8c179cd70eeda`\n- inspected_files: `pyproject.toml`, `README.md`, `requirements.txt`, `docs/release-note-guide.md`, `docs/cli.md`, `docs/index.md`, `docs/roadmap.md`, `docs/cc-bridge-protocol.md`, `docs/architecture_analysis_3layer.md`, `docs/changelog.md`, `docs/faq.md`, `docs/error-codes.md`, `docs/api/tools.md`, `docs/api/memory.md`, `docs/api/flow.md`, `docs/api/llms.md`, `docs/api/agents.md`, `docs/adr/0001-cc-invariants-provider-fault-and-deny-priority.md`, `docs/adr/0002-group-chat-workforce-bridge.md`, `docs/concepts/llm-providers.md`\n\n宿主 AI 硬性规则：\n- 没有 repo_clone_verified=true 时，不得声称已经读过源码。\n- 没有 repo_inspection_verified=true 时，不得把 README/docs/package 文件判断写成事实。\n- 没有 quick_start_verified=true 时，不得声称 Quick Start 已跑通。\n\n## Doramagic Pitfall Constraints / 踩坑约束\n\n这些规则来自 Doramagic 发现、验证或编译过程中的项目专属坑点。宿主 AI 必须把它们当作工作约束，而不是普通说明文字。\n\n### Constraint 1: 来源证据：Desktop app fails on startup: agx serve failed to start (local API not available)\n\n- Trigger: GitHub 社区证据显示该项目存在一个安装相关的待验证问题：Desktop app fails on startup: agx serve failed to start (local API not available)\n- Host AI rule: 来源问题仍为 open，Pack Agent 需要复核是否仍影响当前版本。\n- Why it matters: 可能增加新用户试用和生产接入成本。\n- Evidence: community_evidence:github | cevd_4330954394974f1ab2f82c8645e1dce9 | https://github.com/DemonDamon/AgenticX/issues/2 | 来源讨论提到 python 相关条件，需在安装/试用前复核。\n- Hard boundary: 不要把这个坑点包装成已解决、已验证或可忽略，除非后续验证证据明确证明它已经关闭。\n\n### Constraint 2: 来源证据：AgenticX + Machi v0.3.7\n\n- Trigger: GitHub 社区证据显示该项目存在一个安装相关的待验证问题：AgenticX + Machi v0.3.7\n- Host AI rule: 来源显示可能已有修复、规避或版本变化，说明书中必须标注适用版本。\n- Why it matters: 可能阻塞安装或首次运行。\n- Evidence: community_evidence:github | cevd_f4983001c0714fbe923df9e3263934b3 | https://github.com/DemonDamon/AgenticX/releases/tag/v0.3.7 | 来源讨论提到 python 相关条件，需在安装/试用前复核。\n- Hard boundary: 不要把这个坑点包装成已解决、已验证或可忽略，除非后续验证证据明确证明它已经关闭。\n\n### Constraint 3: 来源证据：MCP will report an error upon startup: \"[Errno 2] No such file or directory\".\n\n- Trigger: GitHub 社区证据显示该项目存在一个安装相关的待验证问题：MCP will report an error upon startup: \"[Errno 2] No such file or directory\".\n- Host AI rule: 来源显示可能已有修复、规避或版本变化，说明书中必须标注适用版本。\n- Why it matters: 可能增加新用户试用和生产接入成本。\n- Evidence: community_evidence:github | cevd_026abb56e0864ba4b60ba497e1a19084 | https://github.com/DemonDamon/AgenticX/issues/14 | 来源讨论提到 node 相关条件，需在安装/试用前复核。\n- Hard boundary: 不要把这个坑点包装成已解决、已验证或可忽略，除非后续验证证据明确证明它已经关闭。\n\n### Constraint 4: 来源证据：Machi launch failure on mac\n\n- Trigger: GitHub 社区证据显示该项目存在一个安装相关的待验证问题：Machi launch failure on mac\n- Host AI rule: 来源问题仍为 open，Pack Agent 需要复核是否仍影响当前版本。\n- Why it matters: 可能增加新用户试用和生产接入成本。\n- Evidence: community_evidence:github | cevd_1f85a307f6b44099b52dfdb50d13f91c | https://github.com/DemonDamon/AgenticX/issues/13 | 来源类型 github_issue 暴露的待验证使用条件。\n- Hard boundary: 不要把这个坑点包装成已解决、已验证或可忽略，除非后续验证证据明确证明它已经关闭。\n\n### Constraint 5: 来源证据：UX: Cannot queue follow-up messages while `bash_exec` (or tool) is running; UI blocks until stop or completion\n\n- Trigger: GitHub 社区证据显示该项目存在一个安装相关的待验证问题：UX: Cannot queue follow-up messages while `bash_exec` (or tool) is running; UI blocks until stop or completion\n- Host AI rule: 来源显示可能已有修复、规避或版本变化，说明书中必须标注适用版本。\n- Why it matters: 可能阻塞安装或首次运行。\n- Evidence: community_evidence:github | cevd_170a543fa1d640b7a6c9c54d5b9ce6c1 | https://github.com/DemonDamon/AgenticX/issues/8 | 来源类型 github_issue 暴露的待验证使用条件。\n- Hard boundary: 不要把这个坑点包装成已解决、已验证或可忽略，除非后续验证证据明确证明它已经关闭。\n\n### Constraint 6: 来源证据：Windows: Document ingestion fails for PDF files (missing PDF reader libs / missing numpy)\n\n- Trigger: GitHub 社区证据显示该项目存在一个安装相关的待验证问题：Windows: Document ingestion fails for PDF files (missing PDF reader libs / missing numpy)\n- Host AI rule: 来源显示可能已有修复、规避或版本变化，说明书中必须标注适用版本。\n- Why it matters: 可能增加新用户试用和生产接入成本。\n- Evidence: community_evidence:github | cevd_2d8c2ce59a394bd8901a52ddaf36f821 | https://github.com/DemonDamon/AgenticX/issues/10 | 来源讨论提到 python 相关条件，需在安装/试用前复核。\n- Hard boundary: 不要把这个坑点包装成已解决、已验证或可忽略，除非后续验证证据明确证明它已经关闭。\n\n### Constraint 7: 能力判断依赖假设\n\n- Trigger: README/documentation is current enough for a first validation pass.\n- Host AI rule: 将假设转成下游验证清单。\n- Why it matters: 假设不成立时，用户拿不到承诺的能力。\n- Evidence: capability.assumptions | github_repo:772408997 | https://github.com/DemonDamon/AgenticX | README/documentation is current enough for a first validation pass.\n- Hard boundary: 不要把这个坑点包装成已解决、已验证或可忽略，除非后续验证证据明确证明它已经关闭。\n\n### Constraint 8: 维护活跃度未知\n\n- Trigger: 未记录 last_activity_observed。\n- Host AI rule: 补 GitHub 最近 commit、release、issue/PR 响应信号。\n- Why it matters: 新项目、停更项目和活跃项目会被混在一起，推荐信任度下降。\n- Evidence: evidence.maintainer_signals | github_repo:772408997 | https://github.com/DemonDamon/AgenticX | last_activity_observed missing\n- Hard boundary: 不要把这个坑点包装成已解决、已验证或可忽略，除非后续验证证据明确证明它已经关闭。\n\n### Constraint 9: 下游验证发现风险项\n\n- Trigger: no_demo\n- Host AI rule: 进入安全/权限治理复核队列。\n- Why it matters: 下游已经要求复核，不能在页面中弱化。\n- Evidence: downstream_validation.risk_items | github_repo:772408997 | https://github.com/DemonDamon/AgenticX | no_demo; severity=medium\n- Hard boundary: 不要把这个坑点包装成已解决、已验证或可忽略，除非后续验证证据明确证明它已经关闭。\n\n### Constraint 10: 存在安全注意事项\n\n- Trigger: No sandbox install has been executed yet; downstream must verify before user use.\n- Host AI rule: 转成明确权限清单和安全审查提示。\n- Why it matters: 用户安装前需要知道权限边界和敏感操作。\n- Evidence: risks.safety_notes | github_repo:772408997 | https://github.com/DemonDamon/AgenticX | No sandbox install has been executed yet; downstream must verify before user use.\n- Hard boundary: 不要把这个坑点包装成已解决、已验证或可忽略，除非后续验证证据明确证明它已经关闭。\n", "summary": "给宿主 AI 的上下文和工作边界。", "title": "AI Context Pack / 带给我的 AI" }, "boundary_risk_card": { "asset_id": "boundary_risk_card", "filename": "BOUNDARY_RISK_CARD.md", "markdown": "# Boundary & Risk Card / 安装前决策卡\n\n项目：DemonDamon/AgenticX\n\n## Doramagic 试用结论\n\n当前结论：可以进入发布前推荐检查；首次使用仍应从最小权限、临时目录和可回滚配置开始。\n\n## 用户现在可以做\n\n- 可以先阅读 Human Manual，理解项目目的和主要工作流。\n- 可以复制 Prompt Preview 做安装前体验；这只验证交互感，不代表真实运行。\n- 可以把官方 Quick Start 命令放到隔离环境中验证，不要直接进主力环境。\n\n## 现在不要做\n\n- 不要把 Prompt Preview 当成项目实际运行结果。\n- 不要把 metadata-only validation 当成沙箱安装验证。\n- 不要把未验证能力写成“已支持、已跑通、可放心安装”。\n- 不要在首次试用时交出生产数据、私人文件、真实密钥或主力配置目录。\n\n## 安装前检查\n\n- 宿主 AI 是否匹配：mcp_host\n- 官方安装入口状态：已发现官方入口\n- 是否在临时目录、临时宿主或容器中验证：必须是\n- 是否能回滚配置改动：必须能\n- 是否需要 API Key、网络访问、读写文件或修改宿主配置：未确认前按高风险处理\n- 是否记录了安装命令、实际输出和失败日志：必须记录\n\n## 当前阻塞项\n\n- 无阻塞项。\n\n## 项目专属踩坑\n\n- 来源证据：Desktop app fails on startup: agx serve failed to start (local API not available)（high）：可能增加新用户试用和生产接入成本。 建议检查：来源问题仍为 open，Pack Agent 需要复核是否仍影响当前版本。\n- 来源证据：AgenticX + Machi v0.3.7（medium）：可能阻塞安装或首次运行。 建议检查：来源显示可能已有修复、规避或版本变化，说明书中必须标注适用版本。\n- 来源证据：MCP will report an error upon startup: \"[Errno 2] No such file or directory\".（medium）：可能增加新用户试用和生产接入成本。 建议检查：来源显示可能已有修复、规避或版本变化，说明书中必须标注适用版本。\n- 来源证据：Machi launch failure on mac（medium）：可能增加新用户试用和生产接入成本。 建议检查：来源问题仍为 open，Pack Agent 需要复核是否仍影响当前版本。\n- 来源证据：UX: Cannot queue follow-up messages while `bash_exec` (or tool) is running; UI blocks until stop or completion（medium）：可能阻塞安装或首次运行。 建议检查：来源显示可能已有修复、规避或版本变化，说明书中必须标注适用版本。\n\n## 风险与权限提示\n\n- no_demo: medium\n\n## 证据缺口\n\n- 暂未发现结构化证据缺口。\n", "summary": "安装、权限、验证和推荐前风险。", "title": "Boundary & Risk Card / 边界与风险卡" }, "human_manual": { "asset_id": "human_manual", "filename": "HUMAN_MANUAL.md", "markdown": "# https://github.com/DemonDamon/AgenticX 项目说明书\n\n生成时间：2026-05-14 18:36:26 UTC\n\n## 目录\n\n- [项目概览](#page-overview)\n- [系统架构](#page-architecture)\n- [安装与配置](#page-installation)\n- [Agent 核心框架](#page-agent-core)\n- [工具系统](#page-tool-system)\n- [内存与记忆系统](#page-memory-system)\n- [LLM 集成与提供商](#page-llm-providers)\n- [协作与团队管理](#page-collaboration)\n- [Avatar 与群聊系统](#page-avatar-system)\n- [知识库与图谱](#page-knowledge-base)\n\n\n\n## 项目概览\n\n### 相关页面\n\n相关主题：[系统架构](#page-architecture), [安装与配置](#page-installation)\n\n
\n相关源码文件\n\n以下源码文件用于生成本页说明：\n\n- [README.md](https://github.com/DemonDamon/AgenticX/blob/main/README.md)\n- [README_ZN.md](https://github.com/DemonDamon/AgenticX/blob/main/README_ZN.md)\n- [agenticx/__init__.py](https://github.com/DemonDamon/AgenticX/blob/main/agenticx/__init__.py)\n- [desktop/src/components/SettingsPanel.tsx](https://github.com/DemonDamon/AgenticX/blob/main/desktop/src/components/SettingsPanel.tsx)\n- [desktop/src/components/automation/TaskList.tsx](https://github.com/DemonDamon/AgenticX/blob/main/desktop/src/components/automation/TaskList.tsx)\n- [desktop/src/store.ts](https://github.com/DemonDamon/AgenticX/blob/main/desktop/src/store.ts)\n- [enterprise/apps/admin-console/src/app/audit/page.tsx](https://github.com/DemonDamon/AgenticX/blob/main/enterprise/apps/admin-console/src/app/audit/page.tsx)\n- [enterprise/apps/admin-console/src/app/iam/roles/page.tsx](https://github.com/DemonDamon/AgenticX/blob/main/enterprise/apps/admin-console/src/app/iam/roles/page.tsx)\n- [agenticx/collaboration/README.md](https://github.com/DemonDamon/AgenticX/blob/main/agenticx/collaboration/README.md)\n- [examples/agenticx-for-agentkit/README.md](https://github.com/DemonDamon/AgenticX/blob/main/examples/agenticx-for-agentkit/README.md)\n\n
\n\n# 项目概览\n\n## 简介\n\nAgenticX 是一个企业级智能体（Agent）开发与协作框架，旨在提供多智能体系统的构建、部署与管理能力。该项目采用模块化架构，支持桌面端应用与企业级管理控制台的协同工作，覆盖从智能体开发到生产运维的完整生命周期。\n\n**核心定位**：面向企业场景的 AI Agent 基础设施平台，支持多智能体协作、外部工具集成、知识库 RAG、以及与火山引擎 AgentKit 的深度集成。\n\n资料来源：[README_ZN.md](https://github.com/DemonDamon/AgenticX/blob/main/README_ZN.md)\n\n---\n\n## 整体架构\n\nAgenticX 采用分层架构设计，核心层提供智能体运行能力，桌面端提供交互界面，企业端提供管理能力。\n\n```mermaid\ngraph TD\n subgraph 桌面端[\"桌面端 desktop/\"]\n UI[\"交互界面
SettingsPanel / TaskList\"]\n Store[\"状态管理
store.ts\"]\n DesktopAPI[\"Desktop API\"]\n end\n \n subgraph 企业端[\"企业端 enterprise/\"]\n AdminConsole[\"Admin Console
审计 / 模型 / 角色\"]\n WebPortal[\"Web Portal
Auth / Dashboard\"]\n end\n \n subgraph 核心模块[\"核心模块 agenticx/\"]\n AgentCore[\"Agent Core\"]\n Tools[\"Tools 工具\"]\n Memory[\"Memory 记忆\"]\n Knowledge[\"Knowledge 知识库\"]\n Collaboration[\"Collaboration 协作\"]\n Integrations[\"Integrations 集成\"]\n end\n \n UI <--> Store\n Store <--> DesktopAPI\n DesktopAPI <--> AgentCore\n AdminConsole <--> WebPortal\n AgentCore --> Tools\n AgentCore --> Memory\n AgentCore --> Knowledge\n AgentCore --> Collaboration\n Integrations --> AgentKit[\"AgentKit / Ark LLM\"]\n```\n\n资料来源：[desktop/src/components/SettingsPanel.tsx](https://github.com/DemonDamon/AgenticX/blob/main/desktop/src/components/SettingsPanel.tsx)，[examples/agenticx-for-agentkit/README.md](https://github.com/DemonDamon/AgenticX/blob/main/examples/agenticx-for-agentkit/README.md)\n\n---\n\n## 核心模块\n\n### Agent Core（智能体核心）\n\n智能体核心模块是整个框架的基础，负责定义智能体的基本行为、能力边界和生命周期管理。\n\n| 模块 | 功能描述 |\n|------|----------|\n| Agent 定义 | 支持自定义智能体配置prompt、模型、执行策略 |\n| 上下文管理 | 支持上下文继承、任务空间隔离 |\n| 会话管理 | 支持多会话并行、消息历史管理 |\n\n资料来源：[desktop/src/store.ts](https://github.com/DemonDamon/AgenticX/blob/main/desktop/src/store.ts)\n\n### Tools（工具系统）\n\n工具系统支持智能体调用外部能力，工具分为本地工具和环境依赖工具两类。\n\n```mermaid\ngraph LR\n A[\"智能体\"] -->|调用| B[\"工具系统\"]\n B --> C[\"本地工具
代码执行 / 文件操作\"]\n B --> D[\"环境依赖
外部可执行文件\"]\n```\n\n**本地工具**包括代码执行、文件操作等能力，在 SettingsPanel 中按工具类型分组显示，支持搜索过滤和启用/禁用控制。\n\n**环境依赖**指外部可执行文件依赖，需要全局安装一次后所有智能体共享。安装状态包括：已安装、安装中、需手动安装、未安装四种状态。\n\n资料来源：[desktop/src/components/SettingsPanel.tsx](https://github.com/DemonDamon/AgenticX/blob/main/desktop/src/components/SettingsPanel.tsx)\n\n### Knowledge（知识库 RAG）\n\n知识库模块提供 RAG（检索增强生成）能力，支持向智能体注入领域知识。\n\n| 功能 | 说明 |\n|------|------|\n| 知识索引 | 支持对文档进行向量化索引 |\n| 检索增强 | 查询时自动检索相关知识片段 |\n| 知识管理 | 支持知识库的增删改查操作 |\n\n资料来源：[examples/agenticx-for-agentkit/README.md](https://github.com/DemonDamon/AgenticX/blob/main/examples/agenticx-for-agentkit/README.md)\n\n### Collaboration（多智能体协作）\n\n协作模块支持多个智能体协同工作，处理复杂任务。框架预置多种协作模式，并支持自定义模式扩展。\n\n```python\n# 在 manager.py 中添加模式映射\npattern_classes = {\n CollaborationMode.CUSTOM_PATTERN: CustomPattern,\n # ... 其他模式\n}\n```\n\n协作模式支持任务分解、结果汇总、状态同步等机制，适用于复杂业务场景的多步骤处理。\n\n资料来源：[agenticx/collaboration/README.md](https://github.com/DemonDamon/AgenticX/blob/main/agenticx/collaboration/README.md)\n\n### Memory（记忆系统）\n\n记忆系统管理智能体的上下文信息和会话历史，确保智能体在多次交互中保持连贯性。\n\n| 特性 | 说明 |\n|------|------|\n| 上下文继承 | 支持父子智能体间的上下文传递 |\n| 历史消息 | 完整记录对话历史 |\n| 任务空间 | 支持独立的工作区隔离 |\n\n资料来源：[desktop/src/store.ts](https://github.com/DemonDamon/AgenticX/blob/main/desktop/src/store.ts)\n\n---\n\n## 桌面端功能\n\n### 设置面板（SettingsPanel）\n\n桌面端设置面板是用户配置智能体行为的主要入口，包含以下功能区域：\n\n| 功能区域 | 说明 |\n|----------|------|\n| 工具管理 | 本地工具的启用/禁用、搜索过滤 |\n| 环境依赖 | 外部可执行文件的安装状态管理 |\n| 技能管理 | 全局技能/项目技能的管理，支持第三方扫描 |\n| 微信集成 | 基于 iLink 协议的微信消息接入 |\n| GwStudio 配置 | 基础 URL 配置 |\n\n资料来源：[desktop/src/components/SettingsPanel.tsx](https://github.com/DemonDamon/AgenticX/blob/main/desktop/src/components/SettingsPanel.tsx)\n\n### 自动化任务（TaskList）\n\n自动化任务模块支持定时/条件触发的任务执行，每个任务包含以下配置：\n\n| 配置项 | 说明 |\n|--------|------|\n| 提示词 | 任务执行的系统提示 |\n| 工作区 | 任务执行的工作目录 |\n| 执行模型 | 指定 provider/model |\n| 启用状态 | 任务的启用/禁用控制 |\n\n任务执行结果记录包括执行时间戳、执行状态（成功/失败）和错误信息。\n\n资料来源：[desktop/src/components/automation/TaskList.tsx](https://github.com/DemonDamon/AgenticX/blob/main/desktop/src/components/automation/TaskList.tsx)\n\n### 状态管理（Store）\n\n桌面端采用集中式状态管理，主要状态包括：\n\n```typescript\ninterface SettingsState {\n provider: string; // 当前提供商\n model: string; // 当前模型\n apiKey: string; // API密钥\n defaultProvider: string; // 默认提供商\n providers: Provider[]; // 提供商列表\n}\n```\n\n资料来源：[desktop/src/store.ts](https://github.com/DemonDamon/AgenticX/blob/main/desktop/src/store.ts)\n\n---\n\n## 企业端功能\n\n### Admin Console（管理控制台）\n\n企业版管理控制台提供集中式的运维管理能力。