业务和功能介绍
立项背景和目标： 市面上的 AI 对话工具大多是单线程问答，无法跨会话管理任务、也不能在对话中直接触发行动。目标是构建一个本地部署的「对话即操作」AI 助手——用户说一句“帮我记下明天开会”，AI 自动调用工具写入待办;说一句“帮我看看这个网页”，AI 自动抓取并总结，实现真正的 Agent 交互闭环。
核心功能（4大模块）： （1）多会话管理：左侧边栏支持创建、切换、删除多个独立对话，首条消息自动生成会话标题，全部历史 SQLite 持久化;（2）DeepSeek Function Calling 工具调用：AI 自主判断何时调用内置工具，包括 add_todo（添加待办）、list_todos（查看待办）、fetch_webpage（网页正文抓取+摘要）、calculate（安全 AST 数学计算），4个工具覆盖主流任务场景;（3）流式对话（SSE）：后端 Server-Sent Events 实时推送，打字机效果输出，工具执行结果独立气泡推送，工具完成后 AI 继续流式回复，全链路无阻塞;（4）长对话记忆压缩：对话超过20条消息自动触发压缩，调用 DeepSeek 将旧消息摘要成200字背景，下次对话携带摘要而非全量历史，解决 token 超限问题。
业务流程： 用户发送消息 → FastAPI 接收并存库 → 携带历史+摘要调用 DeepSeek → 判断是否触发 Tool Calling → 执行工具（写待办/抓网页/计算）→ SSE 实时推送前端 → 工具完成后 AI 继续作答 → Vue3 前端 Pinia 状态管理渲染三栏界面（会话栏+对话区+待办面板）。
核心功能（4大模块）： （1）多会话管理：左侧边栏支持创建、切换、删除多个独立对话，首条消息自动生成会话标题，全部历史 SQLite 持久化;（2）DeepSeek Function Calling 工具调用：AI 自主判断何时调用内置工具，包括 add_todo（添加待办）、list_todos（查看待办）、fetch_webpage（网页正文抓取+摘要）、calculate（安全 AST 数学计算），4个工具覆盖主流任务场景;（3）流式对话（SSE）：后端 Server-Sent Events 实时推送，打字机效果输出，工具执行结果独立气泡推送，工具完成后 AI 继续流式回复，全链路无阻塞;（4）长对话记忆压缩：对话超过20条消息自动触发压缩，调用 DeepSeek 将旧消息摘要成200字背景，下次对话携带摘要而非全量历史，解决 token 超限问题。
业务流程： 用户发送消息 → FastAPI 接收并存库 → 携带历史+摘要调用 DeepSeek → 判断是否触发 Tool Calling → 执行工具（写待办/抓网页/计算）→ SSE 实时推送前端 → 工具完成后 AI 继续作答 → Vue3 前端 Pinia 状态管理渲染三栏界面（会话栏+对话区+待办面板）。
项目实现
整体架构： 前后端分离。后端 Python + FastAPI + SQLAlchemy ORM + SQLite（三张表：sessions/messages/todos），核心分层为 routers（API路由）/ core（AI引擎+工具执行）/ database（数据模型）;前端 Vue3 + Pinia + Vite，单文件组件 App.vue 实现三栏布局，api层封装所有接口调用，SSE 流通过 ReadableStream 逐行解析。
我的责任模块与量化结果： 独立完成全部代码，共22个文件。核心亮点：（1）Tool Calling 全链路——assistant 消息携带 tool_calls JSON 存库，tool 消息存 tool_call_id 关联，执行完成后重新构建完整消息链再次请求 AI 作最终回复，严格遵守 DeepSeek 函数 calling 消息格式规范;（2）SSE 流解析——前端用 ReadableStream reader 逐块读取，按 分割后解析 前缀 JSON，区分 text/tool_calls/tool_result/done 四种事件类型，动态更新 placeholder 消息;（3）记忆压缩策略——新消息数超阈值（20条）时，取全量消息排除最近10条，单独调用 DeepSeek 生成摘要并追加到 session.summary 字段，压缩后新对话上下文从 O（n） 降至 O（1）+固定摘要长度。\ndata:
