一个基于命令行的多Agent协作智能体系统，类似Cursor的智能化任务规划与执行解决方案
这是一个专为命令行环境设计的智能代码助手系统，通过多个专业化AI Agent的协作，实现复杂任务的智能分析、规划、执行和验证。系统完全基于CLI交互，提供流畅的终端体验，让开发者在熟悉的命令行环境中享受AI智能体的强大能力。
- 彩色进度条：实时展示任务执行进度，支持多任务并行显示
- 动态状态面板：每个Agent的工作状态都有独立的可视化面板
- Markdown渲染：在终端中完美展示格式化的代码和文档
- 交互式提示：智能的命令补全和参数提示功能
- 一键启动：简单的命令即可启动整个智能体系统
- 流式输出：实时显示AI思考和生成过程，无需等待
- 快捷操作：支持快捷键和命令别名，提高操作效率
- 历史记录：自动保存对话历史，支持快速回溯和重用
- 模块化命令：每个功能都有对应的命令，支持组合使用
- 参数配置：丰富的命令行参数，满足不同场景需求
- 管道支持：支持Linux管道操作，与其他工具无缝集成
- 批处理模式：支持脚本化批量处理任务
- CLI优先：专为命令行环境优化，提供原生终端体验
- 分工明确：每个Agent专注于特定领域，提供专业化服务
- 协作高效：Agent间无缝协作，形成完整的解决方案链路
- 交互友好：丰富的CLI可视化界面和实时进度反馈
- 高度可配置：支持配置文件、环境变量和命令行参数多种配置方式
graph TD
A[用户输入] --> B[规划师 Agent]
B -->|任务分解| C[执行者 Agent]
C -->|解决方案| D[验证者 Agent]
D -->|质量检查| E[总结者 Agent]
E -->|最终结果| F[用户输出]
B -.-> G[任务分析]
C -.-> H[代码生成]
D -.-> I[质量评估]
E -.-> J[结果汇总]
| 组件 | 职责 | 输入 | 输出 |
|---|---|---|---|
| 规划师 | 任务分析与分解 | 用户需求 | 执行计划 |
| 执行者 | 具体任务实现 | 执行计划 | 解决方案 |
| 验证者 | 质量检查与优化 | 解决方案 | 验证报告 |
| 总结者 | 结果整合与呈现 | 全流程数据 | 最终报告 |
- 需求分析：深度理解用户意图和上下文
- 任务分解：将复杂问题拆解为可执行的子任务
- 依赖管理：识别任务间的依赖关系和执行顺序
- 代码生成：基于最佳实践生成高质量代码
- 工具集成：支持多种开发工具和框架
- 实时反馈：执行过程的可视化进度展示
- 流式处理：支持大型任务的流式处理和实时输出
- 代码审查：自动检测潜在问题和优化点
- 测试生成：生成相应的单元测试和集成测试
- 性能分析：评估解决方案的性能和可维护性
- 安全检查：内置安全扫描和漏洞检测
- 进度跟踪：实时显示任务执行进度和状态
- 结果展示：终端中的美观Markdown渲染和语法高亮
- 交互体验：流畅的命令行界面和智能提示
- 多窗格显示：支持分屏显示多个Agent的工作状态
- AI模型接口：支持OpenAI GPT系列和Anthropic Claude模型
- 终端UI组件：基于Rich库提供丰富的CLI界面元素
- 交互式命令行：使用Prompt Toolkit构建智能交互体验
- 环境管理：Python-dotenv支持灵活的配置管理
- 异步处理：原生AsyncIO支持高并发任务处理
- 代码质量：集成Black格式化、Flake8检查和MyPy类型检查
- 测试框架：完整的Pytest测试套件，支持异步测试
- 版本控制：Git集成，支持自动提交和分支管理
- 容器化：Docker支持，便于部署和分发
环境准备
- 克隆项目到本地目录
- 创建Python虚拟环境并激活
- 安装所需依赖包
配置设置
- 创建
.env配置文件 - 设置OpenAI API密钥
- 配置模型参数（推荐使用GPT-4或GPT-3.5-turbo）
- 调整系统参数（调试模式、日志级别、最大tokens等）
基本启动
使用 python main.py 命令启动CLI智能体系统
高级启动选项
- 异步模式启动：提供更好的并发性能
- 调试模式启动：显示详细的执行日志
- 配置文件启动：使用自定义配置文件
多彩进度显示 系统提供丰富的视觉反馈，包括彩色进度条、动态状态指示器和实时任务状态更新。每个Agent都有独立的工作状态面板，让您清楚了解当前执行情况。