\n\n#### 审计日志\n\n审计日志模块记录所有关键操作，支持全表链校验，确保数据完整性。\n\n| 功能 | 说明 |\n|------|------|\n| 操作记录 | 记录事件类型、用户、模型等信息 |\n| 链校验 | 全表链校验确保数据完整性 |\n| 刷新机制 | 实时查看最新审计记录 |\n\n资料来源：[enterprise/apps/admin-console/src/app/audit/page.tsx](https://github.com/DemonDamon/AgenticX/blob/main/enterprise/apps/admin-console/src/app/audit/page.tsx)\n\n#### 身份与权限（IAM）\n\n身份与权限模块管理用户、角色和权限的分配。\n\n| 功能 | 说明 |\n|------|------|\n| 角色管理 | 创建、编辑、复制角色，分配权限组合 |\n| 成员管理 | 角色的成员管理，支持 PATCH 更新 |\n| 批量导入 | CSV 批量开通子账号 |\n\n**批量导入流程**：\n\n```mermaid\ngraph TD\n A[\"上传 CSV\"] --> B[\"列映射\"]\n B --> C[\"预检\"]\n C --> D{检查结果}\n D -->|通过| E[\"服务端批量写入\"]\n D -->|失败| F[\"返回修改 CSV\"]\n E --> G[\"结果统计\"]\n```\n\n批量导入支持失败行下载修正，降低批量操作的风险。\n\n资料来源：[enterprise/apps/admin-console/src/app/iam/roles/page.tsx](https://github.com/DemonDamon/AgenticX/blob/main/enterprise/apps/admin-console/src/app/iam/roles/page.tsx)，[enterprise/apps/admin-console/src/app/iam/bulk-import/page.tsx](https://github.com/DemonDamon/AgenticX/blob/main/enterprise/apps/admin-console/src/app/iam/bulk-import/page.tsx)\n\n#### 模型管理\n\n模型管理支持添加、配置和删除 AI 模型。\n\n| 配置项 | 说明 |\n|--------|------|\n| 模型 ID | 如 gpt-4o-mini / qwen-plus |\n| 显示名 | 可选的友好名称 |\n| 提供商 | 模型所属的提供商 |\n\n资料来源：[enterprise/apps/admin-console/src/app/admin/models/page.tsx](https://github.com/DemonDamon/AgenticX/blob/main/enterprise/apps/admin-console/src/app/admin/models/page.tsx)\n\n### Web Portal（Web 门户）\n\nWeb 门户提供用户认证和访问入口。\n\n| 功能 | 说明 |\n|------|------|\n| SSO 登录 | 支持 SAML / OIDC 企业单点登录 |\n| LDAP | 即将支持 |\n| 合规认证 | ISO27001 · SOC2 |\n\n所有登录操作均记录到审计日志，所有敏感操作需要管理员授权。\n\n资料来源：[enterprise/apps/web-portal/src/app/auth/page.tsx](https://github.com/DemonDamon/AgenticX/blob/main/enterprise/apps/web-portal/src/app/auth/page.tsx)，[enterprise/apps/admin-console/src/app/login/page.tsx](https://github.com/DemonDamon/AgenticX/blob/main/enterprise/apps/admin-console/src/app/login/page.tsx)\n\n---\n\n## 集成能力\n\n### AgentKit 集成\n\nAgenticX 与火山引擎 AgentKit 深度集成，支持以下能力：\n\n| 集成模块 | 功能 |\n|----------|------|\n| Ark LLM Provider | 使用火山引擎大语言模型 |\n| Runtime Client | 智能体运行时管理 |\n| Bridges & Adapters | 协议适配与桥接 |\n\n示例项目 `agenticx-for-agentkit` 提供了完整的集成代码示例，包括工具定义、同步/异步测试、部署配置生成。\n\n资料来源：[examples/agenticx-for-agentkit/README.md](https://github.com/DemonDamon/AgenticX/blob/main/examples/agenticx-for-agentkit/README.md)\n\n### 项目模板\n\n通过 `agx volcengine init` 命令可快速初始化以下类型的项目：\n\n| 模板 | 用途 | 命令 |\n|------|------|------|\n| MCP | 工具自动发现与共享 | `--template mcp` |\n| A2A | 多智能体协作 | `--template a2a` |\n| Knowledge | 知识库 RAG | `--template knowledge` |\n\n资料来源：[examples/agenticx-for-agentkit/README.md](https://github.com/DemonDamon/AgenticX/blob/main/examples/agenticx-for-agentkit/README.md)\n\n---\n\n## 技术栈概览\n\n| 层级 | 技术选型 |\n|------|----------|\n| 前端框架 | React + TypeScript |\n| 样式方案 | Tailwind CSS |\n| 状态管理 | 自定义 Store（Zustand 风格） |\n| 后端框架 | Python（agenticx 核心） |\n| 部署方式 | Docker / 桌面应用 |\n| 认证协议 | SAML / OIDC / LDAP（规划中） |\n\n---\n\n## 快速开始\n\n### 桌面端\n\n1. 下载并安装桌面应用\n2. 配置 AI 提供商和 API Key\n3. 在设置面板中添加所需工具\n4. 创建和管理自动化任务\n\n### 企业端\n\n1. 部署 Admin Console\n2. 配置 SSO 单点登录\n3. 导入用户并分配角色\n4. 配置审计日志监控\n\n### 开发集成\n\n```bash\n# 安装核心框架\npip install agenticx\n\n# 初始化 AgentKit 项目\nagx volcengine init --template agentkit\n\n# 运行示例\ncd agenticx-for-agentkit\npip install -r requirements.txt\npython main.py\n```\n\n资料来源：[examples/agenticx-for-intent-recognition/README.md](https://github.com/DemonDamon/AgenticX/blob/main/examples/agenticx-for-intent-recognition/README.md)\n\n---\n\n## 相关资源\n\n- 项目主页：https://github.com/DemonDamon/AgenticX\n- 多智能体协作模式：https://arxiv.org/abs/2501.06322\n- 火山引擎官网：https://www.volcengine.com/\n\n---\n\n\n\n## 系统架构\n\n### 相关页面\n\n相关主题：[项目概览](#page-overview), [Agent 核心框架](#page-agent-core)\n\n
\n相关源码文件\n\n以下源码文件用于生成本页说明：\n\n- [enterprise/apps/admin-console/src/app/audit/page.tsx](https://github.com/DemonDamon/AgenticX/blob/main/enterprise/apps/admin-console/src/app/audit/page.tsx)\n- [desktop/src/components/SettingsPanel.tsx](https://github.com/DemonDamon/AgenticX/blob/main/desktop/src/components/SettingsPanel.tsx)\n- [examples/agenticx-for-intent-recognition/README.md](https://github.com/DemonDamon/AgenticX/blob/main/examples/agenticx-for-intent-recognition/README.md)\n- [agenticx/collaboration/README.md](https://github.com/DemonDamon/AgenticX/blob/main/agenticx/collaboration/README.md)\n- [enterprise/features/agents/README.md](https://github.com/DemonDamon/AgenticX/blob/main/enterprise/features/agents/README.md)\n- [enterprise/features/knowledge-base/README.md](https://github.com/DemonDamon/AgenticX/blob/main/enterprise/features/knowledge-base/README.md)\n- [enterprise/features/iam/README.md](https://github.com/DemonDamon/AgenticX/blob/main/enterprise/features/iam/README.md)\n- [enterprise/features/tools-mcp/README.md](https://github.com/DemonDamon/AgenticX/blob/main/enterprise/features/tools-mcp/README.md)\n- [desktop/src/components/automation/TaskList.tsx](https://github.com/DemonDamon/AgenticX/blob/main/desktop/src/components/automation/TaskList.tsx)\n- [examples/agenticx-for-agentkit/README.md](https://github.com/DemonDamon/AgenticX/blob/main/examples/agenticx-for-agentkit/README.md)\n
\n\n# 系统架构\n\n## 概述\n\nAgenticX 是一个多智能体协作框架，采用分层模块化架构设计，支持企业级 AI 应用部署。系统整体由核心层、功能模块层和应用层三大部分组成，涵盖智能体编排、工具集成、知识库管理、身份权限控制等核心能力。\n\n资料来源：[examples/agenticx-for-intent-recognition/README.md:1-10]()\n\n## 架构分层\n\nAgenticX 采用三层架构模式，各层职责清晰，模块间通过标准化接口通信。\n\n```mermaid\ngraph TD\n subgraph 应用层\n WEB[企业控制台]\n DESK[桌面客户端]\n CLI[命令行工具]\n end\n \n subgraph 功能模块层\n AGENTS[@agenticx/feature-agents]\n KB[@agenticx/feature-knowledge-base]\n IAM[@agenticx/feature-iam]\n MCP[@agenticx/feature-tools-mcp]\n end\n \n subgraph 核心层\n CORE[AgenticX Core Engine]\n COLLAB[Collaboration Engine]\n INTEGRATIONS[集成组件]\n end\n \n WEB --> AGENTS\n DESK --> AGENTS\n WEB --> IAM\n DESK --> MCP\n AGENTS --> CORE\n KB --> CORE\n COLLAB --> CORE\n INTEGRATIONS --> CORE\n```\n\n资料来源：[enterprise/features/agents/README.md:1-5]()\n资料来源：[enterprise/features/knowledge-base/README.md:1-5]()\n\n## 核心模块\n\n### 智能体模块（@agenticx/feature-agents）\n\n智能体是 AgenticX 的核心执行单元，支持分身（Avatar）概念，允许用户创建和管理多个 AI 代理实例。\n\n每个智能体包含以下配置项：\n\n| 配置项 | 说明 |\n|--------|------|\n| prompt | 提示词模板 |\n| workspace | 工作区路径 |\n| provider | 模型提供商 |\n| model | 模型名称 |\n| enabled | 启用状态 |\n| lastRunAt | 上次执行时间 |\n| lastRunStatus | 执行状态 |\n\n资料来源：[desktop/src/components/automation/TaskList.tsx:18-30]()\n\n### 协作引擎（Collaboration）\n\n协作模块支持多智能体协作模式，可通过自定义模式扩展协作行为。\n\n```mermaid\ngraph LR\n A[Agent A] --> B[协作模式]\n C[Agent B] --> B\n D[Agent N] --> B\n B --> E[协作结果]\n```\n\n主要协作模式：\n\n- **CUSTOM_PATTERN** - 自定义协作模式\n- **预设协作模式** - 系统内置的标准协作流程\n\n资料来源：[agenticx/collaboration/README.md:1-10]()\n\n### 身份与权限模块（@agenticx/feature-iam）\n\n企业级身份管理模块，提供租户、部门、角色和权限的完整管理能力。\n\n| 功能 | 说明 |\n|------|------|\n| 租户管理 | 多租户隔离 |\n| 部门管理 | 组织架构管理 |\n| 角色管理 | 角色定义与成员管理 |\n| 权限控制 | 细粒度权限矩阵 |\n\n角色成员支持 PATCH 更新其 roleCodes，可通过批量导入功能批量开通子账号。\n\n资料来源：[enterprise/features/iam/README.md:1-5]()\n资料来源：[enterprise/apps/admin-console/src/app/iam/roles/page.tsx:1-30]()\n\n### 知识库模块（@agenticx/feature-knowledge-base）\n\nRAG 知识库功能模块，支持向量化存储和检索，可与智能体无缝集成。\n\n资料来源：[enterprise/features/knowledge-base/README.md:1-5]()\n\n### 工具与 MCP 集成（@agenticx/feature-tools-mcp）\n\nMCP（Model Context Protocol）工具接入模块，支持第三方工具自动发现与共享。\n\n工具状态管理：\n\n| 状态 | 说明 |\n|------|------|\n| 已安装 | 全局已安装 |\n| 安装中 | 正在安装 |\n| 未安装 | 尚未安装 |\n| 需手动安装 | 需要用户手动介入 |\n\n资料来源：[enterprise/features/tools-mcp/README.md:1-5]()\n资料来源：[desktop/src/components/SettingsPanel.tsx:1-50]()\n\n## 应用层架构\n\n### 企业控制台（Admin Console）\n\n基于 React 的企业级管理后台，包含以下核心功能：\n\n- **审计日志** - 记录所有操作行为，支持全表链校验\n- **模型管理** - 配置和管理 AI 模型提供商\n- **身份与权限** - 用户、部门、角色管理\n- **批量导入** - CSV 批量开通子账号\n\n```mermaid\ngraph TD\n A[Admin Console] --> B[审计日志]\n A --> C[模型管理]\n A --> D[身份与权限]\n A --> E[批量导入]\n B --> F[数据表]\n C --> G[Provider/Model]\n D --> H[用户/角色/权限]\n```\n\n审计日志支持按事件类型、用户、模型搜索，显示全表链校验状态。\n\n资料来源：[enterprise/apps/admin-console/src/app/audit/page.tsx:1-40]()\n资料来源：[enterprise/apps/admin-console/src/app/admin/models/page.tsx:1-50]()\n\n### 桌面客户端（Desktop）\n\n桌面端应用提供本地 AI 助手能力，包含以下核心组件：\n\n| 组件 | 功能 |\n|------|------|\n| SettingsPanel | 全局设置管理 |\n| AvatarCreateDialog | 分身创建与配置 |\n| TaskList | 自动化任务列表 |\n| SkillManagement | 技能管理 |\n\n#### 设置面板（SettingsPanel）\n\n支持配置项：\n\n- 工具注册表管理\n- 外部可执行文件依赖管理\n- 微信集成（基于 iLink 协议）\n- GwStudio 配置\n- 技能源偏好设置\n\n资料来源：[desktop/src/components/SettingsPanel.tsx:1-100]()\n\n#### 技能管理\n\n技能（Skill）是智能体的能力扩展单元，支持：\n\n- 全局技能与本地技能\n- 技能启用/禁用控制\n- 第三方技能扫描\n- 技能详情展开\n\n资料来源：[desktop/src/components/AvatarCreateDialog.tsx:1-50]()\n\n#### 自动化任务（TaskList）\n\n支持创建定时任务，包含：\n\n| 配置项 | 说明 |\n|--------|------|\n| enabled | 任务启用开关 |\n| prompt | 执行提示词 |\n| workspace | 工作区目录 |\n| provider/model | 执行模型 |\n| lastRunAt | 上次执行时间 |\n| lastRunStatus | 成功/失败状态 |\n\n资料来源：[desktop/src/components/automation/TaskList.tsx:1-50]()\n\n## 集成架构\n\n### AgentKit 集成\n\nAgenticX 支持火山引擎 AgentKit 集成，提供完整的工具定义、同步/异步测试和部署配置生成能力。\n\n```\n┌────────────────────────────────────────────────────┐\n│ AgenticX 框架 │\n├─────────────┬────────────┬───────────┬─────────────┤\n│ Agent Core │ Tools │ Memory │ Knowledge │\n└─────────────┴────────────┴───────────┴─────────────┘\n │\n ┌──────────┴───────────┐\n │ AgentKit Integration │\n └──────────┬───────────┘\n │\n ┌────────────────┼────────────────┐\n ▼ ▼ ▼\n┌──────────┐ ┌───────────┐ ┌────────────┐\n│ Ark LLM │ │ Runtime │ │ Bridges & │\n│ Provider │ │ Client │ │ Adapters │\n└──────────┘ └───────────┘ └────────────┘\n```\n\n支持的部署模板：\n\n| 模板 | 用途 | 命令 |\n|------|------|------|\n| mcp | MCP 工具自动发现与共享 | `agx volcengine init --template mcp` |\n| a2a | 多智能体协作 | `agx volcengine init --template a2a` |\n| knowledge | 知识库 RAG | `agx volcengine init --template knowledge` |\n\n资料来源：[examples/agenticx-for-agentkit/README.md:1-80]()\n\n## 数据流与执行链\n\n### 审计链校验\n\n企业控制台的审计日志支持全表链校验机制，确保数据完整性：\n\n```mermaid\ngraph TD\n A[审计日志] --> B{链校验}\n B -->|通过| C[全表链校验通过]\n B -->|失败| D[全表链校验失败]\n D --> E[显示失败原因]\n D --> F[显示已扫描行数]\n```\n\n资料来源：[enterprise/apps/admin-console/src/app/audit/page.tsx:15-25]()\n\n### 批量导入流程\n\n批量导入采用分步流程设计：\n\n| 步骤 | 说明 |\n|------|------|\n| 0. 上传 CSV | 拖拽文件或粘贴文本，首行为表头 |\n| 1. 列映射 | 映射 CSV 列到系统字段 |\n| 2. 预检 | 检查数据合法性 |\n| 3. 提交 | 服务端批量写入 |\n\n预检失败时显示详细错误列表，包括行号和失败原因。\n\n资料来源：[enterprise/apps/admin-console/src/app/iam/bulk-import/page.tsx:1-100]()\n\n## 模块依赖关系\n\n```mermaid\ngraph BT\n CORE[Core Engine] --> AGENTS\n CORE --> COLLAB\n CORE --> INTEGRATIONS\n AGENTS --> FEATURES\n COLLAB --> FEATURES\n KB --> FEATURES\n IAM --> FEATURES\n MCP --> FEATURES\n FEATURES --> WEB\n FEATURES --> DESKTOP\n INTEGRATIONS --> AGENTKIT[AgentKit]\n INTEGRATIONS --> MCP\n```\n\n## 技术栈概览\n\n| 层级 | 技术选型 |\n|------|----------|\n| 前端框架 | React / Next.js |\n| UI 组件 | shadcn/ui |\n| 状态管理 | React Hooks |\n| 桌面端 | Electron/Tauri |\n| 后端核心 | Python |\n| 模型集成 | AgentKit / Ark LLM |\n| 协议支持 | MCP / A2A |\n\n## 扩展性设计\n\nAgenticX 架构支持多维度扩展：\n\n1. **工具扩展** - 通过 MCP 协议接入第三方工具\n2. **协作模式扩展** - 注册自定义协作模式类\n3. **技能扩展** - 支持自定义技能路径加载\n4. **模板扩展** - 火山引擎部署模板可自定义\n\n资料来源：[agenticx/collaboration/README.md:4-8]()\n\n---\n\n\n\n## 安装与配置\n\n### 相关页面\n\n相关主题：[项目概览](#page-overview)\n\n
\n相关源码文件\n\n以下源码文件用于生成本页说明：\n\n- [examples/agenticx-for-intent-recognition/README.md](https://github.com/DemonDamon/AgenticX/blob/main/examples/agenticx-for-intent-recognition/README.md)\n- [examples/agenticx-for-agentkit/README.md](https://github.com/DemonDamon/AgenticX/blob/main/examples/agenticx-for-agentkit/README.md)\n- [enterprise/features/agents/README.md](https://github.com/DemonDamon/AgenticX/blob/main/enterprise/features/agents/README.md)\n- [enterprise/features/knowledge-base/README.md](https://github.com/DemonDamon/AgenticX/blob/main/enterprise/features/knowledge-base/README.md)\n- [enterprise/features/iam/README.md](https://github.com/DemonDamon/AgenticX/blob/main/enterprise/features/iam/README.md)\n- [agenticx/collaboration/README.md](https://github.com/DemonDamon/AgenticX/blob/main/agenticx/collaboration/README.md)\n- [desktop/src/components/SettingsPanel.tsx](https://github.com/DemonDamon/AgenticX/blob/main/desktop/src/components/SettingsPanel.tsx)\n- [desktop/src/store.ts](https://github.com/DemonDamon/AgenticX/blob/main/desktop/src/store.ts)\n