难点与解决： （1）Tool Calling 流式模式下 arguments 分片传输：DeepSeek 流式返回时 function arguments 是分多个 chunk 累加的，在前端通过 逐片拼接， 时才触发工具分发，避免 JSON 解析不完整崩溃;（2）工具执行后 AI 需要“继续说话”：工具执行结果存为 role=tool 消息后，重新调用 重构完整消息链（含 tool_calls + tool result），再次发起流式请求让 AI 基于工具结果作答，两段流分别推送前端;（3）安全计算工具：拒绝使用 eval（），改用 Python AST 模块解析表达式树，只允许 Constant/BinOp/UnaryOp 节点和白名单运算符，杜绝代码注入风险。tool_calls_acc[index].arguments +=finish_reason === "tool_calls"_build_messages()
我的责任模块与量化结果： 独立完成全部代码，共22个文件。核心亮点：（1）Tool Calling 全链路——assistant 消息携带 tool_calls JSON 存库，tool 消息存 tool_call_id 关联，执行完成后重新构建完整消息链再次请求 AI 作最终回复，严格遵守 DeepSeek 函数 calling 消息格式规范;（2）SSE 流解析——前端用 ReadableStream reader 逐块读取，按 分割后解析 前缀 JSON，区分 text/tool_calls/tool_result/done 四种事件类型，动态更新 placeholder 消息;（3）记忆压缩策略——新消息数超阈值（20条）时，取全量消息排除最近10条，单独调用 DeepSeek 生成摘要并追加到 session.summary 字段，压缩后新对话上下文从 O（n） 降至 O（1）+固定摘要长度。\ndata:
难点与解决： （1）Tool Calling 流式模式下 arguments 分片传输：DeepSeek 流式返回时 function arguments 是分多个 chunk 累加的，在前端通过 逐片拼接， 时才触发工具分发，避免 JSON 解析不完整崩溃;（2）工具执行后 AI 需要“继续说话”：工具执行结果存为 role=tool 消息后，重新调用 重构完整消息链（含 tool_calls + tool result），再次发起流式请求让 AI 基于工具结果作答，两段流分别推送前端;（3）安全计算工具：拒绝使用 eval（），改用 Python AST 模块解析表达式树，只允许 Constant/BinOp/UnaryOp 节点和白名单运算符，杜绝代码注入风险。tool_calls_acc[index].arguments +=finish_reason === "tool_calls"_build_messages()
示例图片视频
相似推荐
爬取boss平台数据简历分析-ai职选
一、立项背景和目标 — 讲了求职者面临的海投回复率低、信息分散、缺乏量化评估三个痛点，以及 AI 职选如何解决这些问题。
二、软件功能与核心功能模块 — 分五个模块说明：
- 数据采集模块（公司详情页/职位详情页/列表页三种采集方式）
- 数据管理模块（暗色主题后台、批量更新、CSV 导出）
- AI 对话模块（多模型、流式输出、语音输入、文件上传）
- AI 数据分析模块（行业分析、薪资分析、报告生成）
- 简历优化与概率评估模块（四步流程、三维度评分）
三、业务流程与功能路径 — 分四个流程描述：
- 采集业务流程（从打开网页到数据存储的完整路径）
- AI 分析业务流程（勾选→分析→出报告）
- AI 对话业务流程（配置模型→提问→流式回复）
- 简历优化业务流程（输入简历→选目标→AI优化→概率评分）
魔方报表系统 (Mocube Report System)