流式输出体验 与传统工具不同，本系统支持流式输出，您可以实时看到AI的思考过程和结果生成，无需等待完整结果才能查看。
智能历史管理 系统自动保存所有对话历史和执行结果，支持快速搜索和回溯。您可以轻松重用之前的解决方案或基于历史结果进行迭代优化。
第一步：启动系统 在终端中运行启动命令，系统会显示欢迎界面和当前配置状态。
第二步：输入任务描述 使用自然语言描述您的需求，例如："请为我创建一个Python Web API，包含用户管理功能"。系统支持中英文混合输入。
第三步：观察执行过程 系统会依次展示四个Agent的工作状态：
- 规划师分析需求并制定执行计划
- 执行者根据计划生成具体解决方案
- 验证者检查方案质量并提出改进建议
- 总结者整合所有结果并生成最终报告
第四步：获取完整结果 系统提供完整的解决方案，包括实现代码、配置文件、使用文档和部署指南。
自定义Agent配置 您可以根据特定需求创建专业化的Agent，比如前端专家、数据科学家或DevOps工程师，每个Agent都有独特的知识库和处理能力。
外部工具集成 系统支持集成常见的开发工具，包括Git版本控制、Docker容器化、各种测试框架和代码格式化工具，实现完整的开发工作流。
批处理与脚本化 支持批量处理多个任务，可以通过配置文件或命令行参数实现自动化执行，特别适合CI/CD流程集成。
职责：任务分析与规划
- 理解用户需求的深层意图
- 分析技术可行性和实现方案
- 制定详细的执行步骤和时间安排
- 识别潜在风险和依赖关系
核心能力：
- 需求分析：深度理解用户输入，解析隐含需求和约束条件
- 任务规划：制定详细的执行步骤，确定优先级和依赖关系
- 资源评估：估算所需时间、工具和技术资源
- 风险识别：预测可能遇到的问题和挑战
职责：具体任务实现
- 根据规划生成高质量代码
- 集成必要的第三方库和工具
- 处理错误和异常情况
- 优化性能和代码结构
核心能力：
- 代码生成：根据规划创建高质量、可维护的代码实现
- 架构设计：选择合适的技术栈和架构模式
- 依赖管理：处理第三方库集成和版本兼容性
- 性能优化：确保生成的解决方案具有良好的性能表现
职责：质量保证和验证
- 检查代码的正确性和完整性
- 识别潜在的bug和性能问题
- 评估代码的可维护性和扩展性
- 生成测试用例和验证方案
核心能力：
- 代码审查：检查代码质量、规范性和最佳实践符合度
- 功能验证：确保实现的功能符合原始需求
- 测试用例生成：创建全面的单元测试和集成测试
- 安全评估：识别潜在的安全漏洞和风险点
职责：结果整合和呈现
- 汇总整个执行过程的结果
- 生成清晰的文档和使用说明
- 提供部署和维护建议
- 整理学习资源和参考链接
核心能力：
- 结果整合：汇总四个阶段的所有输出，形成完整报告
- 文档生成：创建清晰的使用文档、API文档和部署指南
- 最佳实践建议：提供维护和扩展的专业建议
- 学习资源推荐：推荐相关的学习材料和参考资料
sequenceDiagram
participant U as 用户
participant S as 系统
participant P as 规划师
participant E as 执行者
participant V as 验证者
participant Su as 总结者
U->>S: 提交任务请求
S->>P: 启动任务分析
P->>P: 需求理解与分解
P->>S: 返回执行计划
S->>E: 传递执行计划
E->>E: 代码生成与实现
E->>S: 返回解决方案
S->>V: 启动质量验证
V->>V: 代码审查与测试
V->>S: 返回验证报告
S->>Su: 启动结果总结
Su->>Su: 整合所有结果
Su->>S: 返回最终报告
S->>U: 输出完整解决方案
多层错误恢复 系统提供完善的错误处理机制，包括API调用失败重试、网络超时恢复、以及Agent执行异常的自动恢复。
用户交互确认 当遇到歧义或需要用户确认的情况时，系统会暂停执行并等待用户输入，确保结果符合预期。
检查点恢复 支持从任意阶段恢复执行，避免因意外中断而重新开始整个流程。
AI模型配置
- 支持多个AI模型提供商（OpenAI、Anthropic等）
- 可配置模型参数（温度、最大tokens、超时时间等）
- 支持模型切换和回退机制
Agent行为配置
- 自定义Agent角色和专业领域
- 配置重试次数和延迟策略
- 启用/禁用并行执行模式
用户界面配置