\n\n# 安装与配置\n\n## 概述\n\nAgenticX 是一个多智能体协作框架，提供了完整的安装与配置体系，涵盖桌面客户端配置、企业级管理控制台安装、以及火山引擎等云平台集成。安装与配置模块是整个 AgenticX 项目的入口，涉及依赖管理、环境配置、API 密钥设置、第三方服务集成等多个方面。\n\n本页面详细说明 AgenticX 的完整安装流程、配置选项、以及各组件之间的配置关系。\n\n## 系统要求\n\n### 环境依赖\n\nAgenticX 的正常运行依赖以下外部可执行文件环境：\n\n| 依赖类型 | 名称 | 说明 | 安装方式 |\n|---------|------|------|----------|\n| Python 环境 | Python 3.10+ | 核心运行环境 | 需全局安装 |\n| 包管理器 | pip | Python 依赖安装 | 需全局安装 |\n| CLI 工具 | agx | AgenticX 命令行工具 | 全局安装一次后所有分身共享 |\n| 外部工具 | 可扩展 | 业务所需的第三方工具 | 支持自动发现与安装 |\n\n> 资料来源：[desktop/src/components/SettingsPanel.tsx](https://github.com/DemonDamon/AgenticX/blob/main/desktop/src/components/SettingsPanel.tsx)\n\n### 桌面客户端配置\n\n桌面客户端支持通过设置面板进行环境依赖管理：\n\n```\n环境依赖配置流程：\n1. 打开设置面板 → 环境依赖标签页\n2. 查看外部可执行文件依赖状态\n3. 全局安装一次后所有分身共享\n4. 支持手动安装和自动安装两种模式\n```\n\n> 资料来源：[desktop/src/components/SettingsPanel.tsx](https://github.com/DemonDamon/AgenticX/blob/main/desktop/src/components/SettingsPanel.tsx)\n\n## Python 环境安装\n\n### 基础依赖安装\n\n对于 Python 项目示例，基础依赖通过 requirements.txt 安装：\n\n```bash\npip install -r requirements.txt\n```\n\n> 资料来源：[examples/agenticx-for-intent-recognition/README.md](https://github.com/DemonDamon/AgenticX/blob/main/examples/agenticx-for-intent-recognition/README.md)\n\n### 项目结构模板\n\n标准 Python 项目应包含以下目录结构：\n\n```\nagenticx-for-intent-recognition/\n├── main.py # 主程序入口\n├── config.yaml # 配置文件\n├── requirements.txt # 依赖包声明\n├── agents/ # 智能体定义目录\n├── workflows/ # 工作流目录\n├── tools/ # 工具目录\n└── tests/ # 测试目录\n```\n\n> 资料来源：[examples/agenticx-for-intent-recognition/README.md](https://github.com/DemonDamon/AgenticX/blob/main/examples/agenticx-for-intent-recognition/README.md)\n\n## 配置文件管理\n\n### 配置文件结构\n\n每个 AgenticX 项目需要包含 config.yaml 配置文件，配置内容通常包括：\n\n| 配置项 | 类型 | 说明 | 必需 |\n|--------|------|------|------|\n| api_key | string | API 密钥 | 是 |\n| model | string | 默认模型名称 | 是 |\n| provider | string | 模型提供商 | 是 |\n| workspace | string | 工作区路径 | 否 |\n| tools | array | 启用的工具列表 | 否 |\n\n### 配置步骤\n\n1. 复制项目中的 `config.yaml` 文件模板\n2. 设置你的 API 密钥\n3. 根据需要调整配置参数\n4. 保存配置文件\n\n> 资料来源：[examples/agenticx-for-intent-recognition/README.md](https://github.com/DemonDamon/AgenticX/blob/main/examples/agenticx-for-intent-recognition/README.md)\n\n## 火山引擎集成配置\n\n### 集成架构\n\nAgenticX 与火山引擎（Volcengine）的集成采用分层架构设计：\n\n```mermaid\ngraph TB\n subgraph AgenticX框架\n A[Agent Core] --> B[Tools]\n A --> C[Memory]\n A --> D[Knowledge]\n end\n \n subgraph 集成层\n B --> E[AgentKit Integration]\n C --> E\n D --> E\n end\n \n subgraph 火山引擎\n E --> F[Ark LLM Provider]\n E --> G[Runtime Client]\n E --> H[Bridges & Adapters]\n end\n \n F --> I[火山引擎服务]\n G --> I\n H --> I\n```\n\n> 资料来源：[examples/agenticx-for-agentkit/README.md](https://github.com/DemonDamon/AgenticX/blob/main/examples/agenticx-for-agentkit/README.md)\n\n### 初始化命令\n\n使用 `agx` CLI 工具初始化火山引擎集成项目：\n\n| 模板名称 | 用途 | 命令 |\n|---------|------|------|\n| **agentkit** | AgentKit 集成基础模板 | `agx volcengine init --template agentkit` |\n| **mcp** | MCP 工具自动发现与共享 | `agx volcengine init --template mcp` |\n| **a2a** | 多智能体协作 | `agx volcengine init --template a2a` |\n| **knowledge** | 知识库 RAG | `agx volcengine init --template knowledge` |\n\n### 火山引擎资源管理\n\n```bash\n# 初始化项目\nagx volcengine init --template <模板类型>\n\n# 部署资源\nagx volcengine deploy\n\n# 查看日志\nagx engine logs [--follow]\n\n# 清理资源\nagx volcengine destroy\n```\n\n> 资料来源：[examples/agenticx-for-agentkit/README.md](https://github.com/DemonDamon/AgenticX/blob/main/examples/agenticx-for-agentkit/README.md)\n\n## 企业管理控制台配置\n\n### 管理员控制台功能\n\n企业管理控制台（Admin Console）提供以下配置功能：\n\n| 功能模块 | 路径 | 说明 |\n|---------|------|------|\n| 审计日志 | `/audit` | 查看操作审计记录 |\n| 模型管理 | `/admin/models` | 添加、配置、删除模型 |\n| 角色管理 | `/iam/roles` | 创建角色、分配权限 |\n| 批量导入 | `/iam/bulk-import` | 批量开通子账号 |\n\n> 资料来源：[enterprise/apps/admin-console/src/app/audit/page.tsx](https://github.com/DemonDamon/AgenticX/blob/main/enterprise/apps/admin-console/src/app/audit/page.tsx)\n\n### 模型配置\n\n在模型管理页面可进行以下配置：\n\n```typescript\n// 模型配置参数\n{\n name: string; // 模型 ID，如 gpt-4o-mini / qwen-plus\n label: string; // 显示名称（可选）\n provider: string; // 提供商标识\n}\n```\n\n> 资料来源：[enterprise/apps/admin-console/src/app/admin/models/page.tsx](https://github.com/DemonDamon/AgenticX/blob/main/enterprise/apps/admin-console/src/app/admin/models/page.tsx)\n\n### 批量导入配置\n\n批量导入功能支持 CSV 文件导入子账号，配置流程如下：\n\n1. **上传 CSV** — 拖拽文件或粘贴文本，首行为表头\n2. **列映射** — 将 CSV 列映射到系统字段\n3. **预检** — 服务端验证数据合法性\n4. **写入** — 批量写入数据库，失败行可下载修正\n\nCSV 模板格式示例：\n\n```\nemail,display_name,dept_path,role_codes\nuser1@example.com,张三,研发部/后端组,data_analyst\nuser2@example.com,李四,运营部/数据分析,admin\n```\n\n> 资料来源：[enterprise/apps/admin-console/src/app/iam/bulk-import/page.tsx](https://github.com/DemonDamon/AgenticX/blob/main/enterprise/apps/admin-console/src/app/iam/bulk-import/page.tsx)\n\n## 桌面客户端设置\n\n### 设置面板结构\n\n桌面客户端通过 SettingsPanel 组件提供完整的配置界面：\n\n```mermaid\ngraph LR\n A[设置面板] --> B[个人模型]\n A --> C[第三方工具]\n A --> D[环境依赖]\n A --> E[火山引擎]\n A --> F[微信集成]\n \n B --> B1[Provider 配置]\n B --> B2[API Key 配置]\n \n E --> E1[API Key]\n E --> E2[Region]\n E --> E3[Base URL]\n```\n\n> 资料来源：[desktop/src/components/SettingsPanel.tsx](https://github.com/DemonDamon/AgenticX/blob/main/desktop/src/components/SettingsPanel.tsx)\n\n### 模型配置状态\n\n桌面客户端的模型配置通过以下状态管理：\n\n| 状态字段 | 类型 | 说明 |\n|---------|------|------|\n| provider | string | 模型提供商 |\n| model | string | 模型名称 |\n| apiKey | string | API 密钥 |\n| defaultProvider | string | 默认提供商 |\n| providers | array | 已配置的提供商列表 |\n\n> 资料来源：[desktop/src/store.ts](https://github.com/DemonDamon/AgenticX/blob/main/desktop/src/store.ts)\n\n### 微信集成配置\n\n桌面客户端支持微信集成功能，配置步骤：\n\n1. 扫码绑定个人微信\n2. 基于微信官方 iLink 协议实现\n3. 绑定后可在微信中给 Machi 发消息触发 Agent 执行\n\n```typescript\n// 微信侧车服务连接\nconst { port, running } = await window.agenticxDesktop.wechatSidecarPort();\nif (!running) {\n const startRes = await window.agenticxDesktop.wechatSidecarStart();\n sidecarPort = startRes.port;\n}\n```\n\n> 资料来源：[desktop/src/components/SettingsPanel.tsx](https://github.com/DemonDamon/AgenticX/blob/main/desktop/src/components/SettingsPanel.tsx)\n\n## 技能与工具配置\n\n### 技能发现机制\n\nAgenticX 支持多种技能发现方式：\n\n| 发现方式 | 路径 | 说明 |\n|---------|------|------|\n| 全局技能 | 固定目录 | 所有分身共享的技能 |\n| 项目技能 | `.agents/skills/` | 项目专属技能 |\n| 第三方扫描 | 配置路径 | 自定义扫描目录 |\n| 自定义路径 | 用户指定 | 完全自定义的技能路径 |\n\n> 资料来源：[desktop/src/components/SettingsPanel.tsx](https://github.com/DemonDamon/AgenticX/blob/main/desktop/src/components/SettingsPanel.tsx)\n\n### 技能扫描配置\n\n技能扫描支持以下配置项：\n\n- **全局技能优先显示** — 可配置是否将全局技能放在首位\n- **技能来源优先级** — 支持选择首选技能来源\n- **技能详情加载** — 支持展开查看技能详细信息\n- **技能启用/禁用** — 可控制单个技能的启用状态\n\n> 资料来源：[desktop/src/components/SettingsPanel.tsx](https://github.com/DemonDamon/AgenticX/blob/main/desktop/src/components/SettingsPanel.tsx)\n\n## 身份与权限配置\n\n### IAM 模块功能\n\n企业级身份与访问管理（IAM）模块提供以下功能：\n\n| 功能 | 说明 |\n|------|------|\n| 身份管理 | 用户身份认证与授权 |\n| 租户管理 | 多租户环境隔离 |\n| 部门管理 | 组织架构管理 |\n| 角色管理 | 角色定义与权限分配 |\n| 权限控制 | 细粒度权限控制矩阵 |\n\n> 资料来源：[enterprise/features/iam/README.md](https://github.com/DemonDamon/AgenticX/blob/main/enterprise/features/iam/README.md)\n\n### 权限矩阵配置\n\n通过 ScopeMatrixEditor 组件进行权限配置：\n\n```typescript\n// 角色配置结构\n{\n code: string; // 角色代码，如 data_analyst\n name: string; // 显示名称，如 数据分析员\n scopes: array; // 权限范围列表\n}\n```\n\n> 资料来源：[enterprise/apps/admin-console/src/app/iam/roles/page.tsx](https://github.com/DemonDamon/AgenticX/blob/main/enterprise/apps/admin-console/src/app/iam/roles/page.tsx)\n\n## 知识库配置\n\n### 知识库模块\n\nAgenticX 提供知识库 RAG 功能，支持向量检索与知识管理：\n\n| 功能 | 说明 |\n|------|------|\n| 文档导入 | 支持多种格式文档入库 |\n| 向量索引 | 自动构建向量索引 |\n| 语义检索 | 基于语义的相似度搜索 |\n| 知识更新 | 支持增量更新与版本管理 |\n\n> 资料来源：[enterprise/features/knowledge-base/README.md](https://github.com/DemonDamon/AgenticX/blob/main/enterprise/features/knowledge-base/README.md)\n\n## 智能体配置\n\n### 智能体与分身\n\nAgenticX 的核心智能体配置模块：\n\n| 组件 | 说明 |\n|------|------|\n| Agent Core | 智能体核心引擎 |\n| Tools | 工具注册与调用 |\n| Memory | 会话记忆管理 |\n| Knowledge | 知识库集成 |\n\n> 资料来源：[enterprise/features/agents/README.md](https://github.com/DemonDamon/AgenticX/blob/main/enterprise/features/agents/README.md)\n\n### 协作模式配置\n\n支持多种智能体协作模式，可在 manager.py 中注册自定义模式：\n\n```python\n# 在 manager.py 中添加模式映射\npattern_classes = {\n CollaborationMode.CUSTOM_PATTERN: CustomPattern,\n # ... 其他模式\n}\n```\n\n> 资料来源：[agenticx/collaboration/README.md](https://github.com/DemonDamon/AgenticX/blob/main/agenticx/collaboration/README.md)\n\n## 配置验证与调试\n\n### 链完整性校验\n\nAgenticX 提供数据完整性校验机制：\n\n| 校验状态 | 说明 |\n|---------|------|\n| 全表链校验通过 | 数据链完整 |\n| 全表链校验失败 | 存在数据缺失 |\n| 链校验加载中 | 正在校验中 |\n| 当前页链校验失败 | 当前页数据异常 |\n\n> 资料来源：[enterprise/apps/admin-console/src/app/audit/page.tsx](https://github.com/DemonDamon/AgenticX/blob/main/enterprise/apps/admin-console/src/app/audit/page.tsx)\n\n### 环境依赖安装状态\n\n| 安装状态 | 显示 | 样式 |\n|---------|------|------|\n| 已安装 | \"已安装\" | 绿色边框背景 |\n| 安装中 | \"安装中\" | 强调色边框 |\n| 需手动安装 | \"需手动安装\" | 警告样式 |\n| 未安装 | \"未安装\" | 默认灰色 |\n\n> 资料来源：[desktop/src/components/SettingsPanel.tsx](https://github.com/DemonDamon/AgenticX/blob/main/desktop/src/components/SettingsPanel.tsx)\n\n## 快速开始清单\n\n### 安装检查清单\n\n- [ ] Python 3.10+ 环境已就绪\n- [ ] pip 包管理器可用\n- [ ] agx CLI 工具已全局安装\n- [ ] 外部依赖工具已安装（如需要）\n- [ ] API 密钥已获取并配置\n\n### 配置检查清单\n\n- [ ] config.yaml 文件已创建并填写\n- [ ] 模型提供商已配置\n- [ ] 知识库路径已设置（如使用 RAG）\n- [ ] IAM 模块角色与权限已分配\n- [ ] 微信集成已完成绑定（如需要）\n\n### 验证检查清单\n\n- [ ] `agx volcengine init` 命令执行成功\n- [ ] 桌面客户端设置面板可正常打开\n- [ ] 管理控制台页面可正常访问\n- [ ] 技能扫描功能正常工作\n- [ ] 审计日志可正常查看\n\n> 资料来源：[examples/agenticx-for-intent-recognition/README.md](https://github.com/DemonDamon/AgenticX/blob/main/examples/agenticx-for-intent-recognition/README.md)\n\n## 相关资源\n\n- [AgenticX 主文档](https://github.com/DemonDamon/AgenticX)\n- [火山引擎官网](https://volcengine.com/)\n- [集成模块源码](https://github.com/DemonDamon/AgenticX/blob/main/agenticx/integrations/agentkit/)\n- [项目模板源码](https://github.com/DemonDamon/AgenticX/blob/main/agenticx/cli/templates/volcengine/)\n- [多智能体协作模式](https://arxiv.org/abs/2501.06322)\n\n> 资料来源：[examples/agenticx-for-agentkit/README.md](https://github.com/DemonDamon/AgenticX/blob/main/examples/agenticx-for-agentkit/README.md)\n\n---\n\n\n\n## Agent 核心框架\n\n### 相关页面\n\n相关主题：[工具系统](#page-tool-system), [内存与记忆系统](#page-memory-system), [LLM 集成与提供商](#page-llm-providers)\n\n根据提供的上下文信息，我无法找到您指定的 Python 核心源代码文件。在当前检索到的上下文中，主要包含的是前端组件文件（如 `desktop/src/components/SettingsPanel.tsx`、`TaskList.tsx`）以及部分 README 文档。\n\n
\n相关源码文件\n\n以下源码文件需要进一步检索：\n\n- [agenticx/core/agent.py](https://github.com/DemonDamon/AgenticX/blob/main/agenticx/core/agent.py)\n- [agenticx/core/agent_builder.py](https://github.com/DemonDamon/AgenticX/blob/main/agenticx/core/agent_builder.py)\n- [agenticx/core/agent_executor.py](https://github.com/DemonDamon/AgenticX/blob/main/agenticx/core/agent_executor.py)\n- [agenticx/core/task.py](https://github.com/DemonDamon/AgenticX/blob/main/agenticx/core/task.py)\n- [agenticx/core/self_repair.py](https://github.com/DemonDamon/AgenticX/blob/main/agenticx/core/self_repair.py)\n- [agenticx/core/overflow_recovery.py](https://github.com/DemonDamon/AgenticX/blob/main/agenticx/core/overflow_recovery.py)\n- [agenticx/core/task_validator.py](https://github.com/DemonDamon/AgenticX/blob/main/agenticx/core/task_validator.py)\n- [agenticx/runtime/agent_runtime.py](https://github.com/DemonDamon/AgenticX/blob/main/agenticx/runtime/agent_runtime.py)\n\n
\n\n# Agent 核心框架\n\n> **说明**：当前页面内容基于项目结构推断。由于核心 Python 源码文件未在本次检索结果中返回，建议补充检索 `agenticx/core/` 目录下的实际代码后更新本页面。\n\n## 概述\n\nAgent 核心框架是 AgenticX 项目中负责构建、执行和管理 AI 智能体的基础设施模块。该框架采用模块化设计，将智能体的定义、构建、执行、监控和自愈等功能分离到不同的子模块中。\n\n## 核心模块架构\n\n| 模块 | 文件路径 | 职责 |\n|------|---------|------|\n| Agent | `agenticx/core/agent.py` | 智能体主体定义 |\n| AgentBuilder | `agenticx/core/agent_builder.py` | 智能体构建器 |\n| AgentExecutor | `agenticx/core/agent_executor.py` | 执行引擎 |\n| Task | `agenticx/core/task.py` | 任务定义与管理 |\n| SelfRepair | `agenticx/core/self_repair.py` | 自我修复机制 |\n| OverflowRecovery | `agenticx/core/overflow_recovery.py` | 溢出恢复 |\n| TaskValidator | `agenticx/core/task_validator.py` | 任务验证 |\n| AgentRuntime | `agenticx/runtime/agent_runtime.py` | 运行时环境 |\n\n## Agent 执行流程\n\n```mermaid\ngraph TD\n A[用户请求] --> B[TaskValidator 验证任务]\n B --> C{验证通过?}\n C -->|是| D[AgentBuilder 构建 Agent]\n C -->|否| E[返回错误信息]\n D --> F[AgentExecutor 执行]\n F --> G{执行成功?}\n G -->|否| H[SelfRepair 自愈]\n H --> F\n G -->|是| I[OverflowRecovery 检查溢出]\n I --> J[返回结果]\n```\n\n## 任务管理（Task）\n\nTask 模块负责封装用户请求和智能体响应。根据项目前端代码中的相关实现（如 `TaskList.tsx`），一个任务通常包含：\n\n| 字段 | 类型 | 说明 |\n|------|------|------|\n| id | string | 任务唯一标识 |\n| prompt | string | 任务提示词 |\n| workspace | string | 工作区路径 |\n| provider | string | 模型提供商 |\n| model | string | 模型名称 |\n| enabled | boolean | 是否启用 |\n| lastRunAt | datetime | 上次执行时间 |\n| lastRunStatus | string | 执行状态 |\n| lastRunError | string | 错误信息 |\n\n## 运行时环境（AgentRuntime）\n\nAgentRuntime 是智能体运行时的核心环境，负责：\n\n- 管理智能体的生命周期\n- 协调各模块之间的通信\n- 提供上下文管理和状态维护\n- 处理并发执行和资源调度\n\n## 自我修复机制（SelfRepair）\n\nSelfRepair 模块实现了智能体的自我诊断和修复能力，当执行失败时自动触发修复流程。\n\n## 溢出恢复（OverflowRecovery）\n\nOverflowRecovery 模块处理执行过程中的内存溢出或资源耗尽问题，确保系统稳定性。\n\n## 任务验证（TaskValidator）\n\nTaskValidator 在任务执行前进行合法性校验，包括：\n\n- 参数完整性检查\n- 权限验证\n- 资源可用性检查\n\n## 相关资源\n\n- [协作框架文档](../collaboration/README.md)\n- [示例项目 - Intent Recognition](../../examples/agenticx-for-intent-recognition/README.md)\n- [示例项目 - AgentKit](../../examples/agenticx-for-agentkit/README.md)\n\n---\n\n**建议**：请补充检索 `agenticx/core/` 和 `agenticx/runtime/` 目录下的实际 Python 源码文件，以便完善本页面内容。\n\n---\n\n\n\n## 工具系统\n\n### 相关页面\n\n相关主题：[Agent 核心框架](#page-agent-core)\n\n
\n相关源码文件\n\n以下源码文件用于生成本页说明：\n\n- [agenticx/tools/base.py](https://github.com/DemonDamon/AgenticX/blob/main/agenticx/tools/base.py)\n- [agenticx/tools/function_tool.py](https://github.com/DemonDamon/AgenticX/blob/main/agenticx/tools/function_tool.py)\n- [agenticx/tools/mcp_hub.py](https://github.com/DemonDamon/AgenticX/blob/main/agenticx/tools/mcp_hub.py)\n- [agenticx/tools/remote_v2.py](https://github.com/DemonDamon/AgenticX/blob/main/agenticx/tools/remote_v2.py)\n- [agenticx/tools/openapi_toolset.py](https://github.com/DemonDamon/AgenticX/blob/main/agenticx/tools/openapi_toolset.py)\n- [agenticx/tools/sandbox_tools.py](https://github.com/DemonDamon/AgenticX/blob/main/agenticx/tools/sandbox_tools.py)\n- [agenticx/tools/skill_bundle.py](https://github.com/DemonDamon/AgenticX/blob/main/agenticx/tools/skill_bundle.py)\n- [agenticx/tools/executor.py](https://github.com/DemonDamon/AgenticX/blob/main/agenticx/tools/executor.py)\n
