719 lines
18 KiB
Markdown
719 lines
18 KiB
Markdown
# AI 写作弱模型多 Agent 编排需求文档
|
||
|
||
## 1. 背景与目标
|
||
|
||
当前 `open-canvas` 页面右侧的成品展示与编辑体验已经比较成熟，但左侧模型直接生成文章的质量还不稳定。对于内网部署的弱性能大模型，单轮直出通常会出现以下问题：
|
||
|
||
- 结构松散，长文容易跑题
|
||
- 素材不足，内容空泛
|
||
- 事实依据弱，容易幻觉
|
||
- 润色能力有限，语言风格不统一
|
||
- 一次生成失败后缺少可控的纠偏机制
|
||
|
||
因此本次需求的核心目标不是继续优化“单个模型一次写完”，而是在内网用代码编排一个“小型杂志社工作流”，让弱模型通过多角色分工协作，产出明显优于单模型直出的文章质量。
|
||
|
||
建议的角色分工：
|
||
|
||
- `Agent A 研究员`：负责搜集内网素材、归纳事实、提取观点
|
||
- `Agent B 作家`：基于选题、素材和结构写初稿
|
||
- `Agent C 严苛编辑`：负责挑错、质检、润色、打回重写
|
||
- `Supervisor / Orchestrator`：负责流程调度、状态记录、重试与终止判断
|
||
|
||
---
|
||
|
||
## 2. 本次建设边界
|
||
|
||
### 2.1 前端边界
|
||
|
||
前端继续使用现有 `open-canvas` 页面，不新开第二套编辑器页面。
|
||
|
||
当前相关入口：
|
||
|
||
- [CanvasResizableLayout.tsx](/F:/react/deeflow-code/deerflow-server-master/frontend-web/src/open-canvas/components/layout/CanvasResizableLayout.tsx)
|
||
- [CanvasChatPanel.tsx](/F:/react/deeflow-code/deerflow-server-master/frontend-web/src/open-canvas/components/chat/CanvasChatPanel.tsx)
|
||
- [CanvasArtifactPanel.tsx](/F:/react/deeflow-code/deerflow-server-master/frontend-web/src/open-canvas/components/artifact/CanvasArtifactPanel.tsx)
|
||
- [CanvasStreamContext.tsx](/F:/react/deeflow-code/deerflow-server-master/frontend-web/src/open-canvas/contexts/CanvasStreamContext.tsx)
|
||
- [runs.ts](/F:/react/deeflow-code/deerflow-server-master/frontend-web/src/open-canvas/api/runs.ts)
|
||
|
||
前端本期只做以下增强：
|
||
|
||
- 在左侧聊天区增加“写作工作流模式”
|
||
- 让用户能看到多 Agent 阶段进度，而不是只看到最终回答
|
||
- 支持结构化输入：主题、体裁、目标读者、篇幅、语气、参考资料、禁写项
|
||
- 支持查看中间产物：提纲、素材卡片、初稿、编辑意见、终稿
|
||
- 支持人工介入：确认提纲、确认初稿、接受编辑建议、手动重跑某一步
|
||
|
||
### 2.2 后端边界
|
||
|
||
后端必须单开新路线，不影响其他同事当前功能开发。
|
||
|
||
建议原则：
|
||
|
||
- 不直接改现有 DeerFlow 主流程
|
||
- 不把多 Agent 逻辑硬塞进当前通用对话链路
|
||
- 以独立服务或独立模块形式建设
|
||
- 通过清晰 API 与当前前端页面对接
|
||
|
||
推荐落地位置：
|
||
|
||
- 基于仓库中的 `offline-backend-20260512` 单独开一条 `ai-writing-orchestrator` 路线
