""" AutoGen SDLC 多智能体协同系统 - 主程序入口 实现端到端软件交付的自动化流程 """ import os import sys from pathlib import Path from typing import Dict, Any, Optional, List import json # 添加项目根目录到路径 sys.path.insert(0, str(Path(__file__).parent)) from autogen import AssistantAgent, UserProxyAgent, GroupChat, GroupChatManager from config.llm_config import ( get_llm_config, PM_PROMPT, QA_PROMPT, DEV_PROMPT, ORCH_PROMPT ) from utils.logger import get_logger from utils.callback_handler import get_callback_handler class AutoGenSDLCSystem: """AutoGen SDLC 多智能体协同系统""" def __init__( self, api_key: Optional[str] = None, base_url: Optional[str] = None, model: str = "qwen3.5-flash", workspace_dir: str = "workspace" ): """ 初始化 SDLC 系统 Args: api_key: API Key，默认从环境变量读取 base_url: API Base URL model: 模型名称 workspace_dir: 工作目录 """ # 配置 LLM self.api_key = api_key or os.getenv("DASHSCOPE_API_KEY", "") self.base_url = base_url or "https://dashscope.aliyuncs.com/compatible-mode/v1" self.model = model if not self.api_key: raise ValueError("请设置 DASHSCOPE_API_KEY 环境变量或传入 api_key 参数") self.llm_config = get_llm_config( model=model, api_key=self.api_key, base_url=self.base_url ) # 初始化日志和回调 self.logger = get_logger() self.callback_handler = get_callback_handler() # 创建工作目录 self.workspace_dir = Path(workspace_dir) self.workspace_dir.mkdir(parents=True, exist_ok=True) # 创建 Agent self._create_agents() # 创建 GroupChat self.groupchat = None self.manager = None def _create_agents(self): """创建所有 Agent""" # PM Agent self.pm_agent = AssistantAgent( name="PM_Agent", system_message=PM_PROMPT, llm_config=self.llm_config, description="资深软件产品经理，负责需求分析和 SRS 生成", human_input_mode="NEVER" ) # QA Agent self.qa_agent = AssistantAgent( name="QA_Agent", system_message=QA_PROMPT, llm_config=self.llm_config, description="资深测试工程师，负责测试用例设计", human_input_mode="NEVER" ) # Dev Agent self.dev_agent = AssistantAgent( name="Dev_Agent", system_message=DEV_PROMPT, llm_config=self.llm_config, description="资深软件工程师，负责代码实现", human_input_mode="NEVER" ) # Orchestrator Agent self.orchestrator = AssistantAgent( name="Orchestrator", system_message=ORCH_PROMPT, llm_config=self.llm_config, description="多智能体协调器，负责流程控制和验证", human_input_mode="NEVER" ) # User Proxy（用于执行代码） self.user_proxy = UserProxyAgent( name="User_Proxy", human_input_mode="NEVER", # 修复：Web 环境不支持 TERMINAL max_consecutive_auto_reply=0, code_execution_config={ "work_dir": str(self.workspace_dir), "use_docker": False, }, is_termination_msg=lambda x: x.get("content", "").rstrip().endswith("TERMINATE") ) self.logger.log_event("agents_created", "所有 Agent 已创建", { "agents": ["PM_Agent", "QA_Agent", "Dev_Agent", "Orchestrator", "User_Proxy"] }) def create_groupchat(self, max_round: int = 20): """ 创建 GroupChat Args: max_round: 最大对话轮数 """ self.groupchat = GroupChat( agents=[self.pm_agent, self.qa_agent, self.dev_agent, self.orchestrator, self.user_proxy], messages=[], max_round=max_round, speaker_selection_method="round_robin" # 轮流发言确保流程可控 ) self.manager = GroupChatManager( groupchat=self.groupchat, llm_config=self.llm_config ) self.logger.log_event("groupchat_created", "GroupChat 已创建", { "max_round": max_round }) def run_workflow(self, user_requirement: str, max_round: int = 20) -> Dict[str, Any]: """ 运行完整的 SDLC 工作流 Args: user_requirement: 用户需求描述 max_round: 最大对话轮数 Returns: 工作流结果 """ self.logger.log_event("workflow_started", "SDLC 工作流启动", { "requirement": user_requirement }) # 创建 GroupChat self.create_groupchat(max_round) # 构建初始消息 initial_message = f""" 请启动完整的 SDLC 流程，开发以下功能： 【用户需求】 {user_requirement} 【工作流程】 1. PM_Agent: 分析需求，生成 SRS 文档 2. QA_Agent: 根据 SRS 设计测试用例 3. Dev_Agent: 根据 SRS 和测试用例编写代码 4. User_Proxy: 执行测试验证 5. Orchestrator: 汇总结果并生成最终报告 请各 Agent 按顺序协作完成。每个步骤完成后，Orchestrator 进行验证。 如果测试失败，Dev_Agent 需要修复代码直到测试通过。 开始工作！ """ try: # 启动对话 chat_result = self.user_proxy.initiate_chat( self.manager, message=initial_message, max_turns=max_round, summary_method="reflection_with_llm" ) # 记录结果 self.logger.log_event( "workflow_completed", "SDLC 工作流完成", {"chat_summary": chat_result.summary if hasattr(chat_result, 'summary') else "完成"} ) # 导出对话历史 for msg in self.groupchat.messages: self.logger.log_message( agent_name=msg.get("name", "Unknown"), message=msg.get("content", ""), role=msg.get("role", "assistant") ) return { "success": True, "summary": chat_result.summary if hasattr(chat_result, 'summary') else "工作流完成", "messages": self.groupchat.messages, "workspace": str(self.workspace_dir) } except Exception as e: self.logger.log_event("workflow_error", f"工作流执行出错：{str(e)}") return { "success": False, "error": str(e), "messages": self.groupchat.messages if self.groupchat else [] } def export_conversation(self, output_path: Optional[str] = None) -> str: """导出对话历史""" return self.logger.export_to_json(output_path) def export_report(self, output_path: Optional[str] = None) -> str: """导出 Markdown 格式报告""" return self.logger.export_to_markdown(output_path) def main(): """主函数 - 演示模式""" print("=" * 60) print("AutoGen SDLC 多智能体协同系统") print("=" * 60) # 检查 API Key api_key = os.getenv("DASHSCOPE_API_KEY") if not api_key: print("\n❌ 错误：未设置 DASHSCOPE_API_KEY 环境变量") print("请运行：export DASHSCOPE_API_KEY='your_api_key'") return # 创建系统实例 system = AutoGenSDLCSystem(api_key=api_key) # 演示用例 demo_requirement = "我需要一个电池健康状态 (SOH) 预测 API，能够接收电池的电压、电流、温度数据，输出健康度百分比" print(f"\n📋 演示需求：{demo_requirement}") print("\n🚀 启动 SDLC 工作流...\n") # 运行工作流 result = system.run_workflow(demo_requirement, max_round=15) # 输出结果 print("\n" + "=" * 60) if result["success"]: print("✅ 工作流成功完成！") print(f"📄 摘要：{result['summary'][:200]}...") print(f"📂 工作目录：{result['workspace']}") else: print(f"❌ 工作流失败：{result.get('error', '未知错误')}") # 导出报告 report_path = system.export_report() print(f"📊 对话报告已导出：{report_path}") print("\n" + "=" * 60) if __name__ == "__main__": main()