企业官网建设流程全解析

网站开发的整体职业规划,做app需要学什么,东莞网站免费制作,node怎么做网站本文为企业级项目方案#xff08;简化#xff09;#xff0c;欢迎一起交流学习。1. 设计背景与目标 在多 Agent 协作体系中#xff0c;Supervisor 作为统一入口#xff0c;承担着意图识别与任务路由的核心职责。 当前仅依赖 agents_config.yaml 中的 description 字段进行…本文为企业级项目方案简化欢迎一起交流学习。1. 设计背景与目标在多 Agent 协作体系中Supervisor 作为统一入口承担着意图识别与任务路由的核心职责。当前仅依赖 agents_config.yaml 中的 description 字段进行意图理解存在局限性难以处理复杂的业务边界Edge Cases和隐晦的用户指令。本方案旨在为现有Supervisor体系新增一个动态、解耦、高性能的 Skills 模块通过引入外部化的 SOP标准作业程序 和 Few-Shot Examples少样本判例辅助 Supervisor 做出更精准的路由决策产品配置。核心目标解耦(Decoupling)将业务知识Skills与系统配置Config分离支持热更新精准 (Accuracy)通过全局 SOP 解决 Agent 冲突通过 Few-Shot 强化特定意图识别性能 (Performance)项目启动/skills更新时自动感知刷入redis零query请求时即时 I/O配合Token 预算管理避免skill导致性能和预算灾难兼容 (Compatibility)完全基于 LangGraph框架仅增强数据供给层。后期few shot多起来后可以保留高质量few shot到redis其余入ES通过RAG召回配合memory做reactagent自主选用与弃用影响当前query的提示样本2. 系统架构图完整系统架构图如下3. Skills目录结构按 LOB业务线 分目录管理每个 LOB 有独立的 Skills 文件。supervisor_init/ ├── skills/ # [新增] 知识库根目录 │ ├── DC/ # LOB │ │ └── supervisor_sop.md # 专属SOP │ └── ATA/ │ └── supervisor_sop.md4. 配置文件规范 (agents_config.yaml )在主配置中增加 skills_config 全局块并在每个 Agent 下通过 skill_file 指向具体文件。# 全局 Skills 配置 skills_config: # 按 LOB 配置 Skills 文件路径 lob_skills: DC: ./skills/DC/supervisor_sop.md ATA: ./skills/ATA/supervisor_sop.md 5. 知识库内容规范 (Per-LOB Markdown Template) 每个 LOB 的 supervisor_sop.md 内容独立于能力卡片作为该业务线 Supervisor 的大脑补充知识 区。 文件结构示例 # 缓存策略 cache_enabled: true cache_ttl: 300 # 格式校验开关 validate_format: true # 是否在加载时强制校验 Markdown 格式 # Agent 引用配置 # 说明各 Agent 所属的 LOB 决定其使用哪个 supervisor_sop.md remote_agents: DC: limo_agent: name: limo_agent description: 机场接送车辆服务 # LOB 自动决定使用 skills/DC/supervisor_sop.md ATA: hotel_agent: name: hotel_agent description: 酒店查询与预订服务 # LOB 自动决定使用 skills/ATA/supervisor_sop.md5. 知识库内容规范 (Per-LOB Markdown Template)每个 LOB 的 supervisor_sop.md 内容独立于能力卡片作为该业务线 Supervisor 的大脑补充知识区。文件结构示例# Supervisor Routing SOP ## [GLOBAL_RULES] 跨 Agent 的通用判决逻辑 1. **单一职责**优先匹配功能最专一的 Agent。 2. **上下文优先**如果 Query 是对上文的补充必须延续上轮的 Agent。 ## [CONFLICT_RESOLUTION] 常见冲突仲裁与典型歧义场景 Few-Shot 注意此处不按 Agent 分类而是按冲突场景分类辅助消除歧义 ### 场景1: 航班号相关歧义 (Limo vs Flight) - **判定逻辑** - 询问包含航班号比如QR944等并没有直接表明预订/查询机票 → limo_agent - 询问非航班号机票搜索/预订信息 → flight_agent - **Few-Shot Examples**: - Query: CA1234明天下午帮我安排一下 → limo_agent (语境暗示用车) - Query: CA1234 几点落地 → flight_agent (纯信息查询) ### 场景2: 纯包含xxx酒店地址的歧义 (Limo vs Hotel) - **判定逻辑** - 上下文涉及接送机 → limo_agent (作为目的地/出发地) - 上下文为空或明确订房 → hotel_agent - **Few-Shot Examples**: 校验规则 (Validation Rules) 1. 必需区块必须包含 [GLOBAL_RULES] 和 [CONFLICT_RESOLUTION]且目前改造只支持这俩个 区块标签。 2. 内容导向内容必须关注歧义消除和冲突仲裁而非简单的功能描述。 6. 核心模块设计 (SkillsManager ) SkillsManager 是连接配置与运行时的桥梁。 主要职责 1. 加载 (Loader)统一处理 file:// , oss:// , http:// 协议。 2. 解析 (Parser)提取 Markdown 中的关键块如 ## [GLOBAL_RULES] , ## [CONFLICT_RESOLUTION] 。 3. 校验 (Validator)严格校验文档格式确保包含必需区块。 4. 缓存 (Caching)将解析后的内容序列化为 JSON 格式独立缓存与 Capability Cards 完全隔 离。 5. 监控 (Watcher)计算文件内容 MD5 Hash配合 Supervisor 的热重载机制。 关键逻辑代码框架 - Query: 去希尔顿 (History: 派个车) → limo_agent - Query: 帮我查一下希尔顿 (No History) → hotel_agent ### 场景3: 隐晦意图识别 - Query: 我想出去玩 → trip_planner_agent - Query: 这就出发 (History: 订好票了吗) → limo_agent (立即叫车)校验规则 (Validation Rules)1.必需区块必须包含 [GLOBAL_RULES] 和 [CONFLICT_RESOLUTION]且目前改造只支持这俩个区块标签。2.内容导向内容必须关注歧义消除和冲突仲裁而非简单的功能描述。6. 核心模块设计 (SkillsManager)SkillsManager 是连接配置与运行时的桥梁。主要职责1.加载 (Loader)统一处理 file:// , oss:// , http:// 协议。2.解析 (Parser)提取 Markdown 中的关键块如 ## [GLOBAL_RULES] , ##[CONFLICT_RESOLUTION] 。3.校验 (Validator)严格校验文档格式确保包含必需区块。