|
||
- 或在后端新建独立目录，例如 `offline-backend-20260512/apps/ai_writing_orchestrator`
|
||
|
||
---
|
||
|
||
## 3. 为什么多 Agent 对弱模型更合适
|
||
|
||
弱模型最怕“一个 prompt 做完所有事”，因为这要求模型同时完成：
|
||
|
||
- 选题理解
|
||
- 信息检索
|
||
- 信息筛选
|
||
- 结构规划
|
||
- 长文写作
|
||
- 自我校验
|
||
- 风格润色
|
||
|
||
把这些任务拆开后，每个 Agent 只处理一个更短、更清晰、更容易被弱模型完成的子任务，通常会带来以下收益：
|
||
|
||
- 降低单次上下文复杂度
|
||
- 降低一次性长输出失败率
|
||
- 把“写得不好”变成“某一步做得不好”，便于重试
|
||
- 可以在关键节点插入规则校验与人工确认
|
||
- 可以用程序补足模型短板，而不是完全依赖模型智力
|
||
|
||
这套方案的本质不是“让模型变聪明”，而是“让系统更会组织模型工作”。
|
||
|
||
---
|
||
|
||
## 4. 可借鉴的开源项目
|
||
|
||
以下项目适合借鉴，但不建议整套照搬。建议以“借鉴状态机、角色协作、阶段拆分、重试与审稿机制”为主。
|
||
|
||
### 4.1 第一优先级：LangGraph
|
||
|
||
推荐原因：
|
||
|
||
- 天然适合把写作流程建模成状态图
|
||
- 支持多步骤、条件分支、重试、人工介入
|
||
- 便于把“研究 -> 提纲 -> 初稿 -> 评审 -> 重写”固化成可控流程
|
||
- 对“弱模型 + 强流程控制”很友好
|
||
|
||
可借鉴点：
|
||
|
||
- `StateGraph` 的状态驱动编排
|
||
- 每一步单独定义输入、输出、失败处理
|
||
- 可视化地表达“通过 / 打回 / 重试 / 终止”
|
||
|
||
参考：
|
||
|
||
- [langchain-ai/langgraph](https://github.com/langchain-ai/langgraph)
|
||
- [langgraph supervisor pattern](https://github.com/langchain-ai/langgraph-supervisor-py)
|
||
|
||
### 4.2 第二优先级：STORM
|
||
|
||
推荐原因：
|
||
|
||
- 它本身就是“研究 + 提纲 + 成文 + 打磨”的长文系统
|
||
- 对“先研究后写作”的思路非常契合
|
||
- 很适合借鉴其“问题驱动研究”和“分阶段生成”的思想
|
||
|
||
根据其 GitHub README，STORM 将长文生成拆成两个大阶段：先研究并产出提纲，再基于提纲与资料写长文；其引擎进一步拆成知识整理、提纲生成、正文生成、文章润色四个模块。
|
||
|
||
这和我们的目标高度一致，尤其适合借鉴：
|
||
|
||
- 提纲先行
|
||
- 素材引用先行
|
||
- 分模块写作
|
||
- 后置润色
|
||
|
||
参考：
|
||
|
||
- [stanford-oval/storm](https://github.com/stanford-oval/storm)
|
||
|
||
### 4.3 第三优先级：Deep Research Agent
|
||
|
||
推荐原因：
|
||
|
||
- 明确支持本地模型与云模型混用
|
||
- 已经包含研究、写作、质量校验、缓存、重试等能力
|
||
- 很适合借鉴“研究阶段如何约束弱模型”
|
||
|
||
根据其 README，这个项目采用四个专职 Agent，并且带有可信度评分、质量验证、重试逻辑、缓存和 checkpoint。
|
||
|
||
特别适合借鉴：
|
||
|
||
- 素材缓存
|
||
- 分阶段质量评分
|
||
- 节点失败重试
|
||
- 研究结果结构化存储
|
||
|
||
参考：
|
||
|
||
- [tarun7r/deep-research-agent](https://github.com/tarun7r/deep-research-agent)