- 多种CLI主题选择（深色、浅色、彩色）
- 可调节的进度显示详细程度
- 自定义快捷键和命令别名
自定义Agent创建 系统提供完整的Agent基类和接口，开发者可以轻松创建专业化的Agent，如数据分析专家、前端开发专家等。
工具链集成 内置多种开发工具的集成接口，包括版本控制系统、容器化工具、测试框架等，支持自定义工具扩展。
插件系统 模块化的插件架构，支持第三方插件开发和集成，扩展系统功能。
配置文件优先级 系统支持多种配置方式，按优先级依次为：命令行参数 > 环境变量 > 配置文件 > 默认值。
敏感信息保护 API密钥等敏感信息支持加密存储和安全传输，确保数据安全。
多环境支持 支持开发、测试、生产等多种环境配置，便于不同场景下的使用。
多层次测试策略
- 单元测试：覆盖每个Agent的核心功能和边界情况
- 集成测试：验证Agent之间的协作和数据传递
- 端到端测试：模拟完整的用户使用场景
- 性能测试：确保系统在高负载下的稳定性
自动化测试 系统集成了完整的自动化测试流程，支持持续集成和持续部署。每次代码提交都会触发全面的测试验证。
测试覆盖率 维持高测试覆盖率，确保代码质量和系统稳定性。支持生成详细的覆盖率报告。
静态代码分析 集成多种静态分析工具，包括代码格式检查、类型检查和复杂度分析。
代码风格统一 采用统一的代码格式化标准，确保代码的可读性和一致性。
Docker支持 提供完整的Docker化解决方案，包括多阶段构建优化和最小化镜像体积。支持在任何支持Docker的环境中快速部署。
编排支持 支持Docker Compose和Kubernetes等容器编排工具，便于大规模部署和管理。
多云支持 兼容主流云服务提供商，包括AWS、Azure、Google Cloud等。
服务化部署 支持作为微服务部署，与现有系统架构无缝集成。
弹性伸缩 支持根据负载自动扩展和收缩，优化资源使用效率。
A: 可以通过以下方式优化：
- 使用更快的模型（如gpt-3.5-turbo）
- 启用结果缓存
- 优化Prompt长度
- 使用并行处理
A: 系统内置了限流和重试机制：
- 自动重试失败的请求
- 指数退避策略
- 请求队列管理
- 多API密钥轮换
A: 系统提供了完整的Agent基类和开发接口，您可以通过继承基础Agent类并实现核心处理方法来创建自定义Agent。每个自定义Agent都需要定义其专业领域、处理逻辑和输出格式。
A: 当前主要支持：
- Python（完整支持）
- JavaScript/TypeScript（部分支持）
- 其他语言（通过配置扩展）
A: 系统提供多种CLI交互方式：
- 命令行参数：支持丰富的启动参数和选项
- 交互式对话：自然语言输入，智能理解用户意图
- 快捷键操作：常用功能的快捷键支持
- 历史命令：支持命令历史回溯和重用
- 管道操作：与其他CLI工具的无缝集成
A: 系统完全支持自动化集成：
- 批处理模式：支持非交互式执行
- 配置文件驱动：通过配置文件定义任务
- 结果输出格式化：支持JSON、XML等标准格式输出
- 退出码管理：标准的成功/失败退出码
- 日志集成：与主流日志系统兼容
- 零学习成本：熟悉的命令行界面，无需额外学习
- 高效工作流：与现有开发工具无缝集成
- 智能补全：支持命令和参数的智能提示
- 可脚本化：支持Shell脚本和自动化流程
- 高可用性：支持故障转移和自动恢复
- 性能监控：内置性能指标和监控接口
- 安全保障：数据加密和访问控制
- 扩展性强：支持大规模并行处理
- 上下文感知：理解项目环境和历史操作
- 自适应学习：根据使用习惯优化建议
- 多模型支持：可根据任务选择最适合的AI模型
- 结果缓存：智能缓存提高响应速度
本项目采用 MIT 许可证 - 查看 LICENSE 文件了解详情。
欢迎贡献代码！请查看 贡献指南 了解详情。
- Fork 项目
- 创建特性分支 (
git checkout -b feature/amazing-feature) - 提交更改 (
git commit -m 'Add amazing feature') - 推送分支 (
git push origin feature/amazing-feature) - 创建 Pull Request
- 项目主页: GitHub Repository
- 问题反馈: Issues
- 讨论交流: Discussions
⭐ 如果这个项目对您有帮助，请给我一个星标！