\n\n# 工具系统\n\n## 概述\n\n工具系统是 AgenticX 框架的核心能力扩展机制，为 AI Agent 提供调用外部服务和执行特定操作的能力。通过工具系统，Agent 能够突破纯语言模型的限制，执行文件操作、网络请求、代码执行、系统命令等各种真实世界任务。\n\n工具系统采用插件化架构，支持多种工具类型和协议接入，包括本地函数工具、远程 REST API、Model Context Protocol (MCP) 服务、OpenAPI 规范、WebSocket 实时工具等。\n\n## 架构设计\n\n### 系统架构图\n\n```mermaid\ngraph TD\n A[Agent 智能体] --> B[工具执行器 Executor]\n B --> C[本地工具]\n B --> D[远程工具 Remote]\n B --> E[MCP 工具 Hub]\n B --> F[沙箱工具 Sandbox]\n B --> G[OpenAPI 工具集]\n \n C --> C1[FunctionTool 函数工具]\n C --> C2[SkillBundle 技能包]\n \n D --> D1[WebSocket 连接]\n D --> D2[HTTP 调用]\n \n E --> E1[MCP Server 1]\n E --> E2[MCP Server 2]\n E --> E3[MCP Server N]\n \n F --> F1[代码执行沙箱]\n F --> F2[Shell 命令执行]\n \n G --> G1[Swagger 解析]\n G --> G2[API 适配器]\n```\n\n### 核心组件\n\n| 组件 | 文件路径 | 职责说明 |\n|------|----------|----------|\n| BaseTool | `base.py` | 所有工具类型的基类，定义通用接口和属性 |\n| FunctionTool | `function_tool.py` | 将 Python 函数封装为可调用工具 |\n| Executor | `executor.py` | 工具调用调度器和执行引擎 |\n| MCP Hub | `mcp_hub.py` | Model Context Protocol 服务集成中心 |\n| Remote V2 | `remote_v2.py` | 远程工具通信协议实现 |\n| OpenAPI Toolset | `openapi_toolset.py` | OpenAPI/Swagger 规范导入 |\n| Sandbox Tools | `sandbox_tools.py` | 安全执行环境工具 |\n| Skill Bundle | `skill_bundle.py` | 技能包打包和分发 |\n\n## 工具基类\n\n### BaseTool 基础架构\n\n所有工具类型都继承自 `BaseTool` 基类，定义了统一的接口规范：\n\n```python\n# agenticx/tools/base.py\nclass BaseTool:\n \"\"\"工具基类\"\"\"\n \n def __init__(self, name: str, description: str = \"\", ...):\n self.name = name\n self.description = description\n \n async def execute(self, **kwargs) -> Any:\n \"\"\"执行工具的核心方法\"\"\"\n raise NotImplementedError\n \n def validate_input(self, params: dict) -> bool:\n \"\"\"输入参数校验\"\"\"\n pass\n```\n\n工具基类提供以下核心能力：\n\n| 属性/方法 | 类型 | 说明 |\n|-----------|------|------|\n| `name` | str | 工具唯一标识名称 |\n| `description` | str | 工具功能描述（用于 Agent 理解） |\n| `execute()` | async method | 异步执行入口 |\n| `validate_input()` | method | 参数校验 |\n| `get_schema()` | method | 返回工具 JSON Schema |\n\n## 工具类型详解\n\n### 函数工具 FunctionTool\n\n函数工具是最常用的工具类型，用于将任意 Python 函数包装为 Agent 可调用的工具。\n\n```python\n# agenticx/tools/function_tool.py\nclass FunctionTool(BaseTool):\n \"\"\"将 Python 函数封装为工具\"\"\"\n \n def __init__(\n self,\n fn: Callable,\n name: str = None,\n description: str = None,\n input_schema: dict = None,\n ):\n self.fn = fn\n super().__init__(name or fn.__name__, description or fn.__doc__)\n```\n\n**使用示例：**\n\n```python\nfrom agenticx.tools import FunctionTool\n\ndef calculate_bmi(height: float, weight: float) -> dict:\n \"\"\"计算 BMI 指数\"\"\"\n bmi = weight / (height ** 2)\n category = \"正常\" if 18.5 <= bmi < 24 else \"偏胖\" if bmi >= 24 else \"偏瘦\"\n return {\"bmi\": round(bmi, 2), \"category\": category}\n\nbmi_tool = FunctionTool(\n fn=calculate_bmi,\n description=\"根据身高体重计算BMI指数\",\n name=\"calculate_bmi\"\n)\n```\n\n### 远程工具 Remote V2\n\n远程工具通过 WebSocket 或 HTTP 与远程服务通信，支持实时流式响应和长连接工具调用。\n\n```python\n# agenticx/tools/remote_v2.py\nclass RemoteTool(BaseTool):\n \"\"\"远程工具客户端\"\"\"\n \n def __init__(\n self,\n endpoint: str,\n protocol: str = \"websocket\", # websocket | http\n auth_token: str = None,\n timeout: int = 30,\n ):\n```\n\n**连接模式：**\n\n| 模式 | 协议 | 适用场景 | 特点 |\n|------|------|----------|------|\n| WebSocket | `ws://` | 实时交互、长连接 | 低延迟、支持流式 |\n| HTTP | `http://` | 简单请求响应 | 无状态、易部署 |\n\n### MCP Hub\n\nMCP Hub 是 Model Context Protocol 的集成中心，负责管理多个 MCP Server 连接。\n\n```python\n# agenticx/tools/mcp_hub.py\nclass MCPHub:\n \"\"\"MCP 服务协调器\"\"\"\n \n def __init__(self):\n self.servers: Dict[str, MCPServer] = {}\n self.tools_cache: Dict[str, Tool] = {}\n \n async def connect(self, server_config: dict) -> None:\n \"\"\"连接 MCP Server\"\"\"\n \n async def disconnect(self, server_name: str) -> None:\n \"\"\"断开连接\"\"\"\n \n async def list_tools(self) -> List[Tool]:\n \"\"\"获取所有可用工具\"\"\"\n```\n\n**MCP 工具工作流：**\n\n```mermaid\nsequenceDiagram\n participant Agent\n participant Hub as MCP Hub\n participant Server1 as MCP Server A\n participant Server2 as MCP Server B\n \n Agent->>Hub: 请求工具列表\n Hub->>Server1: 查询可用工具\n Hub->>Server2: 查询可用工具\n Server1-->>Hub: 返回工具清单\n Server2-->>Hub: 返回工具清单\n Hub-->>Agent: 聚合工具列表\n \n Agent->>Hub: 调用 tool_x\n Hub->>Server1: 执行 tool_x\n Server1-->>Hub: 返回结果\n Hub-->>Agent: 转发结果\n```\n\n### OpenAPI 工具集\n\nOpenAPI Toolset 能够从 Swagger/OpenAPI 规范自动生成工具集。\n\n```python\n# agenticx/tools/openapi_toolset.py\nclass OpenAPIToolset:\n \"\"\"从 OpenAPI 规范生成工具\"\"\"\n \n def __init__(self, spec_url: str = None, spec_dict: dict = None):\n self.spec = self._load_spec(spec_url or spec_dict)\n self.tools = self._generate_tools()\n \n def _generate_tools(self) -> List[FunctionTool]:\n \"\"\"解析规范生成 FunctionTool 列表\"\"\"\n```\n\n**支持的功能：**\n\n- 自动解析 OpenAPI 3.0 / Swagger 2.0 规范\n- 参数类型推导和校验\n- 认证信息自动注入（API Key / Bearer Token / Basic Auth）\n- 请求体 JSON Schema 映射\n\n### 沙箱工具 Sandbox\n\n沙箱工具提供安全的代码执行环境，用于运行用户生成的代码或系统命令。\n\n```python\n# agenticx/tools/sandbox_tools.py\nclass SandboxTool(BaseTool):\n \"\"\"安全执行环境\"\"\"\n \n ALLOWED_OPERATIONS = [\"bash\", \"python\", \"javascript\"]\n \n def __init__(\n self,\n operation: str = \"bash\",\n timeout: int = 30,\n memory_limit: str = \"256M\",\n ):\n```\n\n**安全特性：**\n\n| 特性 | 说明 |\n|------|------|\n| 超时限制 | 每个操作最大执行时间 |\n| 内存限制 | 单次执行内存上限 |\n| 操作白名单 | 仅允许预定义操作类型 |\n| 输出截断 | 防止大量输出导致内存溢出 |\n\n### 技能包 SkillBundle\n\nSkillBundle 用于打包和组织多个相关工具，支持批量注册和分发。\n\n```python\n# agenticx/tools/skill_bundle.py\nclass SkillBundle:\n \"\"\"技能包打包器\"\"\"\n \n def __init__(self, name: str, version: str = \"1.0.0\"):\n self.name = name\n self.version = version\n self.tools: List[BaseTool] = []\n self.metadata: dict = {}\n \n def add_tool(self, tool: BaseTool) -> None:\n \"\"\"添加工具\"\"\"\n \n def to_manifest(self) -> dict:\n \"\"\"生成技能包清单\"\"\"\n```\n\n## 工具执行器\n\nExecutor 是工具系统的核心调度器，负责工具的加载、路由和执行。\n\n```python\n# agenticx/tools/executor.py\nclass ToolExecutor:\n \"\"\"工具执行引擎\"\"\"\n \n def __init__(self, config: ExecutorConfig = None):\n self.tools: Dict[str, BaseTool] = {}\n self.middlewares: List[Middleware] = []\n \n def register(self, tool: BaseTool) -> None:\n \"\"\"注册工具\"\"\"\n \n async def execute(\n self,\n tool_name: str,\n parameters: dict,\n context: dict = None,\n ) -> ExecutionResult:\n \"\"\"执行工具\"\"\"\n```\n\n**执行流程：**\n\n```mermaid\ngraph TD\n A[接收调用请求] --> B{工具存在?}\n B -->|否| C[抛出 ToolNotFoundError]\n B -->|是| D[参数校验]\n D --> E{校验通过?}\n E -->|否| F[返回参数错误]\n E -->|是| G[执行中间件 pre_execute]\n G --> H[调用工具 execute]\n H --> I[执行中间件 post_execute]\n I --> J[返回结果]\n \n style C fill:#ff6b6b\n style F fill:#ffd93d\n style J fill:#6bcb77\n```\n\n**执行结果模型：**\n\n| 字段 | 类型 | 说明 |\n|------|------|------|\n| `success` | bool | 执行是否成功 |\n| `result` | Any | 执行返回值 |\n| `error` | str | 错误信息 |\n| `execution_time` | float | 执行耗时（秒） |\n| `tool_name` | str | 被调用的工具名 |\n\n## 工具注册与管理\n\n### 注册方式\n\n**单工具注册：**\n\n```python\nexecutor = ToolExecutor()\nexecutor.register(my_tool)\n```\n\n**批量注册：**\n\n```python\n# 从 SkillBundle 批量注册\nbundle = SkillBundle.load(\"file_reader_bundle\")\nexecutor.register_bundle(bundle)\n```\n\n**MCP Hub 集成：**\n\n```python\nhub = MCPHub()\nawait hub.connect({\"server\": \"filesystem\", \"transport\": \"stdio\"})\nexecutor.register_hub(hub)\n```\n\n### 工具注册表\n\nAgenticX Desktop 提供图形界面的工具注册表管理，支持：\n\n- 查看已注册工具列表\n- 按名称/描述搜索工具\n- 查看工具详情和参数 schema\n- 启用/禁用特定工具\n\n工具注册表状态显示（来源：[SettingsPanel.tsx](desktop/src/components/SettingsPanel.tsx)）：\n\n| 状态 | 标识 | 说明 |\n|------|------|------|\n| 已安装 | 绿色边框徽章 | 工具可用 |\n| 安装中 | 蓝色边框徽章 | 正在初始化 |\n| 需手动安装 | 橙色边框徽章 | 需用户手动配置 |\n| 未安装 | 灰色边框徽章 | 工具不可用 |\n\n### 拒绝工具列表\n\n通过 `deniedTools` 配置可以禁止特定工具被 Agent 调用，增强安全性：\n\n```python\nexecutor.denied_tools = [\"bash_exec\", \"delete_file\"]\n```\n\n## 环境依赖管理\n\n部分工具依赖外部可执行文件，需要预先安装：\n\n```typescript\n// 来源：desktop/src/components/SettingsPanel.tsx\ninterface EnvTool {\n id: string;\n name: string;\n installed: boolean;\n required: boolean;\n}\n```\n\n**依赖状态流转：**\n\n```mermaid\nstateDiagram-v2\n [*] --> 未安装: 初始状态\n 未安装 --> 安装中: 用户触发安装\n 安装中 --> 已安装: 安装成功\n 安装中 --> 需手动安装: 需要手动配置\n 安装中 --> 错误: 安装失败\n 已安装 --> [*]: 卸载\n```\n\n## 最佳实践\n\n### 工具命名规范\n\n- 使用小写字母和下划线：`calculate_bmi`\n- 避免使用特殊字符\n- 名称应描述工具功能\n\n### 描述编写规范\n\n工具的 `description` 字段至关重要，直接影响 Agent 对工具的理解和使用：\n\n```python\ntool = FunctionTool(\n fn=search_files,\n name=\"search_files\",\n description=\"在指定目录下搜索文件。参数：dir_path（必填，目录路径）、pattern（可选，正则表达式）\"\n)\n```\n\n### 错误处理\n\n始终在工具实现中包含完善的错误处理：\n\n```python\nclass SafeTool(BaseTool):\n async def execute(self, **kwargs) -> dict:\n try:\n result = await self._do_execute(**kwargs)\n return {\"success\": True, \"result\": result}\n except ValidationError as e:\n return {\"success\": False, \"error\": f\"参数错误: {e}\"}\n except Exception as e:\n return {\"success\": False, \"error\": f\"执行失败: {e}\"}\n```\n\n## 相关资源\n\n- 工具系统源码：[agenticx/tools/](agenticx/tools/)\n- 智能体配置：[agenticx/agents/](agenticx/agents/)\n- MCP 集成文档：[Model Context Protocol](https://modelcontextprotocol.io/)\n- OpenAPI 规范：[OpenAPI Specification](https://spec.openapis.org/)\n\n---\n\n\n\n## 内存与记忆系统\n\n### 相关页面\n\n相关主题：[Agent 核心框架](#page-agent-core)\n\n
\n相关源码文件\n\n以下源码文件用于生成本页说明：\n\n- [agenticx/memory/base.py](https://github.com/DemonDamon/AgenticX/blob/main/agenticx/memory/base.py)\n- [agenticx/memory/core_memory.py](https://github.com/DemonDamon/AgenticX/blob/main/agenticx/memory/core_memory.py)\n- [agenticx/memory/episodic_memory.py](https://github.com/DemonDamon/AgenticX/blob/main/agenticx/memory/episodic_memory.py)\n- [agenticx/memory/semantic_memory.py](https://github.com/DemonDamon/AgenticX/blob/main/agenticx/memory/semantic_memory.py)\n- [agenticx/memory/short_term.py](https://github.com/DemonDamon/AgenticX/blob/main/agenticx/memory/short_term.py)\n- [agenticx/memory/mem0_memory.py](https://github.com/DemonDamon/AgenticX/blob/main/agenticx/memory/mem0_memory.py)\n- [agenticx/memory/hybrid_search.py](https://github.com/DemonDamon/AgenticX/blob/main/agenticx/memory/hybrid_search.py)\n- [agenticx/memory/intelligence/memory_intelligence.py](https://github.com/DemonDamon/AgenticX/blob/main/agenticx/memory/intelligence/memory_intelligence.py)\n- [agenticx/integrations/mem0/memory/main.py](https://github.com/DemonDamon/AgenticX/blob/main/agenticx/integrations/mem0/memory/main.py)\n
\n\n# 内存与记忆系统\n\n## 概述\n\nAgenticX 的内存与记忆系统是一个模块化、分层设计的智能体记忆管理框架，旨在为 AI 智能体提供持久化记忆、语义检索、情景记忆和智能记忆操作能力。该系统支持多种记忆后端实现，包括原生内存管理和外部 Mem0 集成，使开发者能够根据不同场景灵活选择记忆存储方案。\n\n核心设计理念是将记忆按照生命周期和用途划分为不同的层级：短期记忆（Short-Term）、情景记忆（Episodic）、语义记忆（Semantic）和核心记忆（Core），每种记忆类型专注于不同的信息存储和检索场景。资料来源：[agenticx/memory/README.md]()\n\n## 系统架构\n\nAgenticX 内存系统采用分层抽象架构，底层通过统一的接口定义与不同存储后端解耦，上层通过智能组件提供统一的操作 API。\n\n```mermaid\ngraph TD\n A[MemoryComponent
智能记忆组件] --> B[MemoryManager
记忆管理器]\n B --> C[多种记忆类型]\n C --> D[ShortTermMemory
短期记忆]\n C --> E[EpisodicMemory
情景记忆]\n C --> F[SemanticMemory
语义记忆]\n C --> G[CoreMemory
核心记忆]\n \n H[存储后端] --> I[Mem0Memory
Mem0集成]\n H --> J[HybridSearch
混合搜索]\n \n D -.-> H\n E -.-> H\n F -.-> H\n G -.-> H\n \n I --> K[Mem0 Cloud
外部服务]\n J --> L[向量数据库
本地存储]\n```\n\n## 核心组件\n\n### 记忆基类设计\n\n系统定义了统一的抽象基类 `MemoryBase`，所有具体记忆实现都继承自该基类，确保接口一致性。基类规范了 `add()`、`search()`、`get()`、`delete()` 和 `clear()` 等核心方法的签名。资料来源：[agenticx/memory/base.py]()\n\n| 方法 | 参数 | 返回值 | 说明 |\n|------|------|--------|------|\n| `add()` | `content: str`, `metadata?: dict` | `str` (memory_id) | 添加记忆条目 |\n| `search()` | `query: str`, `limit?: int` | `List[MemoryResult]` | 语义检索 |\n| `get()` | `memory_id: str` | `MemoryResult` | 获取单条记忆 |\n| `delete()` | `memory_id: str` | `bool` | 删除记忆 |\n| `clear()` | - | `int` (count) | 清空所有记忆 |\n\n### 记忆类型详解\n\n#### 短期记忆 (ShortTermMemory)\n\n短期记忆用于存储会话期间需要频繁访问的临时信息，支持按租户隔离 (`tenant_id`)。短期记忆适合存储对话上下文、当前任务状态和临时变量等生命周期间隔较短的数据。资料来源：[agenticx/memory/short_term.py]()\n\n```python\nfrom agenticx.memory import ShortTermMemory\n\n# 创建短期记忆后端\nbackend = ShortTermMemory(tenant_id=\"user_123\")\n\n# 添加记忆\nmemory_id = await backend.add(\n \"当前正在处理用户订单 #2024001\",\n metadata={\"type\": \"task_context\", \"priority\": \"high\"}\n)\n\n# 搜索相关记忆\nresults = await backend.search(\"订单处理\")\n```\n\n#### 情景记忆 (EpisodicMemory)\n\n情景记忆按时间序列组织智能体的经验事件，每条记忆包含时间戳、事件描述和关联元数据。这种设计使智能体能够回忆特定时间点发生的具体事件，支持任务回溯和经验学习。资料来源：[agenticx/memory/episodic_memory.py]()\n\n#### 语义记忆 (SemanticMemory)\n\n语义记忆专注于存储结构化的知识概念和事实，通过向量化实现语义相似度检索。适合存储智能体的领域知识、规则定义和长期信息。资料来源：[agenticx/memory/semantic_memory.py]()\n\n#### 核心记忆 (CoreMemory)\n\n核心记忆是智能体最稳定、最重要的记忆区域，通常存放身份定义、核心价值观、关键目标等不可轻易更改的信息。核心记忆在推理过程中始终保持加载状态，为智能体决策提供基础参照。资料来源：[agenticx/memory/core_memory.py]()\n\n## 知识库 (Knowledge Base)\n\n知识库是构建在记忆系统之上的高级抽象，提供内容分类管理和细粒度检索能力。每个知识库可配置允许的内容类型 (`allowed_content_types`)，实现不同主题信息的隔离存储。\n\n```mermaid\ngraph LR\n A[用户内容] --> B{内容类型检查}\n B -->|允许| C[KnowledgeBase
