# AutoGen SDLC 多智能体协同系统

基于 **Microsoft AutoGen** + **阿里云 Qwen3.5-flash** 的端到端软件交付协同网络。

## 🎯 项目概述

本系统实现了多智能体协同的完整 SDLC（软件开发生命周期）流程：

1. **PM Agent** - 产品经理：需求分析与 SRS 生成
2. **QA Agent** - 测试工程师：测试用例设计与 TDD 实践
3. **Dev Agent** - 开发工程师：代码实现与修复
4. **Orchestrator Agent** - 协调器：流程调度与最终验证

## 🚀 快速启动

### 1. 环境准备

```bash
# Python 版本要求
Python >= 3.9

# 安装依赖
pip install -r requirements.txt
```

### 2. 配置 API Key

```bash
# Windows (PowerShell)
$env:DASHSCOPE_API_KEY="your_api_key_here"

# Linux/Mac
export DASHSCOPE_API_KEY="your_api_key_here"
```

获取 API Key: [阿里云 DashScope 控制台](https://dashscope.console.aliyun.com/)

### 3. 运行演示

#### 方式 1: 命令行模式

```bash
python autogen_sdls_system.py
```

#### 方式 2: Streamlit 前端界面

```bash
streamlit run frontend/streamlit_app.py
```

#### 方式 3: 自愈功能演示

```bash
python autogen_self_healing_demo.py
```

## 📁 项目结构

```
project/
├── agents/                 # Agent 模块
│   ├── pm_agent.py        # 产品经理 Agent
│   ├── qa_agent.py        # 测试工程师 Agent
│   ├── dev_agent.py       # 开发工程师 Agent
│   └── orchestrator.py    # 协调器 Agent
├── config/                # 配置文件
│   └── llm_config.py     # LLM 配置与提示词模板
├── frontend/             # 前端界面
│   └── streamlit_app.py # Streamlit 实时聊天界面
├── utils/                # 工具类
│   ├── logger.py        # 日志记录
│   └── callback_handler.py # 回调处理
├── tests/                # 单元测试
│   └── test_agents.py
├── workspace/            # 工作目录（Agent 输出文件）
├── logs/                 # 日志目录
├── autogen_sdls_system.py      # 主程序入口
├── autogen_self_healing_demo.py # 自愈演示
├── usage_examples.py     # 使用示例
└── requirements.txt      # 依赖包列表
```

## 💡 核心功能

### 1. 端到端自动化流程

```
用户需求 → PM 分析 → QA 设计测试 → Dev 编码 → 自动测试 → 验证输出
```

### 2. TDD（测试驱动开发）

- QA Agent 先于代码生成测试用例
- Dev Agent 编写代码确保测试通过
- 测试失败时触发自动修复循环

### 3. 自愈能力

系统检测到测试失败时，自动：
1. 分析错误日志
2. 定位 bug 原因
3. 生成修复代码
4. 重新验证测试

### 4. 人机协同

关键节点支持人工确认：
- SRS 文档审核
- 测试用例评审
- 最终代码验收

### 5. 实时可视化

Streamlit 前端提供：
- 实时对话展示
- Agent 状态监控
- 工作流进度跟踪
- 对话历史导出

## 🔧 配置说明

### 模型配置

在 `config/llm_config.py` 中配置：

```python
DASHSCOPE_API_KEY = "your_api_key"
DASHSCOPE_BASE_URL = "https://dashscope.aliyuncs.com/compatible-mode/v1"
```

### 支持的模型

- `qwen3.5-flash` (推荐，速度快)
- `qwen-max` (最强性能)
- `qwen-plus` (平衡性能和成本)
- `qwen-turbo` (最快速度)

### Agent 系统提示词

每个 Agent 都有专属的系统提示词，定义在 `config/llm_config.py` 中：

- `PM_PROMPT` - 产品经理提示词
- `QA_PROMPT` - 测试工程师提示词
- `DEV_PROMPT` - 开发工程师提示词
- `ORCH_PROMPT` - 协调器提示词

## 📖 使用示例

### 示例 1: 使用命令行

```python
from autogen_sdls_system import AutoGenSDLCSystem

system = AutoGenSDLCSystem(api_key="your_key")

requirement = "开发一个电池健康状态预测 API"
result = system.run_workflow(requirement, max_round=15)

print(result["summary"])
```

### 示例 2: 单独调用 Agent

```python
from agents import ProductManagerAgent

pm = ProductManagerAgent(api_key="your_key")
srs = pm.generate_srs("我需要一个车载蓝牙管理模块")
print(srs)
```

### 示例 3: 自定义配置

```python
from config.llm_config import get_llm_config

llm_config = get_llm_config(
    model="qwen-max",
    temperature=0.5,
    max_tokens=4096
)
```

## 🎬 Workshop 演示脚本

### 场景：电池健康状态 (SOH) 预测 API

1. **输入模糊需求**
   ```
   "我需要一个电池健康预测功能"
   ```

2. **PM Agent 输出** - 完整 SRS 文档
   - 功能性需求
   - 非功能性需求
   - 验收标准

3. **QA Agent 输出** - Pytest 测试脚本
   - 测试函数
   - BDD 场景描述

4. **Dev Agent 输出** - 可运行的 API 代码
   - 核心业务逻辑
   - 错误处理

5. **自动测试** - 展示测试执行和修复循环

6. **最终输出** - 可部署的代码包 + 测试报告

## ✅ 演示亮点

- ✅ 实时展示 Agent 协作对话
- ✅ 人机协同确认节点
- ✅ 测试失败→自动修复→通过的闭环
- ✅ 符合汽车行业标准（MISRA-C、ISO 26262）

## 🐛 常见问题

### Q1: API Key 无效

**解决**: 检查环境变量是否正确设置

```bash
# 验证环境变量
echo $DASHSCOPE_API_KEY  # Linux/Mac
echo %DASHSCOPE_API_KEY% # Windows CMD
```

### Q2: 模型响应超时

**解决**: 增加超时时间或降低 `max_tokens`

```python
llm_config = get_llm_config(timeout=180)
```

### Q3: 测试执行失败

**解决**: 检查工作目录权限和 pytest 安装

```bash
pip install pytest
chmod +x workspace/
```

## 📊 日志与导出

### 对话日志

所有对话自动保存在 `logs/` 目录：

- JSONL 格式：`session_YYYYMMDD_HHMMSS.jsonl`
- JSON 导出：`conversation_*.json`
- Markdown 导出：`conversation_*.md`

### 导出方法

```python
system.export_conversation("my_conversation.json")
system.export_report("my_report.md")
```

## 🔐 安全建议

1. **不要硬编码 API Key** - 使用环境变量
2. **审查生成的代码** - AI 可能产生不安全代码
3. **限制执行权限** - 禁用 Docker 或使用沙箱
4. **定期清理 workspace** - 避免敏感数据积累

## 📝 许可证

MIT License

## 🤝 贡献

欢迎提交 Issue 和 Pull Request！

## 📧 联系方式

如有问题请提交 Issue 或联系开发团队。

---

**🤖 Generated with AutoGen SDLC System**