|
||
|
||
### 4.4 可选借鉴：CrewAI
|
||
|
||
推荐原因：
|
||
|
||
- 角色扮演表达自然
|
||
- 写“研究员 / 作家 / 编辑”这种协作关系很直观
|
||
- Flow + Crew 的组织方式适合做 demo 和快速验证
|
||
|
||
不建议作为首选底座的原因：
|
||
|
||
- 更偏“Agent 角色编排体验”
|
||
- 若要做企业内网稳定落地，状态管理和流程可控性通常不如 LangGraph 路线清晰
|
||
|
||
适合借鉴：
|
||
|
||
- 角色定义写法
|
||
- Task 模板
|
||
- 多角色协作 prompt 结构
|
||
|
||
参考：
|
||
|
||
- [crewAIInc/crewAI](https://github.com/crewAIInc/crewAI)
|
||
|
||
### 4.5 不建议新项目优先采用：AutoGen
|
||
|
||
原因：
|
||
|
||
- 截至最近公开信息，`microsoft/autogen` 已进入 maintenance mode
|
||
- 官方建议新项目优先采用 `Microsoft Agent Framework`
|
||
|
||
如果要借鉴，只建议借鉴早期多 Agent 对话模式，不建议作为本项目主框架。
|
||
|
||
参考：
|
||
|
||
- [microsoft/autogen](https://github.com/microsoft/autogen)
|
||
- [microsoft/agent-framework](https://github.com/microsoft/agent-framework)
|
||
|
||
### 4.6 结论
|
||
|
||
综合本项目需求，建议技术选型优先级如下：
|
||
|
||
1. `LangGraph` 作为主编排框架
|
||
2. `STORM` 借鉴研究-提纲-成文-润色的模块划分
|
||
3. `Deep Research Agent` 借鉴缓存、评分、重试、可观测性
|
||
4. `CrewAI` 借鉴角色 prompt 设计与任务模板
|
||
|
||
---
|
||
|
||
## 5. 目标产品形态
|
||
|
||
用户在当前 `open-canvas` 页面中，不再只是“向模型提问写文章”，而是启动一个可视化的写作流水线。
|
||
|
||
理想交互流程：
|
||
|
||
1. 用户输入主题、用途、风格、读者、篇幅要求
|
||
2. 系统先进入“研究阶段”
|
||
3. 系统给出资料卡片与候选提纲
|
||
4. 用户确认提纲或调整
|
||
5. 系统生成初稿
|
||
6. 严苛编辑给出问题清单
|
||
7. 系统自动重写问题段落
|
||
8. 系统输出终稿到右侧编辑区
|
||
9. 用户可继续局部改写、扩写、精简
|
||
|
||
核心体验目标：
|
||
|
||
- 左侧像“编辑部工作台”
|
||
- 右侧像“成文编辑器”
|
||
- 用户知道系统现在进行到哪一步
|
||
- 用户可以在关键节点接管，而不是只能等待最终结果
|
||
|
||
---
|
||
|
||
## 6. 多 Agent 流程设计
|
||
|
||
## 6.1 建议的最小可用流程 MVP
|
||
|
||
第一版不要一上来做很复杂，建议先做 4 步闭环：
|
||
|
||
1. `Research`
|
||
- 输入：主题、用户要求、内网资料源
|
||
- 输出：素材卡片列表、可引用事实列表、风险点列表
|
||
|
||
2. `Outline`
|
||
- 输入：用户要求 + 素材卡片
|
||
- 输出：结构化提纲
|
||
|
||
3. `Draft`
|
||
- 输入：提纲 + 素材卡片
|
||
- 输出：初稿
|
||
|
||
4. `ReviewAndRewrite`
|
||
- 输入：初稿 + 用户要求 + 素材卡片
|
||
- 输出：问题清单、改写稿、终稿
|
||
|
||
MVP 终止条件：
|
||
|
||
- 编辑评分达标则结束
|
||
- 不达标最多重写 2 次
|
||
- 超过次数则返回“需要人工介入”
|
||
|
