MultiAgentDoc 是一个基于 LangGraph + DeepAgents 的多智能体文本生成框架。
它保留固定流程 A 生成 -> B 提问 -> C 审查,并通过 Pre-Agent 动态生成角色 Prompt,支持开发文档、文案、脚本等任意文本素材。
- 支持通用文本生成,不局限于开发文档
- Pre-Agent 先根据用户需求生成 A/B/C 角色 Prompt(可人工反馈修正)
- A/B/C 固定协作流程,且每轮结束可人工决定是否继续
- 支持 SSE 流式输出,实时看到各 Agent 生成内容
- 支持连续记忆:每个 Agent 固定
thread_id+ checkpoint 持久化 - 定稿后自动保存到
doc/目录
conda create -n deepagent python=3.11 -y
conda activate deepagent在项目根目录执行:
pip install -e .cp config.example.yaml config.yaml编辑 config.yaml,至少确认:
llm.modelllm.model_providerllm.base_urlllm.api_keypipeline.use_mockpipeline.checklist
说明:
config.yaml已加入.gitignore- 不要把真实密钥写进
config.example.yaml
PYTHONPATH=src python -m multi_agent_pipeline.cli --prompt "写一段新品发布会文案" --config config.yaml --log-level WARNING常用参数:
--log-level:DEBUG/INFO/WARNING/ERROR--no-sse:关闭 SSE 流式输出
- 用户输入目标内容需求
- Pre-Agent 生成 A/B/C 角色 Prompt 与输出要求
- 用户确认方案(不满意可补充反馈再生成)
- 临时 Prompt 文档写入
doc/.tmp/,流程结束自动清理
- Agent A 生成或修订文本
- Agent B 按 checklist 提问/挑刺
- Agent C 判断 B 的问题是否合理
- 每轮结束后人工决策:
- 是否直接定稿
- 是否继续下一轮 ABC
- 最终内容自动保存为
doc/最终开发文档-时间戳.md
已启用 checkpoint + 固定 thread_id:
- Agent A:
agent_a_thread - Agent B:
agent_b_thread - Agent C:
agent_c_thread
实现细节:
- 使用
SqliteSaver - 持久化文件:
doc/.checkpoint/agent_memory.sqlite - 每次调用都携带对应
thread_id,实现每个 Agent 连续对话记忆
MultiAgentDoc/
├── src/
│ └── multi_agent_pipeline/
│ ├── __init__.py
│ ├── agents.py # A/B/C Agent 封装、动态 Prompt 执行、SSE、记忆接入
│ ├── cli.py # 命令行入口、人工交互、文档保存
│ ├── config.py # 配置加载
│ ├── errors.py # 错误码与异常
│ ├── permissions.py # 工具权限白名单
│ ├── pipeline.py # 单轮 A -> B -> C 流程图
│ ├── pre_agent.py # Pre-Agent:按需求生成 A/B/C Prompt
│ └── sse.py # SSE 输出组件
├── config.example.yaml # 配置模板
├── README.md
├── pyproject.toml
└── doc/
└── 工作记录 - 2026 年 0212.md
默认开启 SSE,每个 Agent 的输出会按 chunk 实时打印,便于观察执行进度。
内置回退机制:流式失败会尝试回退到普通调用,尽量保证流程不中断。