👥
从单 Agent 到团队
不同员工有独立人设与技能，可私聊、可拉群协作，由群聊编排决定谁在什么时候发言。
01
要解决的问题
市面上的 AI 产品大多是一个「对话框」：上下文一次性、没有分工、不能沉淀知识，也没法安全地执行有副作用的操作。我想要的是一个能长期共事、可编排、可审计的助理团队。
🧠
长期记忆与知识
向量记忆沉淀对话，云空间文档经解析 / 分块 / 索引后可被检索引用，回答能给出处。
🛡️
有副作用的操作要可控
工具统一注册，高风险动作进入人工审批；每一步执行都有追踪记录，可回放。
02
系统架构
前端 Nginx 托管 SPA 并反代 API/WS；后端把「编排、执行、记忆、审批、追踪」拆成独立模块，长任务可交给独立的 Worker 运行时。
03
技术亮点
🎛️
双层编排
群聊层负责「谁参与、按什么顺序发言」；工作流层用 DAG 描述步骤与依赖。长任务交给 AG2 gRPC Worker Runtime，与 Web 进程隔离。
🌊
流式协议
WebSocket 上定义 chat.thinking → chat.chunk → chat.done 事件序列，前端据此渲染思考态、增量文本与完成态；断线重连后按消息游标补齐。
🔐
可审计执行
ToolRegistry 统一登记工具的入参 schema 与风险等级；高风险工具触发 Human-in-the-loop 审批，执行记录进入 tracing 模块。
📚
云空间 RAG
文件经解析、分块、向量化后入 ChromaDB，检索结果带来源片段；支持在「RAG 实验室」里调整分块与召回参数并对比效果。
🧩
模块边界清晰
agents / chat / tools / memory / approval / tracing / workflow / distributed / cloud_space / knowledge 各自独立，互不越界。
📦
交付简单
前端 Nginx 静态产物 + 后端 FastAPI，两个容器一条 docker compose up -d 起停；SQLite 单文件持久化。
04
关键取舍
ASQLite 而不是 PostgreSQL
这是单人使用的产品，部署复杂度比并发能力更重要。SQLite 让「拷一个目录就能迁移」成立；真正需要并发时再换，数据访问层已经收敛在 services。
B先把审批做出来，再做更多工具
工具越多，副作用越大。先完成 ToolRegistry + 审批 + 追踪这条链路，再扩工具集，避免「能力先行、治理补课」。
C群聊编排不追求全自动
不引入「Manager 决定一切」的复杂调度：群聊用显式参与规则，工作流用 DAG。可预测性优先于灵活性，调试成本低一个量级。
D不公开在线 Demo
项目绑定个人模型额度与私有知识库。这里提供架构、实现与取舍说明；本地 docker compose up 即可完整运行。
05
项目规模
12后端业务模块
2运行容器
3Agent 执行形态（单聊/群聊/工作流）
1条 compose 命令交付