||
## 6.2 第二阶段增强流程
|
||
|
||
在 MVP 跑通后，再增加：
|
||
|
||
- `Planner`：根据文章类型动态规划流程
|
||
- `SectionWriter`：按章节分别写作，避免长文崩坏
|
||
- `FactChecker`：逐段核对素材来源
|
||
- `StyleEditor`：统一语气、标题风格、句式节奏
|
||
- `ComplianceReviewer`：内网场景下做敏感词、保密、术语规范检查
|
||
|
||
## 6.3 建议的状态机
|
||
|
||
建议将流程状态固定为：
|
||
|
||
- `idle`
|
||
- `collecting_materials`
|
||
- `generating_outline`
|
||
- `await_outline_confirmation`
|
||
- `writing_draft`
|
||
- `reviewing_draft`
|
||
- `rewriting_draft`
|
||
- `completed`
|
||
- `failed`
|
||
- `human_intervention_required`
|
||
|
||
这样前端和后端都可以围绕统一状态通信。
|
||
|
||
---
|
||
|
||
## 7. Agent 角色定义建议
|
||
|
||
## 7.1 Agent A 研究员
|
||
|
||
职责：
|
||
|
||
- 搜集内网知识库、文档库、FAQ、历史稿件中的相关信息
|
||
- 输出结构化素材，而不是长篇自然语言
|
||
- 对每条素材标注来源、可信度、适用角度
|
||
|
||
输出格式建议：
|
||
|
||
- `facts[]`
|
||
- `quotes[]`
|
||
- `examples[]`
|
||
- `risks[]`
|
||
- `source_refs[]`
|
||
|
||
约束建议：
|
||
|
||
- 禁止直接生成整篇文章
|
||
- 不做风格化表达
|
||
- 每条结论必须可回溯到来源
|
||
|
||
## 7.2 Agent B 作家
|
||
|
||
职责：
|
||
|
||
- 严格基于提纲和素材写稿
|
||
- 按章节写，而不是一次写完整篇
|
||
- 对每段附带素材引用 ID，便于后续审核
|
||
|
||
约束建议：
|
||
|
||
- 无素材不发挥
|
||
- 每段只服务一个小节目标
|
||
- 段落长度控制
|
||
- 输出结构化草稿数据，而不仅是纯文本
|
||
|
||
## 7.3 Agent C 严苛编辑
|
||
|
||
职责：
|
||
|
||
- 检查逻辑跳跃、素材不足、事实不稳、表述空泛、风格不统一
|
||
- 输出明确的“问题清单”和“改写指令”
|
||
- 必要时打回指定章节，而不是整篇推翻
|
||
|
||
输出格式建议：
|
||
|
||
- `issues[]`
|
||
- `severity`
|
||
- `rewrite_instructions[]`
|
||
- `accept/reject`
|
||
|
||
编辑原则建议：
|
||
|
||
- 优先挑事实问题，再挑结构问题，最后才是文风问题
|
||
- 问题描述必须可执行，不能只说“写得不够好”
|
||
|
||
## 7.4 Supervisor
|
||
|
||
职责：
|
||
|
||
- 负责流程启动、状态流转、失败重试、记录日志
|
||
- 判断是否需要回到上一步
|
||
- 控制最大重试次数
|
||
- 对外提供统一 API 与流式事件
|
||
|
||
---
|
||
|
||
## 8. 前端需求
|
||
|
||
## 8.1 保持当前页面结构不变
|
||
|
||
继续沿用当前左右布局：
|
||
|
||
- 左侧：聊天 + 流程进度 + 中间产物
|
||
- 右侧：最终文章编辑与局部 AI 改写
|
||
|
||
不建议再复制一套新页面，以免造成维护分叉。
|
||
|
||
## 8.2 左侧新增 UI 模块
|
||
|
||
建议在 `CanvasChatPanel` 基础上新增：
|
||
|
||
- 写作任务表单
|
||
- 工作流阶段时间线
|
||