魔方报表管理系统是一套面向教育机构的全栈数据管理平台。系统涵盖报表设计（可视化字段拖拽配置）、数据收集（在线填报与附件上传）、多级审批流程（支持印章选择与审批意见）、统计分析（图表展示与 Excel 导出）、考试测评（自动计分与成绩管理）以及系统管理（用户、角色、组织、权限的精细化配置）六大核心模块。适用于学校、教育局等机构的数据上报、绩效考核、问卷调研等场景，实现从表单设计到数据审核的全流程线上化管理。
NW低代码平台
● 项目描述：
一款面向企业内部和客户的企业级低代码平台，旨在通过可视化拖拽和配置的方式，快速构建OA、CRM、ERP等各类中后台管理系统。平台核心包含表单设计器、流程引擎、仪表盘、权限管理等模块，极大降低了开发门槛，提升了业务需求的交付速度。
印刷报价系统
当前中小印刷企业及商户普遍依赖人工核算报价，存在报价效率低、误差大、标准不统一等问题，且新人上手难、客户流失率高，业务与客户数据缺乏数字化管理，难以支撑企业精细化经营。为解决行业报价痛点，特立项开发印刷报价系统。
项目旨在搭建标准化智能报价体系，支持参数配置、智能报价、单据及客户管理、数据统计与权限管控，可实现快速精准报价、数据统一留存。有效提升业务办理效率，规范经营流程，为企业成本管控和业务优化提供数字化支撑。
可配置化多类型Agent智能体管理后台
核心业务场景（业务价值）
1. 零代码快速定制多类型智能体场景
针对企业不同岗位、不同业务线的差异化AI需求，摆脱传统依赖算法开发、代码迭代的落地模式。业务人员可通过可视化配置方式，快速搭建专属智能体，覆盖知识库问答Agent、办公自动化Agent、数据处理Agent、合规审核Agent、客服接待Agent、流程调度Agent等多种类型。
2. 企业多智能体统一管控与资源复用场景
解决企业多AI智能体分散部署、独立运行、资源无法互通、能力无法复用的问题。平台汇聚所有业务智能体，实现统一注册、统一管理、统一调度、统一运维。已配置的模型能力、工具插件、知识资源、流程模板可一键复用、快速复刻，支持同类型业务场景批量复制部署，大幅提升企业AI应用的迭代效率与复用率。
3. 智能体业务流程自动化协同场景
支持单智能体独立作业与多智能体联动协同，可配置串联、并联、分支判断等业务逻辑，搭建完整的AI自动化工作流。可实现“知识检索-数据分析-内容生成-合规校验-报表输出-消息推送”的全链路自动化，替代传统人工串联多系统、多工具的重复工作，适配企业复杂、长链路的常态化办公与业务流程。
平台核心功能模块
1. 可视化可配置智能体搭建模块
平台核心核心能力，支持零代码/低代码可视化搭建各类AI Agent。提供可视化配置面板，支持基础信息自定义、角色人设配置、Prompt模板编辑、模型参数可调、知识库绑定、工具插件选配、应答规则设置、上下文阈值配置等功能。支持自由组合能力模块，可快速生成适配不同业务的专属智能体，无需研发介入，业务自主即可完成配置、调试、上线全流程操作。
2. 多类型智能体统一管理模块
支持全品类智能体统一接入与分类管理，涵盖RAG知识库问答Agent、工具调用自动化Agent、数据解析处理Agent、合规审核Agent、对话交互Agent、多智能体协同工作流等多种类型。提供智能体列表、状态管理、版本管理、上下线管控、分类标签、资源归属配置能力，支持单个智能体精细化编辑与批量管理，实现企业所有AI智能体的集约化管控。
3. 智能体插件与工具生态模块
内置丰富的通用业务工具插件库，包含文档处理、数据统计、文本生成、格式转换、内容审核、报表生成、消息推送等常用工具，支持一键挂载至对应智能体。同时支持自定义插件接入、第三方工具对接、私有业务接口适配，可根据企业个性化业务需求持续拓展工具生态，让智能体能力可无限迭代、按需拓展。
4. 多智能体协同工作流配置模块
支持可视化拖拽搭建多智能体协同工作流，可自定义任务拆解逻辑、执行顺序、条件分支、循环调度、结果回调规则。实现多个不同能力的智能体联动协作，完成单一智能体无法覆盖的复杂复合型业务任务，适配企业复杂办公流程、业务审核流程、数据处理流、项目复盘流程等场景，真正实现AI全流程自主作业。
帮助文档
Copyright @ 2021-2024 程聚宝 | 浙ICP备2021014372号
人工客服