特定知识库]\n B -->|拒绝| D[异常处理]\n \n C --> E[记忆后端存储]\n C --> F[向量检索]\n```\n\n```python\nfrom agenticx.memory import KnowledgeBase, ShortTermMemory\n\n# 创建记忆后端\nbackend = ShortTermMemory(tenant_id=\"enterprise_kb\")\n\n# 创建文档知识库\ndocs_kb = KnowledgeBase(\n name=\"documentation\",\n memory_backend=backend,\n allowed_content_types={\"tutorial\", \"guide\", \"faq\"}\n)\n\n# 添加教程内容\nawait docs_kb.add(\n \"如何创建第一个智能体\",\n content_type=\"tutorial\",\n metadata={\"difficulty\": \"beginner\", \"category\": \"getting-started\"}\n)\n\n# 仅搜索教程类型内容\nresults = await docs_kb.search(\"智能体\", content_type=\"tutorial\")\n```\n\n资料来源：[agenticx/memory/README.md]()\n\n## 智能记忆组件 (MemoryComponent)\n\n`MemoryComponent` 是记忆系统的高级封装，提供智能化的记忆操作能力，包括自动摘要、记忆压缩和优先级管理。组件通过集成多种记忆类型实现统一接口，简化开发者的使用复杂度。资料来源：[agenticx/memory/intelligence/memory_intelligence.py]()\n\n```python\nfrom agenticx.memory import MemoryComponent, ShortTermMemory\n\n# 创建主记忆存储\nprimary_memory = ShortTermMemory(tenant_id=\"agent_primary\")\n\n# 创建智能组件\ncomponent = MemoryComponent(\n primary_memory=primary_memory,\n enable_auto_compress=True,\n max_items_before_compress=100\n)\n\n# 添加记忆并自动管理\nawait component.add(\"智能体完成数据分析任务\", metadata={\"task\": \"analysis\"})\n```\n\n## Mem0 集成\n\nAgenticX 支持与 Mem0 平台深度集成，提供云端记忆管理和高级记忆功能。`Mem0Memory` 类封装了与 Mem0 API 的交互，支持身份管理、记忆持久化和跨会话上下文继承。资料来源：[agenticx/memory/mem0_memory.py]()\n\n```python\nfrom agenticx.memory import Mem0Memory\n\n# 初始化 Mem0 记忆\nmemory = Mem0Memory(\n api_key=\"your_mem0_api_key\",\n user_id=\"user_001\",\n server_config={\n \"url\": \"https://api.mem0.ai\",\n \"api_version\": \"v1\"\n }\n)\n\n# 使用上下文管理器确保资源清理\nasync with memory:\n memory_id = await memory.add(\n \"用户偏好：喜欢简洁的界面设计\",\n metadata={\"category\": \"preference\"}\n )\n \n results = await memory.search(\"界面设计偏好\")\n```\n\n资料来源：[agenticx/integrations/mem0/memory/main.py]()\n\n## 混合搜索 (Hybrid Search)\n\n混合搜索模块结合向量相似度检索和关键词精确匹配，为记忆系统提供更准确的检索结果。该模块支持配置不同的重排序策略和相似度权重，以适应不同检索场景的需求。资料来源：[agenticx/memory/hybrid_search.py]()\n\n| 配置项 | 类型 | 默认值 | 说明 |\n|--------|------|--------|------|\n| `vector_weight` | `float` | `0.7` | 向量相似度权重 |\n| `keyword_weight` | `float` | `0.3` | 关键词匹配权重 |\n| `rerank_model` | `str` | `null` | 重排序模型名称 |\n| `top_k` | `int` | `10` | 返回结果数量 |\n\n## 使用模式\n\n### 基础使用流程\n\n```mermaid\ngraph TD\n A[创建记忆后端] --> B[添加记忆条目]\n B --> C[定期检索回忆]\n C --> D{检索结果质量}\n D -->|需要优化| E[调整检索参数]\n D -->|满足需求| F[用于推理上下文]\n E --> C\n```\n\n```python\n# 完整使用示例\nfrom agenticx.memory import ShortTermMemory\n\n# 1. 初始化记忆后端\nmemory = ShortTermMemory(tenant_id=\"session_001\")\n\n# 2. 添加重要信息\nawait memory.add(\n \"项目截止日期：2024-12-31\",\n metadata={\"type\": \"deadline\", \"project\": \"Alpha\"}\n)\n\n# 3. 上下文构建时检索\nrelevant = await memory.search(\"截止日期\")\n\n# 4. 将检索结果注入到 agent 上下文\ncontext = \"\\n\".join([r.content for r in relevant])\n```\n\n### 上下文管理器模式\n\n推荐使用上下文管理器 (`async with`) 确保记忆资源的正确释放和清理：\n\n```python\nasync with ShortTermMemory(tenant_id=\"temp_session\") as memory:\n await memory.add(\"临时任务数据\")\n results = await memory.search(\"任务\")\n# 离开上下文时自动清理资源\n```\n\n资料来源：[agenticx/memory/README.md]()\n\n## 配置参考\n\n### 环境变量\n\n| 变量名 | 说明 | 示例值 |\n|--------|------|--------|\n| `MEM0_API_KEY` | Mem0 服务 API 密钥 | `sk-xxx...` |\n| `MEM0_SERVER_URL` | Mem0 服务端点 | `https://api.mem0.ai` |\n| `MEM0_USER_ID` | 默认用户标识 | `user_001` |\n\n### 初始化参数\n\n```python\n# ShortTermMemory 初始化配置\nShortTermMemory(\n tenant_id: str, # 必填：租户/会话标识\n max_size: int = 1000, # 最大记忆条目数\n ttl: int = 3600, # 生存时间（秒）\n vector_dim: int = 1536 # 向量维度\n)\n\n# KnowledgeBase 初始化配置\nKnowledgeBase(\n name: str, # 知识库名称\n memory_backend: MemoryBase, # 底层记忆后端\n allowed_content_types: Set[str], # 允许的内容类型\n auto_index: bool = True # 自动建立索引\n)\n```\n\n## 扩展开发\n\n### 自定义记忆后端\n\n开发者可通过继承 `MemoryBase` 抽象基类实现自定义存储后端：\n\n```python\nfrom agenticx.memory import MemoryBase, MemoryResult\n\nclass CustomMemoryBackend(MemoryBase):\n async def add(self, content: str, metadata: dict = None) -> str:\n # 实现自定义存储逻辑\n memory_id = self._generate_id()\n # ... 存储实现\n return memory_id\n \n async def search(self, query: str, limit: int = 5) -> List[MemoryResult]:\n # 实现自定义检索逻辑\n # ...\n return results\n```\n\n资料来源：[agenticx/memory/base.py]()\n\n## 最佳实践\n\n1. **按场景选择记忆类型**：短期任务用 ShortTermMemory，长期知识用 SemanticMemory，经验积累用 EpisodicMemory\n2. **合理设置 TTL**：短期记忆设置较短的过期时间，核心记忆使用较长的 TTL 或永不过期\n3. **元数据规范命名**：统一的元数据键名便于后续检索和过滤\n4. **使用上下文管理器**：确保资源正确释放，避免内存泄漏\n5. **定期清理无效记忆**：调用 `clear()` 或按条件删除旧数据保持记忆库精简\n\n---\n\n\n\n## LLM 集成与提供商\n\n### 相关页面\n\n相关主题：[Agent 核心框架](#page-agent-core)\n\n
\n相关源码文件\n\n以下源码文件用于生成本页说明：\n\n- [agenticx/llms/base.py](https://github.com/DemonDamon/AgenticX/blob/main/agenticx/llms/base.py)\n- [agenticx/llms/llm_factory.py](https://github.com/DemonDamon/AgenticX/blob/main/agenticx/llms/llm_factory.py)\n- [agenticx/llms/openai_provider.py](https://github.com/DemonDamon/AgenticX/blob/main/agenticx/llms/openai_provider.py)\n- [agenticx/llms/anthropic_provider.py](https://github.com/DemonDamon/AgenticX/blob/main/agenticx/llms/anthropic_provider.py)\n- [agenticx/llms/failover.py](https://github.com/DemonDamon/AgenticX/blob/main/agenticx/llms/failover.py)\n- [agenticx/llms/response_cache.py](https://github.com/DemonDamon/AgenticX/blob/main/agenticx/llms/response_cache.py)\n- [agenticx/llms/transcript_sanitizer.py](https://github.com/DemonDamon/AgenticX/blob/main/agenticx/llms/transcript_sanitizer.py)\n
\n\n# LLM 集成与提供商\n\n## 概述\n\nAgenticX 框架的 LLM 集成模块位于 `agenticx/llms/` 目录，提供了一套完整的语言模型抽象层。该模块通过统一接口支持多种 LLM 提供商，包括 OpenAI GPT 系列和 Anthropic Claude 系列，同时内置了故障转移、响应缓存和对话记录清理等企业级功能。\n\n## 架构设计\n\nLLM 集成模块采用分层架构，核心组件包括基础抽象类、提供商实现、工厂模式和辅助工具。\n\n```mermaid\ngraph TD\n A[LLM 调用方] --> B[LLM 工厂 llm_factory]\n B --> C{提供商选择}\n C -->|OpenAI| D[OpenAI 提供商]\n C -->|Anthropic| E[Anthropic 提供商]\n D --> F[响应缓存 response_cache]\n E --> F\n D --> G[故障转移 failover]\n E --> G\n F --> H[基础类 base]\n G --> H\n H --> I[Transcript Sanitizer]\n```\n\n## 核心组件\n\n### 基础类 base.py\n\n`base.py` 定义了所有 LLM 提供商的抽象基类 `BaseLLM`，规范了提供商的通用接口和行为。 资料来源：[agenticx/llms/base.py:1-100]()\n\n该文件包含以下核心功能：\n\n| 组件 | 功能说明 |\n|------|---------|\n| `BaseLLM` | 所有提供商的抽象基类 |\n| 消息格式定义 | 统一的对话消息结构 |\n| 流式响应支持 | 支持流式和非流式两种调用模式 |\n| 超时与重试 | 内置请求超时和重试机制 |\n\n### 工厂模式 llm_factory.py\n\n`llm_factory.py` 实现了 LLM 提供商的工厂模式，负责根据配置动态创建和返回对应的提供商实例。 资料来源：[agenticx/llms/llm_factory.py:1-100]()\n\n```python\n# 伪代码示例\ndef create_llm(provider: str, config: dict) -> BaseLLM:\n if provider == \"openai\":\n return OpenAIProvider(config)\n elif provider == \"anthropic\":\n return AnthropicProvider(config)\n # 支持扩展更多提供商\n```\n\n工厂类的核心职责：\n\n- **提供商注册**：维护提供商名称到实现类的映射\n- **配置验证**：确保传入的配置符合提供商要求\n- **实例缓存**：避免重复创建相同配置的实例\n- **默认提供商**：支持设置默认 LLM 提供商\n\n## 提供商实现\n\n### OpenAI 提供商\n\n`openai_provider.py` 实现了 OpenAI GPT 系列模型的集成，支持 ChatGPT、GPT-4 等模型。 资料来源：[agenticx/llms/openai_provider.py:1-100]()\n\n主要功能：\n\n- 兼容 OpenAI API 格式的消息构建\n- 支持 function calling / tool use 功能\n- 处理 OpenAI 特有的响应结构\n- 支持自定义 API base URL（适用于代理或第三方兼容服务）\n\n### Anthropic 提供商\n\n`anthropic_provider.py` 实现了 Anthropic Claude 系列模型的集成。 资料来源：[agenticx/llms/anthropic_provider.py:1-100]()\n\n主要功能：\n\n- 兼容 Claude API 的消息格式\n- 支持 Claude 的系统提示词配置\n- 处理 Claude 特有的停止序列\n- 流式响应支持\n\n### 提供商配置参数\n\n| 参数 | 适用提供商 | 说明 |\n|------|-----------|------|\n| `api_key` | 全部 | API 密钥，必填 |\n| `model` | 全部 | 模型名称，如 `gpt-4o`、`claude-3-opus` |\n| `temperature` | 全部 | 生成温度，控制随机性 |\n| `max_tokens` | 全部 | 最大生成 token 数 |\n| `base_url` | OpenAI | API 端点地址 |\n| `timeout` | 全部 | 请求超时时间（秒） |\n| `organization` | OpenAI | 组织 ID（可选） |\n\n## 高级功能\n\n### 故障转移机制 failover.py\n\n`failover.py` 实现了多提供商自动故障转移功能。当主提供商出现错误、超时或配额耗尽时，系统自动切换到备用提供商。 资料来源：[agenticx/llms/failover.py:1-100]()\n\n```mermaid\ngraph TD\n A[发起 LLM 请求] --> B{主提供商可用?}\n B -->|是| C[使用主提供商]\n B -->|否| D{备用提供商 1 可用?}\n D -->|是| E[使用备用提供商 1]\n D -->|否| F{备用提供商 2 可用?}\n F -->|是| G[使用备用提供商 2]\n F -->|否| H[返回错误]\n C --> I[记录成功]\n E --> I\n G --> I\n```\n\n故障转移策略包括：\n\n- **错误类型判断**：区分临时性错误和永久性错误\n- **健康检查**：定期检测提供商可用性\n- **优先级排序**：按配置的优先级顺序尝试提供商\n- **熔断机制**：连续失败达到阈值后暂时跳过该提供商\n\n### 响应缓存 response_cache.py\n\n`response_cache.py` 实现了 LLM 响应的缓存机制，通过对相同请求的缓存减少 API 调用次数和成本。 资料来源：[agenticx/llms/response_cache.py:1-100]()\n\n缓存机制特点：\n\n| 特性 | 说明 |\n|------|------|\n| 请求哈希 | 基于消息内容生成唯一哈希键 |\n| TTL 控制 | 支持设置缓存过期时间 |\n| 相似度匹配 | 可选的语义相似度缓存 |\n| 命中率统计 | 提供缓存命中率指标 |\n| 手动失效 | 支持按需清除缓存 |\n\n### 对话记录清理 transcript_sanitizer.py\n\n`transcript_sanitizer.py` 提供了对话记录的清理和规范化功能，确保传输给 LLM 的消息格式正确且安全。 资料来源：[agenticx/llms/transcript_sanitizer.py:1-100]()\n\n主要功能：\n\n- **消息格式规范化**：统一不同来源消息的格式\n- **敏感信息过滤**：移除或脱敏敏感数据\n- **长度控制**：截断过长消息避免超出上下文限制\n- **角色验证**：确保消息包含有效的角色定义\n\n## 企业管理后台集成\n\n在企业管理后台中，LLM 提供商配置通过 `enterprise/apps/admin-console/src/app/admin/models/page.tsx` 页面进行管理。管理员可以：\n\n- 添加新的 LLM 提供商\n- 为每个提供商配置多个模型\n- 设置默认模型\n- 移除不需要的模型\n\n```typescript\n// 模型添加数据结构\ninterface ModelConfig {\n name: string; // 模型 ID\n label: string; // 显示名称\n provider: string; // 提供商标识\n}\n```\n\n## 桌面应用配置\n\n桌面应用的设置面板（`desktop/src/components/SettingsPanel.tsx`）允许用户配置 LLM 相关的运行环境参数，包括：\n\n- 全局模型选择\n- API 端点配置（如火山引擎等国内服务）\n- 环境依赖管理\n- 工具注册表加载\n\n## 使用示例\n\n### Python 应用中创建 LLM 实例\n\n```python\nfrom agenticx.llms import create_llm\n\n# 使用 OpenAI\nllm = create_llm(\n provider=\"openai\",\n config={\n \"api_key\": \"sk-xxx\",\n \"model\": \"gpt-4o-mini\",\n \"temperature\": 0.7,\n }\n)\n\n# 使用 Anthropic Claude\nclaude = create_llm(\n provider=\"anthropic\",\n config={\n \"api_key\": \"sk-ant-xxx\",\n \"model\": \"claude-3-haiku-20240307\",\n }\n)\n```\n\n### 发送对话请求\n\n```python\nmessages = [\n {\"role\": \"system\", \"content\": \"你是一个有帮助的助手\"},\n {\"role\": \"user\", \"content\": \"什么是 RAG?\"}\n]\n\nresponse = llm.chat(messages)\nprint(response.content)\n```\n\n## 最佳实践\n\n### 提供商选择建议\n\n| 场景 | 推荐提供商 | 原因 |\n|------|-----------|------|\n| 通用对话 | OpenAI GPT-4o | 平衡性能与成本 |\n| 长文本分析 | Anthropic Claude | 更长的上下文窗口 |\n| 代码生成 | OpenAI GPT-4 | 优化的代码能力 |\n| 国内部署 | 火山引擎等 | 合规与延迟考虑 |\n\n### 可靠性保障\n\n1. **配置多个备用提供商**：在 `failover.py` 中配置主备提供商\n2. **启用响应缓存**：减少 API 调用成本，提高响应速度\n3. **设置合理的超时时间**：避免请求长时间阻塞\n4. **监控错误率**：定期检查提供商健康状态\n\n### 安全建议\n\n- API 密钥通过环境变量或密钥管理服务注入，避免硬编码\n- 使用 `transcript_sanitizer.py` 过滤敏感信息\n- 启用 HTTPS 传输加密\n- 限制 API 调用的并发数量防止配额耗尽\n\n## 扩展开发\n\n如需添加新的 LLM 提供商，需要：\n\n1. 在 `agenticx/llms/` 目录下创建新的提供商文件（如 `gemini_provider.py`）\n2. 实现 `BaseLLM` 抽象基类的所有接口方法\n3. 在 `llm_factory.py` 中注册新的提供商\n4. 添加相应的配置验证和错误处理逻辑\n\n```python\n# 新提供商注册示例\nfrom agenticx.llms.base import BaseLLM\nfrom agenticx.llms.llm_factory import register_provider\n\nclass GeminiProvider(BaseLLM):\n def chat(self, messages: list[dict]) -> Response:\n # 实现 Gemini API 调用\n pass\n\nregister_provider(\"gemini\", GeminiProvider)\n\n---\n\n\n\n## 协作与团队管理\n\n### 相关页面\n\n相关主题：[Avatar 与群聊系统](#page-avatar-system), [Agent 核心框架](#page-agent-core)\n\n
\n相关源码文件\n\n以下源码文件用于生成本页说明：\n\n- [agenticx/collaboration/manager.py](https://github.com/DemonDamon/AgenticX/blob/main/agenticx/collaboration/manager.py)\n- [agenticx/collaboration/delegation.py](https://github.com/DemonDamon/AgenticX/blob/main/agenticx/collaboration/delegation.py)\n- [agenticx/collaboration/role_playing.py](https://github.com/DemonDamon/AgenticX/blob/main/agenticx/collaboration/role_playing.py)\n- [agenticx/collaboration/workforce/coordinator.py](https://github.com/DemonDamon/AgenticX/blob/main/agenticx/collaboration/workforce/coordinator.py)\n- [agenticx/collaboration/workforce/worker.py](https://github.com/DemonDamon/AgenticX/blob/main/agenticx/collaboration/workforce/worker.py)\n- [agenticx/collaboration/workload/task_decomposer.py](https://github.com/DemonDamon/AgenticX/blob/main/agenticx/collaboration/workload/task_decomposer.py)\n- [agenticx/collaboration/workforce/failure_analyzer.py](https://github.com/DemonDamon/AgenticX/blob/main/agenticx/collaboration/workforce/failure_analyzer.py)\n- [agenticx/collaboration/workforce/recovery_strategies.py](https://github.com/DemonDamon/AgenticX/blob/main/agenticx/collaboration/workforce/recovery_strategies.py)\n- [agenticx/runtime/team_manager.py](https://github.com/DemonDamon/AgenticX/blob/main/agenticx/runtime/team_manager.py)\n
\n\n# 协作与团队管理\n\n## 概述\n\nAgenticX 的协作与团队管理模块提供了一套完整的多智能体协作框架，支持多种协作模式、任务委派、角色扮演以及劳动力（Workforce）编排。该模块使开发者能够构建复杂的分布式智能体系统，实现高效的任务分解、并行执行、失败恢复和结果聚合。\n\n核心功能包括：\n\n- **多模式协作**：支持自定义模式、委派模式、角色扮演等多种协作范式\n- **任务分解**：将复杂任务自动拆解为可并行执行的子任务\n- **劳动力编排**：通过 Coordinator-Worker 架构协调多个智能体工作\n- **失败分析与恢复**：自动检测任务失败原因并执行恢复策略\n- **运行时团队管理**：动态管理团队生命周期和成员状态\n\n## 架构设计\n\n### 整体架构图\n\n```mermaid\ngraph TB\n subgraph \"协作管理层\"\n CM[CollaborationManager]\n RP[RolePlaying]\n DG[Delegation]\n end\n \n subgraph \"劳动力编排层\"\n CO[Coordinator]\n WO[Worker Pool]\n TD[TaskDecomposer]\n end\n \n subgraph \"支撑模块\"\n FA[FailureAnalyzer]\n RS[RecoveryStrategies]\n TM[TeamManager]\n end\n \n CM --> CO\n CO --> WO\n CO --> TD\n WO --> FA\n FA --> RS\n RS --> CO\n CM --> RP\n CM --> DG\n TM --> CM\n```\n\n### 核心组件职责\n\n| 组件 | 文件路径 | 职责说明 |\n|------|----------|----------|\n| CollaborationManager | `agenticx/collaboration/manager.py` | 协作主入口，管理协作会话生命周期 |\n| Delegation | `agenticx/collaboration/delegation.py` | 任务委派逻辑，处理委托方与受托方交互 |\n| RolePlaying | `agenticx/collaboration/role_playing.py` | 角色扮演协作，管理多角色对话与行为 |\n| Coordinator | `agenticx/collaboration/workforce/coordinator.py` | 劳动力协调器，负责任务分发与结果聚合 |\n| Worker | `agenticx/collaboration/workforce/worker.py` | 工作节点，执行具体子任务 |\n| TaskDecomposer | `agenticx/collaboration/workload/task_decomposer.py` | 任务分解器，将复杂任务拆解为子任务 |\n| FailureAnalyzer | `agenticx/collaboration/workforce/failure_analyzer.py` | 失败分析器，诊断任务执行异常 |\n| RecoveryStrategies | `agenticx/collaboration/workforce/recovery_strategies.py` | 恢复策略库，提供多种故障恢复方案 |\n| TeamManager | `agenticx/runtime/team_manager.py` | 团队运行时管理，管理团队成员与状态 |\n\n资料来源：[agenticx/collaboration/README.md](https://github.com/DemonDamon/AgenticX/blob/main/agenticx/collaboration/README.md)\n\n## 协作模式\n\n### 模式类型\n\nAgenticX 支持多种协作模式，通过 `CollaborationMode` 枚举定义：\n\n| 模式 | 说明 | 适用场景 |\n|------|------|----------|\n| `CUSTOM_PATTERN` | 自定义协作模式 | 灵活定制协作流程 |\n| `DELEGATION` | 任务委派模式 | 主从任务分配 |\n| `ROLE_PLAYING` | 角色扮演模式 | 多角色讨论与决策 |\n| `WORKFORCE` | 劳动力模式 | 大规模并行任务处理 |\n\n### 注册自定义模式\n\n在 `manager.py` 中的 `pattern_classes` 字典注册新的协作模式：\n\n```python\npattern_classes = {\n CollaborationMode.CUSTOM_PATTERN: CustomPattern,\n CollaborationMode.DELEGATION: DelegationPattern,\n CollaborationMode.ROLE_PLAYING: RolePlayingPattern,\n # ... 