- Agent 执行日志面板
|
||
- 中间产物抽屉
|
||
- 人工确认卡片
|
||
|
||
建议新增的前端概念：
|
||
|
||
- `workflowMode`: `chat | writing_pipeline`
|
||
- `workflowStage`
|
||
- `workflowRunId`
|
||
- `workflowEvents[]`
|
||
- `workflowArtifacts[]`
|
||
|
||
## 8.3 需要展示的中间产物
|
||
|
||
至少支持展示：
|
||
|
||
- 素材卡片
|
||
- 提纲
|
||
- 初稿
|
||
- 编辑问题单
|
||
- 重写结果
|
||
- 最终定稿
|
||
|
||
这些内容建议不仅显示在消息区，也保存到右侧可选版本中，便于回看。
|
||
|
||
## 8.4 人工介入节点
|
||
|
||
至少提供两个确认点：
|
||
|
||
- 提纲确认
|
||
- 初稿确认或编辑后重跑
|
||
|
||
后续可扩展：
|
||
|
||
- 指定重写某个章节
|
||
- 锁定某段不允许再改
|
||
- 替换某条素材后重新生成
|
||
|
||
---
|
||
|
||
## 9. 后端需求
|
||
|
||
## 9.1 架构原则
|
||
|
||
后端新路线必须满足：
|
||
|
||
- 与现有通用对话链路解耦
|
||
- 与现有 Agent 运行时解耦
|
||
- 独立维护 Prompt、状态机、数据结构
|
||
- 可以单独部署、单独回滚、单独压测
|
||
|
||
## 9.2 推荐模块划分
|
||
|
||
建议后端拆分为以下模块：
|
||
|
||
- `workflow_orchestrator`
|
||
- `agent_registry`
|
||
- `material_retriever`
|
||
- `outline_generator`
|
||
- `draft_writer`
|
||
- `editor_reviewer`
|
||
- `rewrite_engine`
|
||
- `workflow_store`
|
||
- `stream_event_adapter`
|
||
|
||
## 9.3 API 建议
|
||
|
||
建议最小 API：
|
||
|
||
- `POST /api/ai-writing/workflows`
|
||
- 创建写作任务
|
||
|
||
- `POST /api/ai-writing/workflows/{id}/start`
|
||
- 启动流程
|
||
|
||
- `GET /api/ai-writing/workflows/{id}`
|
||
- 查询当前状态
|
||
|
||
- `GET /api/ai-writing/workflows/{id}/events`
|
||
- 获取事件流或轮询事件
|
||
|
||
- `POST /api/ai-writing/workflows/{id}/confirm-outline`
|
||
- 用户确认提纲
|
||
|
||
- `POST /api/ai-writing/workflows/{id}/rewrite-section`
|
||
- 指定章节重写
|
||
|
||
- `POST /api/ai-writing/workflows/{id}/approve-final`
|
||
- 确认终稿
|
||
|
||
## 9.4 流式事件建议
|
||
|
||
为了与当前 `CanvasStreamContext` 风格兼容，建议后端输出结构化事件流，例如：
|
||
|
||
- `workflow_started`
|
||
- `stage_changed`
|
||
- `agent_started`
|
||
- `agent_output_chunk`
|
||
- `artifact_generated`
|
||
- `human_confirmation_required`
|
||
- `retry_scheduled`
|
||
- `workflow_completed`
|
||
- `workflow_failed`
|
||
|
||