4.缓存 (Caching)将解析后的内容序列化为 JSON 格式独立缓存与 Capability Cards 完全隔离。5.监控 (Watcher)计算文件内容 MD5 Hash配合 Supervisor 的热重载机制。关键逻辑代码框架class SkillsManager: def __init__(self, config): self.config config.get(skills_config, {}) self.skills_cache_by_lob {} # 按 LOB 分组的 JSON 缓存: {LOB: parsed_data} def load_all_lob_sops(self): 加载所有 LOB 的 SOP 文件 lob_skills self.config.get(lob_skills, {}) for lob, file_path in lob_skills.items(): self.skills_cache_by_lob[lob] self._load_sop(file_path, lob) def _load_sop(self, file_path, lob): # 1. 读取原始内容 content self._read_source(file_path) # 2. 格式校验 if not self._validate_structure(content): raise ValueError(f[{lob}] SOP 文件格式校验失败: 缺少必需区块) # 3. 解析为结构化 JSON parsed_data { lob: lob, global_rules: self._extract_section(content, GLOBAL_RULES), conflict_resolution: self._extract_section(content, CONFLICT_RESOLUTION), raw_content: content, # 保留原始内容用于直接注入 file_hash: self._calculate_md5(content), last_updated: datetime.now().isoformat() } logger.info(f已加载 [{lob}] Skills, Hash: {parsed_data[file_hash][:8]}) return parsed_data def _validate_structure(self, content): # 检查必需区块 required [## [GLOBAL_RULES], ## [CONFLICT_RESOLUTION]] return all(tag in content for tag in required) def get_skills_for_prompt(self, lob: str): 获取指定 LOB 的 Skills 内容 (独立模块) lob_upper lob.upper() if lob_upper not in self.skills_cache_by_lob: logger.warning(f未找到 [{lob_upper}] 的 Skills 配置, 返回空字符串) return return self.skills_cache_by_lob[lob_upper].get(raw_content, ) def get_skills_json(self, lob: str None): 获取结构化的 Skills 数据 (用于调试或 API 返回) if lob: return self.skills_cache_by_lob.get(lob.upper(), {}) return self.skills_cache_by_lobAgentRegistry 集成逻辑class AgentRegistry: def __init__(self, config_path: str agents_config.yaml): # ... 原有代码 ... # 注意此处假设 self.config 已在省略的代码中被加载 # self.config load_config(config_path) self.skills_manager SkillsManager(self.config) self.skills_manager.load_all_lob_sops() # 加载所有 LOB 的 SOP def build_capability_cards(self, format_type: str agent, lob: Optional[str] None) - str: 构建能力卡片 (不包含 Skills 内容) agent_cards [] agents_to_build {} if lob: # 只构建指定 LOB 的 Agents agents_to_build self.capabilities_by_lob.get(lob.upper(), {}) else: agents_to_build self.capabilities for agent_id, capability in agents_to_build.items(): if capability.is_builtin: continue agent_cards.append(capability.format_for_prompt()) # 返回纯 Capability Cards, 不包含 Skills return \n\n.join(agent_cards) def get_supervisor_prompt_components(self, lob: str): 获取指定 LOB 的 Supervisor Prompt 的两个独立组件 return { skills: self.skills_manager.get_skills_for_prompt(lob), # 该 LOB 的 Skills capability_cards: self.build_capability_cards(loblob) # 该 LOB 的 Capability Cards }7. 性能与准确度优化策略8. 实施路线图1.基础建设创建 skills/DC/supervisor_sop.md 和 skills/ATA/supervisor_sop.md 。实现 core/skills_manager.py 包含按 LOB 分组的 JSON 缓存逻辑。2.配置迁移修改 agents_config.yaml 添加 skills_config.lob_skills 配置。3.Registry 集成修改 AgentRegistry 在初始化时调用 SkillsManager.load_all_lob_sops() 。确保 build_capability_cards 不包含 Skills 内容且支持按 LOB 过滤。修改 get_supervisor_prompt_components 方法接收 lob 参数返回该 LOB 的 Skills 和 Capability Cards。4.Prompt 组装修改 agents/supervisor.py 或相关 Prompt 构建逻辑根据当前会话的 LOB 获取对应的组件# 假设当前 LOB 为 DC components registry.get_supervisor_prompt_components(lobDC) prompt f {components[skills]} # DC 业务线的 Skills --- {components[capability_cards]} # DC 业务线的 Capability Cards 5.热更新支持修改 skills/DC/supervisor_sop.md 自动更新该 LOB 的 JSON 缓存和 Prompt。各位小伙伴觉得这个方案如何