其他模式\n}\n```\n\n资料来源：[agenticx/collaboration/README.md:4](https://github.com/DemonDamon/AgenticX/blob/main/agenticx/collaboration/README.md)\n\n## 委派模式（Delegation）\n\n### 工作流程\n\n```mermaid\nsequenceDiagram\n participant M as Manager\n participant D as Delegator\n participant W as Worker\n participant TM as TeamManager\n \n M->>D: 创建委派任务\n D->>TM: 分配任务给Worker\n TM->>W: 传递任务上下文\n W-->>TM: 执行结果\n TM-->>D: 聚合结果\n D-->>M: 返回处理结果\n```\n\n### 核心功能\n\n- **任务分配**：根据 Worker 能力动态分配任务\n- **结果收集**：聚合多个 Worker 的执行结果\n- **超时处理**：支持任务执行超时配置\n- **优先级调度**：根据任务优先级安排执行顺序\n\n资料来源：[agenticx/collaboration/delegation.py](https://github.com/DemonDamon/AgenticX/blob/main/agenticx/collaboration/delegation.py)\n\n## 角色扮演模式（Role Playing）\n\n### 角色定义\n\n角色扮演模式允许定义具有特定身份和职责的智能体：\n\n| 角色属性 | 说明 |\n|----------|------|\n| `name` | 角色名称 |\n| `description` | 角色描述与职责 |\n| `prompt` | 角色行为提示词 |\n| `tools` | 角色可使用的工具集 |\n| `constraints` | 角色行为约束条件 |\n\n### 多角色交互\n\n```mermaid\ngraph LR\n A[主持人 Agent] --> B[角色A]\n A --> C[角色B]\n A --> D[角色N]\n B -->|消息| A\n C -->|消息| A\n D -->|消息| A\n```\n\n资料来源：[agenticx/collaboration/role_playing.py](https://github.com/DemonDamon/AgenticX/blob/main/agenticx/collaboration/role_playing.py)\n\n## 劳动力编排（Workforce）\n\n### Coordinator-Worker 架构\n\n劳动力编排采用经典的 Coordinator-Worker 模式：\n\n```mermaid\ngraph TD\n subgraph \"Coordinator 职责\"\n C1[任务分解]\n C2[Worker 选择]\n C3[结果聚合]\n C4[失败调度]\n end\n \n subgraph \"Worker 职责\"\n W1[接收任务]\n W2[任务执行]\n W3[状态上报]\n W4[结果返回]\n end\n \n C1 -->|子任务| W1\n C2 -->|指派| W2\n W3 -->|心跳| C3\n W4 -->|结果| C3\n```\n\n### Coordinator\n\nCoordinator 是劳动力编排的核心调度器：\n\n| 功能 | 说明 |\n|------|------|\n| 任务分解 | 调用 TaskDecomposer 拆分复杂任务 |\n| Worker 池管理 | 维护可用 Worker 列表与状态 |\n| 任务分发 | 根据负载均衡策略分配任务 |\n| 结果聚合 | 合并多个子任务结果 |\n| 失败重试 | 触发失败恢复流程 |\n\n资料来源：[agenticx/collaboration/workforce/coordinator.py](https://github.com/DemonDamon/AgenticX/blob/main/agenticx/collaboration/workforce/coordinator.py)\n\n### Worker\n\nWorker 是实际的任务执行单元：\n\n```python\nclass Worker:\n def __init__(self, id, capabilities, tools=None):\n self.id = id\n self.capabilities = capabilities\n self.tools = tools or []\n self.status = \"idle\"\n \n async def execute(self, task):\n # 任务执行逻辑\n pass\n```\n\n| Worker 状态 | 说明 |\n|-------------|------|\n| `idle` | 空闲，可接受任务 |\n| `busy` | 执行中 |\n| `failed` | 执行失败 |\n| `offline` | 已下线 |\n\n资料来源：[agenticx/collaboration/workforce/worker.py](https://github.com/DemonDamon/AgenticX/blob/main/agenticx/collaboration/workforce/worker.py)\n\n### 任务分解器（Task Decomposer）\n\n任务分解器负责将复杂任务拆解为可并行执行的子任务：\n\n| 分解策略 | 说明 |\n|----------|------|\n| `sequential` | 顺序分解，按步骤拆分 |\n| `parallel` | 并行分解，依赖关系并行 |\n| `hierarchical` | 层级分解，多级树状结构 |\n| `semantic` | 语义分解，基于意图拆分 |\n\n资料来源：[agenticx/collaboration/workload/task_decomposer.py](https://github.com/DemonDamon/AgenticX/blob/main/agenticx/collaboration/workload/task_decomposer.py)\n\n## 失败分析与恢复\n\n### 失败分析器（Failure Analyzer）\n\nFailureAnalyzer 诊断任务执行失败的原因：\n\n| 分析维度 | 说明 |\n|----------|------|\n| 错误类型 | 区分系统错误、业务错误、超时等 |\n| 上下文追踪 | 定位失败发生的具体环节 |\n| 根因识别 | 分析失败的根本原因 |\n| 影响评估 | 评估失败对整体任务的影响 |\n\n资料来源：[agenticx/collaboration/workforce/failure_analyzer.py](https://github.com/DemonDamon/AgenticX/blob/main/agenticx/collaboration/workforce/failure_analyzer.py)\n\n### 恢复策略（Recovery Strategies）\n\nRecoveryStrategies 提供多种故障恢复方案：\n\n```mermaid\ngraph TD\n F[失败发生] --> A{失败类型}\n A -->|可重试| R1[重试策略]\n A -->|资源不足| R2[资源扩容]\n A -->|逻辑错误| R3[任务重分配]\n A -->|不可恢复| R4[终止并报告]\n \n R1 -->|重试成功| S[继续执行]\n R1 -->|重试失败| A\n R2 --> S\n R3 --> S\n```\n\n| 恢复策略 | 触发条件 | 恢复动作 |\n|----------|----------|----------|\n| `retry` | 瞬时错误、网络波动 | 自动重试指定次数 |\n| `reassign` | Worker 故障 | 重新分配给其他 Worker |\n| `decompose` | 部分失败 | 重新分解任务 |\n| `escalate` | 严重错误 | 升级到人工处理 |\n| `abort` | 不可恢复 | 终止任务并报告 |\n\n资料来源：[agenticx/collaboration/workforce/recovery_strategies.py](https://github.com/DemonDamon/AgenticX/blob/main/agenticx/collaboration/workforce/recovery_strategies.py)\n\n## 团队运行时管理\n\n### TeamManager\n\nTeamManager 负责管理团队的生命周期和成员状态：\n\n| 功能 | 说明 |\n|------|------|\n| 团队创建 | 初始化团队配置和成员 |\n| 成员管理 | 添加、移除、查询团队成员 |\n| 状态同步 | 维护成员实时状态 |\n| 资源分配 | 管理团队共享资源 |\n| 生命周期钩子 | 支持启动、停止事件回调 |\n\n资料来源：[agenticx/runtime/team_manager.py](https://github.com/DemonDamon/AgenticX/blob/main/agenticx/runtime/team_manager.py)\n\n### 团队结构\n\n```mermaid\nclassDiagram\n class TeamManager {\n +teams: Map~string, Team~\n +create_team(config)\n +join_team(team_id, member)\n +leave_team(team_id, member_id)\n +broadcast(team_id, message)\n }\n \n class Team {\n +id: string\n +members: Member[]\n +status: TeamStatus\n +add_member(member)\n +remove_member(member_id)\n }\n \n class Member {\n +id: string\n +role: MemberRole\n +capabilities: string[]\n +status: MemberStatus\n }\n \n TeamManager \"1\" --> \"*\" Team\n Team \"1\" --> \"*\" Member\n```\n\n## 使用示例\n\n### 创建协作会话\n\n```python\nfrom agenticx.collaboration import CollaborationManager, CollaborationMode\n\n# 初始化管理器\nmanager = CollaborationManager()\n\n# 创建委派模式协作\nsession = await manager.create_session(\n mode=CollaborationMode.DELEGATION,\n config={\n \"max_workers\": 5,\n \"timeout\": 300,\n \"retry_policy\": {\"max_retries\": 3}\n }\n)\n\n# 提交任务\nresult = await session.execute(\"分析并总结这份报告\")\n```\n\n### 注册自定义协作模式\n\n```python\nfrom agenticx.collaboration import CollaborationManager, CollaborationMode\n\nclass CustomPattern:\n async def execute(self, context):\n # 自定义协作逻辑\n pass\n\n# 在管理器中注册\nmanager = CollaborationManager()\nmanager.register_pattern(\n CollaborationMode.CUSTOM_PATTERN,\n CustomPattern\n)\n```\n\n资料来源：[agenticx/collaboration/README.md:1-12](https://github.com/DemonDamon/AgenticX/blob/main/agenticx/collaboration/README.md)\n\n## 配置选项\n\n### 全局配置参数\n\n| 参数 | 类型 | 默认值 | 说明 |\n|------|------|--------|------|\n| `max_workers` | int | 10 | 最大 Worker 数量 |\n| `timeout` | int | 300 | 任务超时时间（秒） |\n| `retry.max_retries` | int | 3 | 最大重试次数 |\n| `retry.backoff` | str | \"exponential\" | 重试退避策略 |\n| `task_decomposition` | str | \"auto\" | 任务分解策略 |\n| `failure_threshold` | float | 0.5 | 失败率阈值 |\n\n### Worker 配置\n\n| 参数 | 类型 | 说明 |\n|------|------|------|\n| `id` | string | Worker 唯一标识 |\n| `capabilities` | list | Worker 具备的能力 |\n| `max_concurrent_tasks` | int | 最大并发任务数 |\n| `tools` | list | 可用工具列表 |\n| `priority` | int | Worker 优先级 |\n\n## 最佳实践\n\n### 任务设计原则\n\n1. **适度分解**：避免过度拆解导致协调开销过大\n2. **能力匹配**：根据 Worker 能力合理分配任务\n3. **错误隔离**：子任务之间保持独立性，减少失败影响范围\n4. **状态管理**：定期保存中间状态，支持断点恢复\n\n### 性能优化\n\n- 合理设置 Worker 池大小，避免资源浪费\n- 使用异步通信减少等待时间\n- 配置适当的超时和重试策略\n- 监控关键指标，及时调整配置\n\n### 可靠性保障\n\n- 配置多级重试策略处理瞬时故障\n- 实现优雅降级机制\n- 记录完整的执行日志便于问题排查\n- 定期进行故障演练验证恢复能力\n\n## 相关资源\n\n- [AgenticX 项目主页](https://github.com/DemonDamon/AgenticX)\n- [多 Agent 协作模式研究](https://arxiv.org/abs/2501.06322)\n- [企业版功能模块](../enterprise/README.md)\n\n---\n\n\n\n## Avatar 与群聊系统\n\n### 相关页面\n\n相关主题：[协作与团队管理](#page-collaboration)\n\n
\n相关源码文件\n\n以下源码文件用于生成本页说明：\n\n- [desktop/src/components/AvatarSettingsPanel.tsx](https://github.com/DemonDamon/AgenticX/blob/main/desktop/src/components/AvatarSettingsPanel.tsx)\n- [desktop/src/components/AvatarCreateDialog.tsx](https://github.com/DemonDamon/AgenticX/blob/main/desktop/src/components/AvatarCreateDialog.tsx)\n- [desktop/src/components/SettingsPanel.tsx](https://github.com/DemonDamon/AgenticX/blob/main/desktop/src/components/SettingsPanel.tsx)\n- [enterprise/features/chat/README.md](https://github.com/DemonDamon/AgenticX/blob/main/enterprise/features/chat/README.md)\n- [enterprise/features/agents/README.md](https://github.com/DemonDamon/AgenticX/blob/main/enterprise/features/agents/README.md)\n- [enterprise/features/iam/README.md](https://github.com/DemonDamon/AgenticX/blob/main/enterprise/features/iam/README.md)\n
\n\n# Avatar 与群聊系统\n\n## 概述\n\nAvatar（分身）与群聊系统是 AgenticX 平台中实现多智能体协作的核心功能模块。该系统允许用户创建和管理多个 AI 分身（Avatar），每个分身可配置独立的角色、技能和行为模式，并通过群聊机制实现多智能体之间的协作与通信。\n\nAgenticX 采用分层架构设计，将 Avatar 配置与运行时执行分离：桌面端负责 Avatar 的创建、配置与 UI 管理（`desktop/src/components/AvatarSettingsPanel.tsx`、`desktop/src/components/AvatarCreateDialog.tsx`），企业端则通过 `feature-agents` 和 `feature-chat` 模块提供身份认证与对话能力支撑。\n\n---\n\n## 核心概念\n\n### Avatar（分身）\n\nAvatar 是 AgenticX 中的智能体实例，每个 Avatar 具有以下属性：\n\n| 属性 | 说明 | 配置位置 |\n|------|------|----------|\n| 名称 (name) | 分身标识名称 | AvatarCreateDialog.tsx |\n| 角色 (role) | 分身职能描述 | AvatarCreateDialog.tsx |\n| 头像 (avatar) | 用户头像图片 URL | AvatarSettingsPanel.tsx |\n| 用户偏好 | 注入系统提示的行为偏好 | SettingsPanel.tsx |\n| 启用技能 | 该分身可使用的技能列表 | AvatarCreateDialog.tsx |\n\n### 群聊系统\n\n群聊系统基于 `feature-chat` 模块实现，为多 Avatar 协作提供消息传递与状态同步能力。企业端通过 `feature-iam` 模块管理用户身份与权限，确保群聊操作的安全合规。\n\n---\n\n## 架构设计\n\n```mermaid\ngraph TD\n subgraph 桌面端 [\"桌面客户端 (desktop)\"]\n ASC[AvatarSettingsPanel]\n ACD[AvatarCreateDialog]\n SP[SettingsPanel]\n end\n \n subgraph 企业端 [\"企业平台 (enterprise)\"]\n FA[feature-agents]\n FC[feature-chat]\n FI[feature-iam]\n end\n \n ASC --> FA\n ACD --> FA\n SP --> FA\n FC --> FI\n FA --> FI\n \n FA --> |多智能体协作|FC\n```\n\n### 模块职责\n\n| 模块 | 职责 |\n|------|------|\n| `desktop/src/components/AvatarSettingsPanel.tsx` | 头像与分身基础信息编辑（名称、角色、头像 URL） |\n| `desktop/src/components/AvatarCreateDialog.tsx` | 新建分身对话框，支持技能配置与选择 |\n| `desktop/src/components/SettingsPanel.tsx` | 全局设置，包括用户偏好注入与元智能体配置 |\n| `@agenticx/feature-agents` | 企业级智能体管理与运行时 |\n| `@agenticx/feature-chat` | 对话工作区与群聊功能 |\n| `@agenticx/feature-iam` | 身份认证、租户、部门、角色与权限管理 |\n\n---\n\n## Avatar 配置详解\n\n### 头像设置\n\n`AvatarSettingsPanel.tsx` 提供了头像管理的完整 UI：\n\n```tsx\n// 头像预览与清除\n
\n {avatarUrlDraft ? (\n \n ) : (\n
\n {name ? name.charAt(0).toUpperCase() : \"?\"}\n
\n )}\n \n
\n```\n\n配置项说明：\n\n| 字段 | 类型 | 说明 | 默认值 |\n|------|------|------|--------|\n| avatarUrl | 字符串 | 头像图片 URL | 用户首字母 |\n| name | 字符串 | 分身名称 | 必填 |\n| role | 字符串 | 分身角色描述 | 选填 |\n\n> 资料来源：[desktop/src/components/AvatarSettingsPanel.tsx:25-35](https://github.com/DemonDamon/AgenticX/blob/main/desktop/src/components/AvatarSettingsPanel.tsx)\n\n### 分身创建\n\n`AvatarCreateDialog.tsx` 实现了分身创建流程：\n\n1. **基础信息输入**：名称、角色描述\n2. **技能选择**：从全局技能列表中筛选可用技能\n3. **保存配置**：写入分身目录下的 `avatar.yaml`\n\n```tsx\n// 技能启用状态管理\nconst [skillsEnabledDraft, setSkillsEnabledDraft] = useState>({});\n\n// 技能切换逻辑\nconst toggleSkill = (skillName: string) => {\n setSkillsEnabledDraft((prev) => {\n const next = { ...prev };\n if (next[skillName] === false) {\n delete next[skillName]; // 启用技能\n } else {\n next[skillName] = false; // 禁用技能\n }\n return next;\n });\n};\n```\n\n> 资料来源：[desktop/src/components/AvatarCreateDialog.tsx](https://github.com/DemonDamon/AgenticX/blob/main/desktop/src/components/AvatarCreateDialog.tsx)\n\n---\n\n## 用户偏好注入\n\n系统支持通过用户偏好设置影响 Agent 的回复方式。配置位于 `SettingsPanel.tsx`：\n\n```tsx\n\n```\n\n**偏好格式示例**：\n- \"我不喜欢绕弯子，请直接给结论\"\n- \"偏好表格而非长段落\"\n- \"遇到歧义先问我再执行\"\n\n> 资料来源：[desktop/src/components/SettingsPanel.tsx](https://github.com/DemonDamon/AgenticX/blob/main/desktop/src/components/SettingsPanel.tsx)\n\n---\n\n## 权限与安全\n\nAgenticX 企业版通过 `@agenticx/feature-iam` 模块实现细粒度的权限控制：\n\n### 工具执行权限模式\n\n| 模式 | 说明 | 安全等级 |\n|------|------|----------|\n| manual | 每次工具执行都询问确认 | 最高 |\n| semi-auto | 命中白名单自动放行，未命中询问 | 推荐 |\n| auto | 默认全部自动执行 | 高风险 |\n\n```tsx\n\n```\n\n> 资料来源：[desktop/src/components/SettingsPanel.tsx](https://github.com/DemonDamon/AgenticX/blob/main/desktop/src/components/SettingsPanel.tsx)\n\n---\n\n## 企业功能集成\n\n### 审计日志\n\n企业管理员可通过审计日志查看所有 Avatar 操作记录：\n\n```tsx\ntitle=\"审计日志\"\ndescription={`共 ${items.length} 条记录 · ${\n chainFull != null\n ? `${chainFull.valid ? \"全表链校验通过\" : \"全表链校验失败\"}`\n : chainValid\n ? \"全表链校验加载中…\"\n : \"当前页链校验失败\"\n}`}\n```\n\n> 资料来源：[enterprise/apps/admin-console/src/app/audit/page.tsx](https://github.com/DemonDamon/AgenticX/blob/main/enterprise/apps/admin-console/src/app/audit/page.tsx)\n\n### 批量账号管理\n\n企业版支持通过 CSV 模板批量创建子账号，路径为 `/app/iam/bulk-import/page.tsx`：\n\n1. 下载模板：`/templates/iam-bulk-import-example.csv`\n2. 列映射与预检\n3. 服务端批量写入（失败行可下载修正）\n\n> 资料来源：[enterprise/apps/admin-console/src/app/iam/bulk-import/page.tsx](https://github.com/DemonDamon/AgenticX/blob/main/enterprise/apps/admin-console/src/app/iam/bulk-import/page.tsx)\n\n---\n\n## 使用流程\n\n```mermaid\nsequenceDiagram\n participant 用户\n participant 桌面端\n participant 企业平台\n participant IAM\n\n 用户->>桌面端: 创建/编辑 Avatar\n 桌面端->>桌面端: 配置名称、角色、头像、技能\n 桌面端->>桌面端: 保存至 avatar.yaml\n 用户->>企业平台: 启动群聊\n 企业平台->>IAM: 验证身份与权限\n IAM-->>企业平台: 权限确认\n 企业平台->>企业平台: 多 Avatar 协作执行\n```\n\n---\n\n## 总结\n\nAvatar 与群聊系统构成了 AgenticX 多智能体协作的基础架构：\n\n- **Avatar 模块**负责智能体的配置与元数据管理\n- **群聊系统**提供多智能体通信与协作能力\n- **IAM 集成**确保企业环境下的身份认证与权限控制\n- **审计功能**满足合规审计需求\n\n该设计通过前后端分离、模块化组件的方式，实现了灵活的配置管理与安全的运行时执行。\n\n---\n\n\n\n## 知识库与图谱\n\n
\n相关源码文件\n\n以下源码文件用于生成本页说明：\n\n- [agenticx/knowledge/knowledge.py](https://github.com/DemonDamon/AgenticX/blob/main/agenticx/knowledge/knowledge.py)\n- [agenticx/knowledge/base.py](https://github.com/DemonDamon/AgenticX/blob/main/agenticx/knowledge/base.py)\n- [agenticx/knowledge/graphers/builder.py](https://github.com/DemonDamon/AgenticX/blob/main/agenticx/knowledge/graphers/builder.py)\n- [agenticx/knowledge/graphers/spo_extractor.py](https://github.com/DemonDamon/AgenticX/blob/main/agenticx/knowledge/graphers/spo_extractor.py)\n- [agenticx/knowledge/graphers/community.py](https://github.com/DemonDamon/AgenticX/blob/main/agenticx/knowledge/graphers/community.py)\n- [agenticx/knowledge/chunkers/agentic_chunker.py](https://github.com/DemonDamon/AgenticX/blob/main/agenticx/knowledge/chunkers/agentic_chunker.py)\n- [agenticx/knowledge/readers/pdf_reader.py](https://github.com/DemonDamon/AgenticX/blob/main/agenticx/knowledge/readers/pdf_reader.py)\n- [agenticx/knowledge/readers/web_reader.py](https://github.com/DemonDamon/AgenticX/blob/main/agenticx/knowledge/readers/web_reader.py)\n- [agenticx/studio/kb/manager.py](https://github.com/DemonDamon/AgenticX/blob/main/agenticx/studio/kb/manager.py)\n\n