前端只要订阅事件，就能把左侧工作台做出来。
|
||
|
||
---
|
||
|
||
## 10. 弱模型优化策略
|
||
|
||
这是本项目成功的关键，不能只靠“多 Agent”这四个字。
|
||
|
||
## 10.1 强约束输出格式
|
||
|
||
每个 Agent 尽量输出 JSON 或结构化对象，不要自由发挥。
|
||
|
||
原因：
|
||
|
||
- 便于程序消费
|
||
- 便于后续 Agent 接续
|
||
- 便于失败重试
|
||
- 便于质量评估
|
||
|
||
## 10.2 长文拆成章节生成
|
||
|
||
不要让弱模型一次生成整篇长文，建议：
|
||
|
||
- 先出提纲
|
||
- 再按章节逐段写
|
||
- 最后统一润色
|
||
|
||
## 10.3 把检索和写作分离
|
||
|
||
研究员只负责找资料，作家只负责组织表达。不要让写作 Agent 同时去“边搜边编”。
|
||
|
||
## 10.4 程序兜底而不是模型兜底
|
||
|
||
程序需要承担：
|
||
|
||
- 去重
|
||
- 引用格式化
|
||
- 章节拼接
|
||
- 长度控制
|
||
- 评分阈值判断
|
||
- 重试路由
|
||
|
||
## 10.5 小步快跑、失败可回退
|
||
|
||
每步都要能独立失败、独立重试、独立回放。
|
||
|
||
## 10.6 引入可量化评分
|
||
|
||
编辑 Agent 输出不能只是一段文字，建议给出评分维度：
|
||
|
||
- 相关性
|
||
- 事实性
|
||
- 结构完整度
|
||
- 语言流畅度
|
||
- 风格一致性
|
||
|
||
系统据此决定是否进入下一步。
|
||
|
||
---
|
||
|
||
## 11. 分阶段实施计划
|
||
|
||
## Phase 1：需求冻结与技术验证
|
||
|
||
目标：
|
||
|
||
- 确认文章类型范围
|
||
- 确认内网资料来源
|
||
- 选定主框架
|
||
- 跑通最小多 Agent demo
|
||
|
||
交付物：
|
||
|
||
- 技术选型说明
|
||
- 角色与状态机设计
|
||
- 1 个主题的端到端 demo
|
||
|
||
验收标准：
|
||
|
||
- 弱模型可完成“研究 -> 提纲 -> 初稿 -> 编辑 -> 重写”闭环
|
||
|
||
## Phase 2：后端新路线搭建
|
||
|
||
目标：
|
||
|
||
- 建立独立 orchestrator
|
||
- 建立 workflow state store
|
||
- 建立事件流输出
|
||
- 建立可配置 prompt 模板
|
||
|
||
交付物：
|
||
|
||
- 独立服务目录
|
||
- 基础 API
|
||
- 状态机运行骨架
|
||
|
||
验收标准：
|
||
|
||
- 不依赖现有主流程改造即可独立跑通
|
||
|
||
## Phase 3：前端接入当前页面
|
||
|
||
目标：
|
||
|
||
- 在 `CanvasChatPanel` 接入工作流模式
|
||
- 增加阶段展示与人工确认
|
||
- 中间产物可视化
|
||
|
||
交付物：
|
||
|
||
- 左侧工作流时间线
|
||
- 中间产物展示面板
|
||
- 流程控制按钮
|
||
|
||
验收标准：
|
||
|
||
- 用户可以在当前页面完成一次全流程写作
|
||
|
||
## Phase 4：质量优化
|
||
|
||
目标：
|
||
|
||
- 强化素材检索质量
|
||
- 提高提纲质量
|
||
- 引入章节级重写
|
||
- 引入评分与回退机制
|
||
|
||
交付物：
|
||
|
||
- 质量评估规则
|
||
- 重试策略
|
||
- Prompt 调优包
|
||
|
||
验收标准：
|
||
|
||
- 弱模型效果明显优于单轮直出
|
||
|
||
## Phase 5：生产化
|
||
|
||
目标：
|
||
|
||
- 加缓存
|
||
- 加日志
|
||
- 加监控
|
||
- 加失败告警
|
||
- 加审计记录
|
||
|
||
交付物：
|
||
|