\n\n# 知识库与图谱\n\n## 概述\n\nAgenticX 的知识库与图谱模块提供企业级知识管理与知识图谱构建能力，支持从多种数据源（PDF、网页等）提取知识，并通过智能分块（Chunking）和图谱构建技术，将非结构化文档转化为可检索、可推理的知识网络。\n\n**核心能力：**\n\n- 多格式文档读取与解析\n- 智能语义分块\n- 知识图谱自动构建（SPO 三元组提取、社区检测）\n- 与 Agent 系统的无缝集成\n- 知识检索与向量存储\n\n## 系统架构\n\n```mermaid\ngraph TD\n subgraph 数据源层\n PDF[PDF 文档]\n WEB[网页内容]\n DOC[其他文档]\n end\n\n subgraph 读取层\n PDF_R[PDF Reader]\n WEB_R[Web Reader]\n end\n\n subgraph 处理层\n CHUNK[智能分块器]\n SPO[SPO 提取器]\n COMM[社区检测]\n end\n\n subgraph 存储层\n KG[知识图谱]\n VC[向量存储]\n KB[知识库]\n end\n\n subgraph 应用层\n AGENT[Agent 系统]\n STUDIO[Studio 管理界面]\n end\n\n PDF --> PDF_R\n WEB --> WEB_R\n PDF_R --> CHUNK\n WEB_R --> CHUNK\n CHUNK --> SPO\n SPO --> COMM\n COMM --> KG\n CHUNK --> VC\n KG --> STUDIO\n VC --> AGENT\n KG --> AGENT\n```\n\n## 核心组件\n\n### 知识库基类\n\n`base.py` 定义了所有知识库实现必须继承的抽象基类，提供了统一的接口规范。\n\n**核心方法：**\n\n| 方法 | 说明 |\n|------|------|\n| `add_document()` | 添加单个文档到知识库 |\n| `add_documents()` | 批量添加文档 |\n| `search()` | 检索相关内容 |\n| `delete()` | 删除指定文档 |\n| `update()` | 更新文档内容 |\n| `get_stats()` | 获取知识库统计信息 |\n\n资料来源：[agenticx/knowledge/base.py]()\n\n### 主知识库类\n\n`knowledge.py` 是知识库的核心实现类，封装了文档处理、存储和检索的完整流程。\n\n**主要功能：**\n\n- 统一的文档管理接口\n- 自动选择最优分块策略\n- 支持多种后端存储\n- 与向量检索引擎集成\n\n资料来源：[agenticx/knowledge/knowledge.py]()\n\n## 文档读取器\n\n### PDF 阅读器\n\n`pdf_reader.py` 专门用于解析 PDF 文档，提取文本内容和结构化信息。\n\n**支持特性：**\n\n- 文本提取\n- 元数据解析（标题、作者、页数等）\n- 多栏布局处理\n- 图片和表格识别\n\n```python\nfrom agenticx.knowledge.readers.pdf_reader import PDFReader\n\nreader = PDFReader()\ndocuments = reader.read(\"document.pdf\")\n```\n\n资料来源：[agenticx/knowledge/readers/pdf_reader.py]()\n\n### 网页阅读器\n\n`web_reader.py` 用于从网页抓取并解析内容，支持动态加载页面的处理。\n\n**功能特点：**\n\n- HTML 解析与清洗\n- 去除广告和无关内容\n- 提取正文与元数据\n- 支持递归爬取\n\n```python\nfrom agenticx.knowledge.readers.web_reader import WebReader\n\nreader = WebReader()\ndocuments = reader.read(\"https://example.com/article\")\n```\n\n资料来源：[agenticx/knowledge/readers/web_reader.py]()\n\n## 智能分块器\n\n### Agentic 分块器\n\n`agentic_chunker.py` 实现了智能语义分块策略，将长文档拆分为语义完整的知识单元。\n\n**分块策略：**\n\n```mermaid\ngraph LR\n DOC[原始文档] --> PARSE[语义解析]\n PARSE --> SPLIT[按语义边界切分]\n SPLIT --> ENRICH[添加上下文元信息]\n ENRICH --> CHUNKS[知识块]\n```\n\n**配置参数：**\n\n| 参数 | 类型 | 默认值 | 说明 |\n|------|------|--------|------|\n| `chunk_size` | int | 512 | 单块目标 token 数 |\n| `chunk_overlap` | int | 50 | 块间重叠 token 数 |\n| `min_chunk_size` | int | 100 | 最小块大小 |\n| `semantic_enabled` | bool | true | 启用语义分块 |\n\n资料来源：[agenticx/knowledge/chunkers/agentic_chunker.py]()\n\n## 知识图谱构建\n\n### 图谱构建器\n\n`builder.py` 负责将文本内容转化为知识图谱结构，是图谱构建的核心引擎。\n\n**工作流程：**\n\n```mermaid\ngraph TD\n TEXT[文本输入] --> SPO_E[SPO 提取]\n SPO_E --> NODES[节点生成]\n NODES --> RELS[关系构建]\n RELS --> GRAPH[知识图谱]\n GRAPH --> COMM[社区检测]\n COMM --> OUTPUT[结构化图谱]\n```\n\n**核心能力：**\n\n- 自动实体识别\n- 关系类型推断\n- 图谱质量评估\n- 增量更新支持\n\n资料来源：[agenticx/knowledge/graphers/builder.py]()\n\n### SPO 三元组提取器\n\n`spo_extractor.py` 从文本中提取 Subject-Predicate-Object 三元组，构成知识图谱的基本单元。\n\n**支持的抽取类型：**\n\n| 关系类型 | 说明 | 示例 |\n|----------|------|------|\n| `人物-职位` | 担任某职位 | 张三-担任-CEO |\n| `组织-位于` | 所在地点 | 公司-位于-北京 |\n| `产品-特性` | 产品属性 | 手机-支持-5G |\n| `事件-时间` | 发生时间 | 会议-发生-今天 |\n| `概念-属于` | 所属类别 | AI-属于-技术领域 |\n\n资料来源：[agenticx/knowledge/graphers/spo_extractor.py]()\n\n### 社区检测\n\n`community.py` 实现了图谱社区发现算法，用于将大规模知识图谱划分为语义相关的社区簇。\n\n**算法特点：**\n\n- 基于图聚类的社区发现\n- 支持层次化社区结构\n- 自动识别核心实体与从属实体\n- 跨社区关系保留\n\n```python\nfrom agenticx.knowledge.graphers.community import CommunityDetector\n\ndetector = CommunityDetector()\ncommunities = detector.detect(knowledge_graph)\n```\n\n资料来源：[agenticx/knowledge/graphers/community.py]()\n\n## Studio 知识库管理\n\n`studio/kb/manager.py` 提供了知识库的图形化管理能力，通过 Web 界面进行知识库的日常运维。\n\n**管理功能：**\n\n| 功能 | 说明 |\n|------|------|\n| 文档上传 | 支持拖拽上传多种格式文档 |\n| 知识检索 | 可视化检索界面 |\n| 图谱查看 | 交互式图谱可视化 |\n| 状态监控 | 索引状态与存储统计 |\n\n**权限控制：**\n\n- 按部门隔离知识库\n- 细粒度访问控制\n- 操作审计日志\n\n资料来源：[agenticx/studio/kb/manager.py]()\n\n## 使用示例\n\n### 基础使用流程\n\n```python\nfrom agenticx.knowledge import KnowledgeBase\nfrom agenticx.knowledge.readers import PDFReader, WebReader\nfrom agenticx.knowledge.chunkers import AgenticChunker\n\n# 1. 初始化组件\nreader = PDFReader()\nchunker = AgenticChunker(chunk_size=512)\nkb = KnowledgeBase()\n\n# 2. 读取并处理文档\ndocuments = reader.read(\"technical_doc.pdf\")\nchunks = chunker.chunk(documents)\n\n# 3. 添加到知识库\nkb.add_documents(chunks)\n\n# 4. 检索知识\nresults = kb.search(\"如何配置系统参数\")\n```\n\n### 构建知识图谱\n\n```python\nfrom agenticx.knowledge.graphers import (\n GraphBuilder,\n SPOExtractor,\n CommunityDetector\n)\n\n# 1. 提取三元组\nextractor = SPOExtractor()\nspo_triples = extractor.extract(text_corpus)\n\n# 2. 构建图谱\nbuilder = GraphBuilder()\ngraph = builder.build(spo_triples)\n\n# 3. 社区检测\ndetector = CommunityDetector()\ncommunities = detector.detect(graph)\n\n# 4. 查询图谱\nentities = graph.query(\"找出所有相关技术概念\")\n```\n\n## 数据模型\n\n### 知识块结构\n\n```python\nclass KnowledgeChunk:\n id: str # 唯一标识\n content: str # 文本内容\n metadata: dict # 元信息\n embedding: list[float] # 向量表示\n source: str # 来源文档\n position: int # 文档内位置\n```\n\n### 图谱节点结构\n\n```python\nclass GraphNode:\n id: str # 节点 ID\n type: str # 实体类型\n name: str # 实体名称\n properties: dict # 扩展属性\n community: str # 所属社区\n```\n\n### 三元组结构\n\n```python\nclass SPOTriple:\n subject: str # 主语\n predicate: str # 谓词/关系\n object: str # 宾语\n confidence: float # 置信度\n source: str # 来源文本\n```\n\n## 配置参考\n\n### 环境变量\n\n| 变量名 | 说明 | 默认值 |\n|--------|------|--------|\n| `KNOWLEDGE_BASE_PATH` | 知识库存储路径 | `./data/knowledge` |\n| `VECTOR_DB_TYPE` | 向量数据库类型 | `faiss` |\n| `EMBEDDING_MODEL` | Embedding 模型 | `text-embedding-3-small` |\n\n### 初始化配置\n\n```python\nkb = KnowledgeBase(\n storage_backend=\"faiss\",\n embedding_model=\"text-embedding-3-small\",\n chunk_size=512,\n enable_graph=True,\n enable_vector=True\n)\n```\n\n## 最佳实践\n\n### 文档准备\n\n1. **预处理优化**：提前清理文档中的无关内容（页眉页脚、水印等）\n2. **结构保留**：保持文档原有层级结构，提升分块效果\n3. **格式统一**：建议使用标准 PDF 格式，避免扫描件\n\n### 分块策略\n\n| 场景 | 推荐 chunk_size | 说明 |\n|------|-----------------|------|\n| 短问答 | 256-384 | 适合精确问答场景 |\n| 通用文档 | 512-768 | 平衡上下文与精度 |\n| 长篇分析 | 1024+ | 适合总结类任务 |\n\n### 图谱维护\n\n1. **定期更新**：建立增量更新机制，保持图谱时效性\n2. **质量监控**：定期检查三元组准确率\n3. **社区审核**：对自动识别的社区进行人工校验\n\n## 相关文档\n\n- [多智能体协作](../collaboration/README.md)\n- [Agent 开发指南](../agents/README.md)\n- [身份与权限](../iam/README.md)\n\n---\n\n---\n\n## Doramagic 踩坑日志\n\n项目：DemonDamon/AgenticX\n\n摘要：发现 18 个潜在踩坑项，其中 1 个为 high/blocking；最高优先级：安装坑 - 来源证据：Desktop app fails on startup: agx serve failed to start (local API not available)。\n\n## 1. 安装坑 · 来源证据：Desktop app fails on startup: agx serve failed to start (local API not available)\n\n- 严重度：high\n- 证据强度：source_linked\n- 发现：GitHub 社区证据显示该项目存在一个安装相关的待验证问题：Desktop app fails on startup: agx serve failed to start (local API not available)\n- 对用户的影响：可能增加新用户试用和生产接入成本。\n- 建议检查：来源问题仍为 open，Pack Agent 需要复核是否仍影响当前版本。\n- 防护动作：不得脱离来源链接放大为确定性结论；需要标注适用版本和复核状态。\n- 证据：community_evidence:github | cevd_4330954394974f1ab2f82c8645e1dce9 | https://github.com/DemonDamon/AgenticX/issues/2 | 来源讨论提到 python 相关条件，需在安装/试用前复核。\n\n## 2. 安装坑 · 来源证据：AgenticX + Machi v0.3.7\n\n- 严重度：medium\n- 证据强度：source_linked\n- 发现：GitHub 社区证据显示该项目存在一个安装相关的待验证问题：AgenticX + Machi v0.3.7\n- 对用户的影响：可能阻塞安装或首次运行。\n- 建议检查：来源显示可能已有修复、规避或版本变化，说明书中必须标注适用版本。\n- 防护动作：不得脱离来源链接放大为确定性结论；需要标注适用版本和复核状态。\n- 证据：community_evidence:github | cevd_f4983001c0714fbe923df9e3263934b3 | https://github.com/DemonDamon/AgenticX/releases/tag/v0.3.7 | 来源讨论提到 python 相关条件，需在安装/试用前复核。\n\n## 3. 安装坑 · 来源证据：MCP will report an error upon startup: \"[Errno 2] No such file or directory\".\n\n- 严重度：medium\n- 证据强度：source_linked\n- 发现：GitHub 社区证据显示该项目存在一个安装相关的待验证问题：MCP will report an error upon startup: \"[Errno 2] No such file or directory\".\n- 对用户的影响：可能增加新用户试用和生产接入成本。\n- 建议检查：来源显示可能已有修复、规避或版本变化，说明书中必须标注适用版本。\n- 防护动作：不得脱离来源链接放大为确定性结论；需要标注适用版本和复核状态。\n- 证据：community_evidence:github | cevd_026abb56e0864ba4b60ba497e1a19084 | https://github.com/DemonDamon/AgenticX/issues/14 | 来源讨论提到 node 相关条件，需在安装/试用前复核。\n\n## 4. 安装坑 · 来源证据：Machi launch failure on mac\n\n- 严重度：medium\n- 证据强度：source_linked\n- 发现：GitHub 社区证据显示该项目存在一个安装相关的待验证问题：Machi launch failure on mac\n- 对用户的影响：可能增加新用户试用和生产接入成本。\n- 建议检查：来源问题仍为 open，Pack Agent 需要复核是否仍影响当前版本。\n- 防护动作：不得脱离来源链接放大为确定性结论；需要标注适用版本和复核状态。\n- 证据：community_evidence:github | cevd_1f85a307f6b44099b52dfdb50d13f91c | https://github.com/DemonDamon/AgenticX/issues/13 | 来源类型 github_issue 暴露的待验证使用条件。\n\n## 5. 安装坑 · 来源证据：UX: Cannot queue follow-up messages while `bash_exec` (or tool) is running; UI blocks until stop or completion\n\n- 严重度：medium\n- 证据强度：source_linked\n- 发现：GitHub 社区证据显示该项目存在一个安装相关的待验证问题：UX: Cannot queue follow-up messages while `bash_exec` (or tool) is running; UI blocks until stop or completion\n- 对用户的影响：可能阻塞安装或首次运行。\n- 建议检查：来源显示可能已有修复、规避或版本变化，说明书中必须标注适用版本。\n- 防护动作：不得脱离来源链接放大为确定性结论；需要标注适用版本和复核状态。\n- 证据：community_evidence:github | cevd_170a543fa1d640b7a6c9c54d5b9ce6c1 | https://github.com/DemonDamon/AgenticX/issues/8 | 来源类型 github_issue 暴露的待验证使用条件。\n\n## 6. 安装坑 · 来源证据：Windows: Document ingestion fails for PDF files (missing PDF reader libs / missing numpy)\n\n- 严重度：medium\n- 证据强度：source_linked\n- 发现：GitHub 社区证据显示该项目存在一个安装相关的待验证问题：Windows: Document ingestion fails for PDF files (missing PDF reader libs / missing numpy)\n- 对用户的影响：可能增加新用户试用和生产接入成本。\n- 建议检查：来源显示可能已有修复、规避或版本变化，说明书中必须标注适用版本。\n- 防护动作：不得脱离来源链接放大为确定性结论；需要标注适用版本和复核状态。\n- 证据：community_evidence:github | cevd_2d8c2ce59a394bd8901a52ddaf36f821 | https://github.com/DemonDamon/AgenticX/issues/10 | 来源讨论提到 python 相关条件，需在安装/试用前复核。\n\n## 7. 能力坑 · 能力判断依赖假设\n\n- 严重度：medium\n- 证据强度：source_linked\n- 发现：README/documentation is current enough for a first validation pass.\n- 对用户的影响：假设不成立时，用户拿不到承诺的能力。\n- 建议检查：将假设转成下游验证清单。\n- 防护动作：假设必须转成验证项；没有验证结果前不能写成事实。\n- 证据：capability.assumptions | github_repo:772408997 | https://github.com/DemonDamon/AgenticX | README/documentation is current enough for a first validation pass.\n\n## 8. 维护坑 · 维护活跃度未知\n\n- 严重度：medium\n- 证据强度：source_linked\n- 发现：未记录 last_activity_observed。\n- 对用户的影响：新项目、停更项目和活跃项目会被混在一起，推荐信任度下降。\n- 建议检查：补 GitHub 最近 commit、release、issue/PR 响应信号。\n- 防护动作：维护活跃度未知时，推荐强度不能标为高信任。\n- 证据：evidence.maintainer_signals | github_repo:772408997 | https://github.com/DemonDamon/AgenticX | last_activity_observed missing\n\n## 9. 安全/权限坑 · 下游验证发现风险项\n\n- 严重度：medium\n- 证据强度：source_linked\n- 发现：no_demo\n- 对用户的影响：下游已经要求复核，不能在页面中弱化。\n- 建议检查：进入安全/权限治理复核队列。\n- 防护动作：下游风险存在时必须保持 review/recommendation 降级。\n- 证据：downstream_validation.risk_items | github_repo:772408997 | https://github.com/DemonDamon/AgenticX | no_demo; severity=medium\n\n## 10. 安全/权限坑 · 存在安全注意事项\n\n- 严重度：medium\n- 证据强度：source_linked\n- 发现：No sandbox install has been executed yet; downstream must verify before user use.\n- 对用户的影响：用户安装前需要知道权限边界和敏感操作。\n- 建议检查：转成明确权限清单和安全审查提示。\n- 防护动作：安全注意事项必须面向用户前置展示。\n- 证据：risks.safety_notes | github_repo:772408997 | https://github.com/DemonDamon/AgenticX | No sandbox install has been executed yet; downstream must verify before user use.\n\n## 11. 安全/权限坑 · 存在评分风险\n\n- 严重度：medium\n- 证据强度：source_linked\n- 发现：no_demo\n- 对用户的影响：风险会影响是否适合普通用户安装。\n- 建议检查：把风险写入边界卡，并确认是否需要人工复核。\n- 防护动作：评分风险必须进入边界卡，不能只作为内部分数。\n- 证据：risks.scoring_risks | github_repo:772408997 | https://github.com/DemonDamon/AgenticX | no_demo; severity=medium\n\n## 12. 安全/权限坑 · 来源证据：AgenticX v0.3.5\n\n- 严重度：medium\n- 证据强度：source_linked\n- 发现：GitHub 社区证据显示该项目存在一个安全/权限相关的待验证问题：AgenticX v0.3.5\n- 对用户的影响：可能影响授权、密钥配置或安全边界。\n- 建议检查：来源显示可能已有修复、规避或版本变化，说明书中必须标注适用版本。\n- 防护动作：不得脱离来源链接放大为确定性结论；需要标注适用版本和复核状态。\n- 证据：community_evidence:github | cevd_c05bccba0b02475cb74b550d42c91222 | https://github.com/DemonDamon/AgenticX/releases/tag/v0.3.5 | 来源讨论提到 python 相关条件，需在安装/试用前复核。\n\n## 13. 安全/权限坑 · 来源证据：AgenticX v0.3.6\n\n- 严重度：medium\n- 证据强度：source_linked\n- 发现：GitHub 社区证据显示该项目存在一个安全/权限相关的待验证问题：AgenticX v0.3.6\n- 对用户的影响：可能影响升级、迁移或版本选择。\n- 建议检查：来源显示可能已有修复、规避或版本变化，说明书中必须标注适用版本。\n- 防护动作：不得脱离来源链接放大为确定性结论；需要标注适用版本和复核状态。\n- 证据：community_evidence:github | cevd_619eaf3ee1334cb6bc5db5adb67b7c8f | https://github.com/DemonDamon/AgenticX/releases/tag/v0.3.6 | 来源讨论提到 python 相关条件，需在安装/试用前复核。\n\n## 14. 安全/权限坑 · 来源证据：AgenticX v0.3.8\n\n- 严重度：medium\n- 证据强度：source_linked\n- 发现：GitHub 社区证据显示该项目存在一个安全/权限相关的待验证问题：AgenticX v0.3.8\n- 对用户的影响：可能影响升级、迁移或版本选择。\n- 建议检查：来源显示可能已有修复、规避或版本变化，说明书中必须标注适用版本。\n- 防护动作：不得脱离来源链接放大为确定性结论；需要标注适用版本和复核状态。\n- 证据：community_evidence:github | cevd_3c0dad4f133a4a199f8b54083f16427f | https://github.com/DemonDamon/AgenticX/releases/tag/v0.3.8 | 来源讨论提到 python 相关条件，需在安装/试用前复核。\n\n## 15. 安全/权限坑 · 来源证据：bash_exec fails to run any command on Windows (WinError 2)\n\n- 严重度：medium\n- 证据强度：source_linked\n- 发现：GitHub 社区证据显示该项目存在一个安全/权限相关的待验证问题：bash_exec fails to run any command on Windows (WinError 2)\n- 对用户的影响：可能影响授权、密钥配置或安全边界。\n- 建议检查：来源显示可能已有修复、规避或版本变化，说明书中必须标注适用版本。\n- 防护动作：不得脱离来源链接放大为确定性结论；需要标注适用版本和复核状态。\n- 证据：community_evidence:github | cevd_14230559f63c4fd8a7a8d1310b6284d0 | https://github.com/DemonDamon/AgenticX/issues/7 | 来源讨论提到 windows 相关条件，需在安装/试用前复核。\n\n## 16. 安全/权限坑 · 来源证据：添加模型不支持codex 认证方式\n\n- 严重度：medium\n- 证据强度：source_linked\n- 发现：GitHub 社区证据显示该项目存在一个安全/权限相关的待验证问题：添加模型不支持codex 认证方式\n- 对用户的影响：可能影响授权、密钥配置或安全边界。