||
- 可观测性方案
|
||
- 运行日志与回放
|
||
- 配置中心或 prompt 管理机制
|
||
|
||
验收标准：
|
||
|
||
- 可长期维护并可定位问题
|
||
|
||
---
|
||
|
||
## 12. 团队协作与隔离方案
|
||
|
||
为了不影响其他同事，建议采用以下协作原则：
|
||
|
||
- 新后端目录独立开发
|
||
- 新接口使用独立路由前缀
|
||
- 前端只在 `open-canvas` 内增量开发
|
||
- 不修改现有公共线程协议，必要时增加新事件类型
|
||
- Prompt、Agent 配置、评分规则独立存放
|
||
|
||
推荐分工：
|
||
|
||
- 前端 1 人：负责左侧工作流 UI 与右侧版本接入
|
||
- 后端 1-2 人：负责 orchestrator、Agent 执行、事件流
|
||
- 算法/Prompt 1 人：负责角色 prompt、评分规则、失败样本调优
|
||
|
||
---
|
||
|
||
## 13. 风险与规避
|
||
|
||
### 风险 1：Agent 太多，成本和耗时暴涨
|
||
|
||
规避：
|
||
|
||
- MVP 只保留 3 个业务 Agent + 1 个 Supervisor
|
||
- 长文按章节写，失败只重写局部
|
||
|
||
### 风险 2：弱模型在自由对话场景中失控
|
||
|
||
规避：
|
||
|
||
- 全流程结构化
|
||
- 每步只做一件事
|
||
- 强约束输入输出格式
|
||
|
||
### 风险 3：内网检索质量不足，导致垃圾进垃圾出
|
||
|
||
规避：
|
||
|
||
- 先把资料源治理好
|
||
- 对素材做来源、可信度、去重处理
|
||
|
||
### 风险 4：前后端协议频繁变化影响联调
|
||
|
||
规避：
|
||
|
||
- 先定义事件模型和 artifact 模型
|
||
- 先 mock 数据，再并行开发
|
||
|
||
### 风险 5：影响现有功能稳定性
|
||
|
||
规避：
|
||
|
||
- 新路线、新接口、新状态机
|
||
- 不侵入现有主链路
|
||
|
||
---
|
||
|
||
## 14. 推荐结论
|
||
|
||
本项目推荐的总体策略：
|
||
|
||
1. 前端继续基于当前 `open-canvas` 页面开发，不复制新页面
|
||
2. 后端单独开 `ai-writing-orchestrator` 新路线，避免影响现有同事
|
||
3. 主框架优先采用 `LangGraph`
|
||
4. 流程设计借鉴 `STORM`
|
||
5. 质量控制借鉴 `Deep Research Agent`
|
||
6. 角色设计与任务模板可参考 `CrewAI`
|
||
7. 第一版只做 4 步 MVP：研究、提纲、初稿、编辑重写
|
||
|
||
一句话总结：
|
||
|
||
不是继续“调一个更强的 prompt”，而是把弱模型放进一个可控的编辑部流水线，让系统帮它把复杂写作拆开完成。
|
||
|
||
---
|
||
|
||
## 15. 参考链接
|
||
|
||
- [LangGraph](https://github.com/langchain-ai/langgraph)
|
||
- [LangGraph Supervisor](https://github.com/langchain-ai/langgraph-supervisor-py)
|
||
- [STORM](https://github.com/stanford-oval/storm)
|
||
- [Deep Research Agent](https://github.com/tarun7r/deep-research-agent)
|
||
- [CrewAI](https://github.com/crewAIInc/crewAI)
|
||
- [Microsoft Agent Framework](https://github.com/microsoft/agent-framework)
|
||
- [AutoGen](https://github.com/microsoft/autogen)
|