\n- 建议检查：来源问题仍为 open，Pack Agent 需要复核是否仍影响当前版本。\n- 防护动作：不得脱离来源链接放大为确定性结论；需要标注适用版本和复核状态。\n- 证据：community_evidence:github | cevd_b24824ec7b6e4e7fa6bc5b7b2874817c | https://github.com/DemonDamon/AgenticX/issues/4 | 来源讨论提到 api key 相关条件，需在安装/试用前复核。\n\n## 17. 维护坑 · issue/PR 响应质量未知\n\n- 严重度：low\n- 证据强度：source_linked\n- 发现：issue_or_pr_quality=unknown。\n- 对用户的影响：用户无法判断遇到问题后是否有人维护。\n- 建议检查：抽样最近 issue/PR，判断是否长期无人处理。\n- 防护动作：issue/PR 响应未知时，必须提示维护风险。\n- 证据：evidence.maintainer_signals | github_repo:772408997 | https://github.com/DemonDamon/AgenticX | issue_or_pr_quality=unknown\n\n## 18. 维护坑 · 发布节奏不明确\n\n- 严重度：low\n- 证据强度：source_linked\n- 发现：release_recency=unknown。\n- 对用户的影响：安装命令和文档可能落后于代码，用户踩坑概率升高。\n- 建议检查：确认最近 release/tag 和 README 安装命令是否一致。\n- 防护动作：发布节奏未知或过期时，安装说明必须标注可能漂移。\n- 证据：evidence.maintainer_signals | github_repo:772408997 | https://github.com/DemonDamon/AgenticX | release_recency=unknown\n\n\n", "summary": "DeepWiki/Human Wiki 完整输出，末尾追加 Discovery Agent 踩坑日志。", "title": "Human Manual / 人类版说明书" }, "pitfall_log": { "asset_id": "pitfall_log", "filename": "PITFALL_LOG.md", "markdown": "# Pitfall Log / 踩坑日志\n\n项目：DemonDamon/AgenticX\n\n摘要：发现 18 个潜在踩坑项，其中 1 个为 high/blocking；最高优先级：安装坑 - 来源证据：Desktop app fails on startup: agx serve failed to start (local API not available)。\n\n## 1. 安装坑 · 来源证据：Desktop app fails on startup: agx serve failed to start (local API not available)\n\n- 严重度：high\n- 证据强度：source_linked\n- 发现：GitHub 社区证据显示该项目存在一个安装相关的待验证问题：Desktop app fails on startup: agx serve failed to start (local API not available)\n- 对用户的影响：可能增加新用户试用和生产接入成本。\n- 建议检查：来源问题仍为 open，Pack Agent 需要复核是否仍影响当前版本。\n- 防护动作：不得脱离来源链接放大为确定性结论；需要标注适用版本和复核状态。\n- 证据：community_evidence:github | cevd_4330954394974f1ab2f82c8645e1dce9 | https://github.com/DemonDamon/AgenticX/issues/2 | 来源讨论提到 python 相关条件，需在安装/试用前复核。\n\n## 2. 安装坑 · 来源证据：AgenticX + Machi v0.3.7\n\n- 严重度：medium\n- 证据强度：source_linked\n- 发现：GitHub 社区证据显示该项目存在一个安装相关的待验证问题：AgenticX + Machi v0.3.7\n- 对用户的影响：可能阻塞安装或首次运行。\n- 建议检查：来源显示可能已有修复、规避或版本变化，说明书中必须标注适用版本。\n- 防护动作：不得脱离来源链接放大为确定性结论；需要标注适用版本和复核状态。\n- 证据：community_evidence:github | cevd_f4983001c0714fbe923df9e3263934b3 | https://github.com/DemonDamon/AgenticX/releases/tag/v0.3.7 | 来源讨论提到 python 相关条件，需在安装/试用前复核。\n\n## 3. 安装坑 · 来源证据：MCP will report an error upon startup: \"[Errno 2] No such file or directory\".\n\n- 严重度：medium\n- 证据强度：source_linked\n- 发现：GitHub 社区证据显示该项目存在一个安装相关的待验证问题：MCP will report an error upon startup: \"[Errno 2] No such file or directory\".\n- 对用户的影响：可能增加新用户试用和生产接入成本。\n- 建议检查：来源显示可能已有修复、规避或版本变化，说明书中必须标注适用版本。\n- 防护动作：不得脱离来源链接放大为确定性结论；需要标注适用版本和复核状态。\n- 证据：community_evidence:github | cevd_026abb56e0864ba4b60ba497e1a19084 | https://github.com/DemonDamon/AgenticX/issues/14 | 来源讨论提到 node 相关条件，需在安装/试用前复核。\n\n## 4. 安装坑 · 来源证据：Machi launch failure on mac\n\n- 严重度：medium\n- 证据强度：source_linked\n- 发现：GitHub 社区证据显示该项目存在一个安装相关的待验证问题：Machi launch failure on mac\n- 对用户的影响：可能增加新用户试用和生产接入成本。\n- 建议检查：来源问题仍为 open，Pack Agent 需要复核是否仍影响当前版本。\n- 防护动作：不得脱离来源链接放大为确定性结论；需要标注适用版本和复核状态。\n- 证据：community_evidence:github | cevd_1f85a307f6b44099b52dfdb50d13f91c | https://github.com/DemonDamon/AgenticX/issues/13 | 来源类型 github_issue 暴露的待验证使用条件。\n\n## 5. 安装坑 · 来源证据：UX: Cannot queue follow-up messages while `bash_exec` (or tool) is running; UI blocks until stop or completion\n\n- 严重度：medium\n- 证据强度：source_linked\n- 发现：GitHub 社区证据显示该项目存在一个安装相关的待验证问题：UX: Cannot queue follow-up messages while `bash_exec` (or tool) is running; UI blocks until stop or completion\n- 对用户的影响：可能阻塞安装或首次运行。\n- 建议检查：来源显示可能已有修复、规避或版本变化，说明书中必须标注适用版本。\n- 防护动作：不得脱离来源链接放大为确定性结论；需要标注适用版本和复核状态。\n- 证据：community_evidence:github | cevd_170a543fa1d640b7a6c9c54d5b9ce6c1 | https://github.com/DemonDamon/AgenticX/issues/8 | 来源类型 github_issue 暴露的待验证使用条件。\n\n## 6. 安装坑 · 来源证据：Windows: Document ingestion fails for PDF files (missing PDF reader libs / missing numpy)\n\n- 严重度：medium\n- 证据强度：source_linked\n- 发现：GitHub 社区证据显示该项目存在一个安装相关的待验证问题：Windows: Document ingestion fails for PDF files (missing PDF reader libs / missing numpy)\n- 对用户的影响：可能增加新用户试用和生产接入成本。\n- 建议检查：来源显示可能已有修复、规避或版本变化，说明书中必须标注适用版本。\n- 防护动作：不得脱离来源链接放大为确定性结论；需要标注适用版本和复核状态。\n- 证据：community_evidence:github | cevd_2d8c2ce59a394bd8901a52ddaf36f821 | https://github.com/DemonDamon/AgenticX/issues/10 | 来源讨论提到 python 相关条件，需在安装/试用前复核。\n\n## 7. 能力坑 · 能力判断依赖假设\n\n- 严重度：medium\n- 证据强度：source_linked\n- 发现：README/documentation is current enough for a first validation pass.\n- 对用户的影响：假设不成立时，用户拿不到承诺的能力。\n- 建议检查：将假设转成下游验证清单。\n- 防护动作：假设必须转成验证项；没有验证结果前不能写成事实。\n- 证据：capability.assumptions | github_repo:772408997 | https://github.com/DemonDamon/AgenticX | README/documentation is current enough for a first validation pass.\n\n## 8. 维护坑 · 维护活跃度未知\n\n- 严重度：medium\n- 证据强度：source_linked\n- 发现：未记录 last_activity_observed。\n- 对用户的影响：新项目、停更项目和活跃项目会被混在一起，推荐信任度下降。\n- 建议检查：补 GitHub 最近 commit、release、issue/PR 响应信号。\n- 防护动作：维护活跃度未知时，推荐强度不能标为高信任。\n- 证据：evidence.maintainer_signals | github_repo:772408997 | https://github.com/DemonDamon/AgenticX | last_activity_observed missing\n\n## 9. 安全/权限坑 · 下游验证发现风险项\n\n- 严重度：medium\n- 证据强度：source_linked\n- 发现：no_demo\n- 对用户的影响：下游已经要求复核，不能在页面中弱化。\n- 建议检查：进入安全/权限治理复核队列。\n- 防护动作：下游风险存在时必须保持 review/recommendation 降级。\n- 证据：downstream_validation.risk_items | github_repo:772408997 | https://github.com/DemonDamon/AgenticX | no_demo; severity=medium\n\n## 10. 安全/权限坑 · 存在安全注意事项\n\n- 严重度：medium\n- 证据强度：source_linked\n- 发现：No sandbox install has been executed yet; downstream must verify before user use.\n- 对用户的影响：用户安装前需要知道权限边界和敏感操作。\n- 建议检查：转成明确权限清单和安全审查提示。\n- 防护动作：安全注意事项必须面向用户前置展示。\n- 证据：risks.safety_notes | github_repo:772408997 | https://github.com/DemonDamon/AgenticX | No sandbox install has been executed yet; downstream must verify before user use.\n\n## 11. 安全/权限坑 · 存在评分风险\n\n- 严重度：medium\n- 证据强度：source_linked\n- 发现：no_demo\n- 对用户的影响：风险会影响是否适合普通用户安装。\n- 建议检查：把风险写入边界卡，并确认是否需要人工复核。\n- 防护动作：评分风险必须进入边界卡，不能只作为内部分数。\n- 证据：risks.scoring_risks | github_repo:772408997 | https://github.com/DemonDamon/AgenticX | no_demo; severity=medium\n\n## 12. 安全/权限坑 · 来源证据：AgenticX v0.3.5\n\n- 严重度：medium\n- 证据强度：source_linked\n- 发现：GitHub 社区证据显示该项目存在一个安全/权限相关的待验证问题：AgenticX v0.3.5\n- 对用户的影响：可能影响授权、密钥配置或安全边界。\n- 建议检查：来源显示可能已有修复、规避或版本变化，说明书中必须标注适用版本。\n- 防护动作：不得脱离来源链接放大为确定性结论；需要标注适用版本和复核状态。\n- 证据：community_evidence:github | cevd_c05bccba0b02475cb74b550d42c91222 | https://github.com/DemonDamon/AgenticX/releases/tag/v0.3.5 | 来源讨论提到 python 相关条件，需在安装/试用前复核。\n\n## 13. 安全/权限坑 · 来源证据：AgenticX v0.3.6\n\n- 严重度：medium\n- 证据强度：source_linked\n- 发现：GitHub 社区证据显示该项目存在一个安全/权限相关的待验证问题：AgenticX v0.3.6\n- 对用户的影响：可能影响升级、迁移或版本选择。\n- 建议检查：来源显示可能已有修复、规避或版本变化，说明书中必须标注适用版本。\n- 防护动作：不得脱离来源链接放大为确定性结论；需要标注适用版本和复核状态。\n- 证据：community_evidence:github | cevd_619eaf3ee1334cb6bc5db5adb67b7c8f | https://github.com/DemonDamon/AgenticX/releases/tag/v0.3.6 | 来源讨论提到 python 相关条件，需在安装/试用前复核。\n\n## 14. 安全/权限坑 · 来源证据：AgenticX v0.3.8\n\n- 严重度：medium\n- 证据强度：source_linked\n- 发现：GitHub 社区证据显示该项目存在一个安全/权限相关的待验证问题：AgenticX v0.3.8\n- 对用户的影响：可能影响升级、迁移或版本选择。\n- 建议检查：来源显示可能已有修复、规避或版本变化，说明书中必须标注适用版本。\n- 防护动作：不得脱离来源链接放大为确定性结论；需要标注适用版本和复核状态。\n- 证据：community_evidence:github | cevd_3c0dad4f133a4a199f8b54083f16427f | https://github.com/DemonDamon/AgenticX/releases/tag/v0.3.8 | 来源讨论提到 python 相关条件，需在安装/试用前复核。\n\n## 15. 安全/权限坑 · 来源证据：bash_exec fails to run any command on Windows (WinError 2)\n\n- 严重度：medium\n- 证据强度：source_linked\n- 发现：GitHub 社区证据显示该项目存在一个安全/权限相关的待验证问题：bash_exec fails to run any command on Windows (WinError 2)\n- 对用户的影响：可能影响授权、密钥配置或安全边界。\n- 建议检查：来源显示可能已有修复、规避或版本变化，说明书中必须标注适用版本。\n- 防护动作：不得脱离来源链接放大为确定性结论；需要标注适用版本和复核状态。\n- 证据：community_evidence:github | cevd_14230559f63c4fd8a7a8d1310b6284d0 | https://github.com/DemonDamon/AgenticX/issues/7 | 来源讨论提到 windows 相关条件，需在安装/试用前复核。\n\n## 16. 安全/权限坑 · 来源证据：添加模型不支持codex 认证方式\n\n- 严重度：medium\n- 证据强度：source_linked\n- 发现：GitHub 社区证据显示该项目存在一个安全/权限相关的待验证问题：添加模型不支持codex 认证方式\n- 对用户的影响：可能影响授权、密钥配置或安全边界。\n- 建议检查：来源问题仍为 open，Pack Agent 需要复核是否仍影响当前版本。\n- 防护动作：不得脱离来源链接放大为确定性结论；需要标注适用版本和复核状态。\n- 证据：community_evidence:github | cevd_b24824ec7b6e4e7fa6bc5b7b2874817c | https://github.com/DemonDamon/AgenticX/issues/4 | 来源讨论提到 api key 相关条件，需在安装/试用前复核。\n\n## 17. 维护坑 · issue/PR 响应质量未知\n\n- 严重度：low\n- 证据强度：source_linked\n- 发现：issue_or_pr_quality=unknown。\n- 对用户的影响：用户无法判断遇到问题后是否有人维护。\n- 建议检查：抽样最近 issue/PR，判断是否长期无人处理。\n- 防护动作：issue/PR 响应未知时，必须提示维护风险。\n- 证据：evidence.maintainer_signals | github_repo:772408997 | https://github.com/DemonDamon/AgenticX | issue_or_pr_quality=unknown\n\n## 18. 维护坑 · 发布节奏不明确\n\n- 严重度：low\n- 证据强度：source_linked\n- 发现：release_recency=unknown。\n- 对用户的影响：安装命令和文档可能落后于代码，用户踩坑概率升高。\n- 建议检查：确认最近 release/tag 和 README 安装命令是否一致。\n- 防护动作：发布节奏未知或过期时，安装说明必须标注可能漂移。\n- 证据：evidence.maintainer_signals | github_repo:772408997 | https://github.com/DemonDamon/AgenticX | release_recency=unknown\n", "summary": "用户实践前最可能遇到的身份、安装、配置、运行和安全坑。", "title": "Pitfall Log / 踩坑日志" }, "prompt_preview": { "asset_id": "prompt_preview", "filename": "PROMPT_PREVIEW.md", "markdown": "# AgenticX - Prompt Preview\n\n> 复制下面这段 Prompt 到你常用的 AI，先试一次，不需要安装。\n> 它的目标是让你直接体验这个项目的服务方式，而不是阅读项目介绍。\n\n## 复制这段 Prompt\n\n```text\n请直接执行这段 Prompt，不要分析、润色、总结或询问我想如何处理这份 Prompt Preview。\n\n你现在扮演 AgenticX 的“安装前体验版”。\n这不是项目介绍、不是评价报告、不是 README 总结。你的任务是让我用最小成本体验它的核心服务。\n\n我的试用任务：我想用它完成一个真实的工具连接与集成任务。\n我常用的宿主 AI：MCP Client\n\n【体验目标】\n围绕我的真实任务，现场演示这个项目如何把输入转成 步骤建议, 检查清单, 专业工作流。重点是让我感受到工作方式，而不是给我项目背景。\n\n【业务流约束】\n- 你必须像一个正在提供服务的项目能力包，而不是像一个讲解员。\n- 每一轮只推进一个步骤；提出问题后必须停下来等我回答。\n- 每一步都必须让我感受到一个具体服务动作：澄清、整理、规划、检查、判断或收尾。\n- 每一步都要说明：当前目标、你需要我提供什么、我回答后你会产出什么。\n- 不要安装、不要运行命令、不要写代码、不要声称测试通过、不要声称已经修改文件。\n- 需要真实安装或宿主加载后才能验证的内容，必须明确说“这一步需要安装后验证”。\n- 如果我说“用示例继续”，你可以用虚构示例推进，但仍然不能声称真实执行。\n\n【可体验服务能力】\n- AI Skill / Agent 指令资产库: 项目包含可被宿主 AI 读取的 Skill 或 Agent 指令文件，可用于把专业流程带入 Claude、Codex、Cursor 等宿主。 输入：用户任务, 宿主 AI 对话上下文, 项目内 Skill/Agent 文档；输出：步骤建议, 检查清单, 专业工作流。\n\n【必须安装后才可验证的能力】\n- 命令行启动或安装流程: 项目文档中存在可执行命令，真实使用需要在本地或宿主环境中运行这些命令。 输入：终端环境, 包管理器, 项目依赖；输出：安装结果, 列表/更新/运行结果。\n\n【核心服务流】\n请严格按这个顺序带我体验。不要一次性输出完整流程：\n1. page-overview：项目概览。围绕“项目概览”模拟一次用户任务，不展示安装或运行结果。\n2. page-architecture：系统架构。围绕“系统架构”模拟一次用户任务，不展示安装或运行结果。\n3. page-installation：安装与配置。围绕“安装与配置”模拟一次用户任务，不展示安装或运行结果。\n4. page-agent-core：Agent 核心框架。围绕“Agent 核心框架”模拟一次用户任务，不展示安装或运行结果。\n5. page-tool-system：工具系统。围绕“工具系统”模拟一次用户任务，不展示安装或运行结果。\n\n【核心能力体验剧本】\n每一步都必须按“输入 -> 服务动作 -> 中间产物”执行。不要只说流程名：\n1. page-overview\n输入：用户提供的“项目概览”相关信息。\n服务动作：模拟项目在这一步的核心判断和整理方式。\n中间产物：一个可检查的小结果。\n\n2. page-architecture\n输入：用户提供的“系统架构”相关信息。\n服务动作：模拟项目在这一步的核心判断和整理方式。\n中间产物：一个可检查的小结果。\n\n3. page-installation\n输入：用户提供的“安装与配置”相关信息。\n服务动作：模拟项目在这一步的核心判断和整理方式。\n中间产物：一个可检查的小结果。\n\n4. page-agent-core\n输入：用户提供的“Agent 核心框架”相关信息。\n服务动作：模拟项目在这一步的核心判断和整理方式。\n中间产物：一个可检查的小结果。\n\n5. page-tool-system\n输入：用户提供的“工具系统”相关信息。\n服务动作：模拟项目在这一步的核心判断和整理方式。\n中间产物：一个可检查的小结果。\n\n【项目服务规则】\n这些规则决定你如何服务用户。不要解释规则本身，而要在每一步执行时遵守：\n- 先确认用户任务、输入材料和成功标准，再模拟项目能力。\n- 每一步都必须形成可检查的小产物，并等待用户确认后再继续。\n- 凡是需要安装、调用工具或访问外部服务的能力，都必须标记为安装后验证。\n\n【每一步的服务约束】\n- Step 1 / page-overview：Step 1 必须围绕“项目概览”形成一个小中间产物，并等待用户确认。\n- Step 2 / page-architecture：Step 2 必须围绕“系统架构”形成一个小中间产物，并等待用户确认。\n- Step 3 / page-installation：Step 3 必须围绕“安装与配置”形成一个小中间产物，并等待用户确认。\n- Step 4 / page-agent-core：Step 4 必须围绕“Agent 核心框架”形成一个小中间产物，并等待用户确认。\n- Step 5 / page-tool-system：Step 5 必须围绕“工具系统”形成一个小中间产物，并等待用户确认。\n\n【边界与风险】\n- 不要声称已经安装、运行、调用 API、读写本地文件或完成真实任务。\n- 安装前预览只能展示工作方式，不能证明兼容性、性能或输出质量。\n- 涉及安装、插件加载、工具调用或外部服务的能力必须安装后验证。\n\n【可追溯依据】\n这些路径只用于你内部校验或在我追问“依据是什么”时简要引用。不要在首次回复主动展开：\n- https://github.com/DemonDamon/AgenticX\n- https://github.com/DemonDamon/AgenticX#readme\n- agenticx/skills/agenticx-a2a-connector/SKILL.md\n- agenticx/skills/agenticx-agent-builder/SKILL.md\n- agenticx/skills/agenticx-automation-crontask/SKILL.md\n- agenticx/skills/agenticx-deployer/SKILL.md\n- agenticx/skills/agenticx-memory-architect/SKILL.md\n- agenticx/skills/agenticx-quickstart/SKILL.md\n- agenticx/skills/agenticx-skill-manager/SKILL.md\n- agenticx/skills/agenticx-tool-creator/SKILL.md\n- agenticx/skills/agenticx-workflow-designer/SKILL.md\n- README.md\n\n【首次问题规则】\n- 首次三问必须先确认用户目标、成功标准和边界，不要提前进入工具、安装或实现细节。\n- 如果后续需要技术条件、文件路径或运行环境，必须等用户确认目标后再追问。\n\n首次回复必须只输出下面 4 个部分：\n1. 体验开始：用 1 句话说明你将带我体验 AgenticX 的核心服务。\n2. 当前步骤：明确进入 Step 1，并说明这一步要解决什么。\n3. 你会如何服务我：说明你会先改变我完成任务的哪个动作。\n4. 只问我 3 个问题，然后停下等待回答。\n\n首次回复禁止输出：后续完整流程、证据清单、安装命令、项目评价、营销文案、已经安装或运行的说法。\n\nStep 1 / brainstorming 的二轮协议：\n- 我回答首次三问后，你仍然停留在 Step 1 / brainstorming，不要进入 Step 2。\n- 第二次回复必须产出 6 个部分：澄清后的任务定义、成功标准、边界条件、\n 2-3 个可选方案、每个方案的权衡、推荐方案。\n- 第二次回复最后必须问我是否确认推荐方案；只有我明确确认后，才能进入下一步。\n- 第二次回复禁止输出 git worktree、代码计划、测试文件、命令或真实执行结果。\n\n后续对话规则：\n- 我回答后，你先完成当前步骤的中间产物并等待确认；只有我确认后，才能进入下一步。\n- 每一步都要生成一个小的中间产物，例如澄清后的目标、计划草案、测试意图、验证清单或继续/停止判断。\n- 所有演示都写成“我会建议/我会引导/这一步会形成”，不要写成已经真实执行。\n- 不要声称已经测试通过、文件已修改、命令已运行或结果已产生。\n- 如果某个能力必须安装后验证，请直接说“这一步需要安装后验证”。\n- 如果证据不足，请明确说“证据不足”，不要补事实。\n```\n", "summary": "不安装项目也能感受能力节奏的安全试用 Prompt。", "title": "Prompt Preview / 安装前试用 Prompt" }, "quick_start": { "asset_id": "quick_start", "filename": "QUICK_START.md", "markdown": "# Quick Start / 官方入口\n\n项目：DemonDamon/AgenticX\n\n## 官方安装入口\n\n### Python / pip · 官方安装入口\n\n```bash\npip install agenticx\n```\n\n来源：https://github.com/DemonDamon/AgenticX#readme\n\n## 来源\n\n- repo: https://github.com/DemonDamon/AgenticX\n- docs: https://github.com/DemonDamon/AgenticX#readme\n", "summary": "从项目官方 README 或安装文档提取的开工入口。", "title": "Quick Start / 官方入口" } }, "validation_id": "dval_a033e96109b941659a17d833e0697cac" }