软件工程师罗小东，多年架构和平台设计经验，目前在研究平台与新技术结合中。

概述

面对日常工作中频繁出现的日报、周报编写任务，传统的手动记录方式不仅耗时且容易遗漏重要信息。通过引入Agent技术，可以有效解决这一难题，实现自动化、智能化的报告生成流程。

主要目标包括提高工作效率、减少重复劳动、确保信息的准确性和及时性。

• 替代传统手工编写的难点
• 实现多工具数据整合
• 自动生成报告，支持按需导出
• 提供数据分析功能，辅助决策

希望此设计能够为同行提供一些有价值的参考，也欢迎提出宝贵意见，共同探讨更优解决方案，我有我思。

Agent设计思路

这里是设计的一些思路，也是之前遇到的情况，前期已经采集到了数据，所以这里直接输出内容点。

替代传统手工编写的难点

面对每天或每周需要提交的日报、周报，员工往往需要花费大量时间汇总工作进展、问题及后续计划。这种模式不仅效率低下，还容易因为人为因素导致信息遗漏或错误。通过设计Agent自动收集相关信息，可以显著提升报告的质量和效率。

实现多工具数据整合

现代软件开发过程中，团队通常会使用多种工具进行协作，如项目管理工具、代码仓库等。Agent可以集成这些工具的数据源，自动抓取关键信息，如代码提交记录、会议纪要、任务状态更新等，确保报告内容全面、准确。

自动生成报告，支持按需导出

基于收集的数据，Agent能够按照预设模板自动生成日报或周报，并支持用户根据实际需求调整报告格式，例如按时间（天/周）或特定条件筛选内容。此外，还提供了便捷的导出功能，允许用户将报告导出为Word文档或其他常用格式，方便存档或分享。

提供数据分析功能，辅助决策

除了基本的报告生成功能外，Agent还能对历史报告数据进行分析，生成图表展示团队的工作效率、成员贡献度等关键指标。这不仅有助于管理层更好地了解项目进展，也为优化团队管理和资源配置提供了科学依据。

结合演示

咨询定义周日报角色，这里定义几个角色:

• 周日报生成角色
• 导出word角色
• 结合数据分析角色

下面是结合效果情况，先拉入到同一个频道中，当然也可以让管理者场景一句话分配生成，下面是同频道的场景。

这里是管理者的场景，由管理进行分配处理，以下为集成界面，由产品研发经理进行分配安排Worker员工。

总结

通过上述设计，Agent在周日报场景的应用不仅能极大地减轻员工的工作负担，还能促进信息共享和团队协作，进而提升整体的工作效率。这是一次尝试将Agent技术应用于日常办公实践的小结，希望能够激发更多创新思维，共同推动行业进步。

附

以上为使用AIP开源项目开发，项目地址: https://gitee.com/alinesno-infrastructure

软件工程师罗小东，多年架构和平台设计经验，目前在研究平台与新技术结合中。
以下主要为大文本文档审核场景验证，也是高频使用场景之一。

概述

文档审批常常会遇到，而且大文本，人工多次审核和查阅可能还是遗落，这里利用Agent做初步审核，以提供初步审核意见。
主要目标点：

• 提高效率：自动上传和纠错，提出初步审批意见和低级错误。
• 保证质量：智能体检测文档中的错误，提升文档质量。
• 节省成本：减少人力投入，降低运营成本。
  每个设计师思路不一样，我有我思。提供一些参考设计，期望有兴趣的同学可以多交流。

设计思路

自动纠错模式

• 错误标注：对于每一个检测到的错误，我会在文档中标注出来，并高亮显示，让用户一目了然地看到需要修改的地方。
• 提供修改建议：针对每个错误，我会提供具体的修改建议，并且给出三个不同的修正方案，帮助用户选择最合适的修改方式。

具体步骤

1. 文本识别：将上传的文档转换为可处理的文本格式。
2. 语法检查：利用自然语言处理技术，检测文档中的语法错误。
3. 拼写校正：自动识别并纠正拼写错误。
4. 术语一致性：检查文档中术语的一致性，确保用词规范。
5. 错误标注：在文档中高亮显示错误，并标注具体位置。
6. 修改建议：为每个错误提供三种修改建议，供用户选择。

审阅模式下的批注

• 显示审批人信息：每一条批注都会注明审批人的名字，增加透明度，让每个人都对自己的工作负责。
• 记录审批意见：审批人可以根据我的修改建议表达自己的看法，比如是否同意我的建议，或者提出新的修改意见。
• 个性化修改建议：除了提供的标准修改建议之外，审批人还可以添加个性化的建议，提供更多元化的修改选项。

结合演示

建立新的审批频道，将需要审批的文件上传到频道

调用Agent进行文档审核，顺便说明审核重点。

审批结合的效果，带有审批意见和建议还有提供的原因

总结

以上为业务场景的情况，也是作为一个例子情况，提交给审核人员。

软件工程师罗小东，多年架构和平台设计经验，目前在研究平台与新技术结合中。

术语

• 频道：多Agent结合交互，类似群，可以拉Agent进入
• 场景：针对特定要求的多Agent编排，目前集成大文本、管理Agent

概述

针对于AIP的输出整合情况，AIP是目前在维护的开源项目，主要是进行平台和新技术的结合上，同时对外的交流方式之一。

智能体输出场景有很多，这里主要针对的是工作场景还有多Agent交互的情况，目前AIP集成相对常用的业务场景。

抛砖引玉，一家设计，同时也期望有兴趣的同学可以了解和交流，我有我思。

集成场景

主要集成包括频道和场景两部分，单个Agent这里不做场景列出，单个Agent是组成Multi-Agent场景的元素，可以单聊，也可以做执行，也可以调用工具，但是多任务和要求集成在单Agent上会目前导致结果幻觉还有审核流程不太好结合处理，所以这里整理成Agent团队的概念。

注：当前部分引用图片为网络下载，用于研究学习使用

场景列出主要是为了作为demo例子使用，当然这也是平时在用的，结合实际验证。说明:完成指已经在使用当中，测试指在调试验证中。

频道

多个Agent可以拉在一起调用，可以@指定的Agent角色，结果之间，知识库之间可以互相调用。

以下为目前集成的频道：

• （完成）写长文本文案，审核，导出word
• （完成）分析标书，写标书，导出word
• （完成）每日或是根据时间段进度汇总，也可以导出word
• （完成）研发工作日报、周报编写，也可以导出word
• （完成）研发工作统计情况还有报表生成
• （完成）文字转成对话音频，导出mp3
• （完成）根据场景需求生成图片4张
• （完成）网站知识库自动导入客服咨询
• （完成）根据意图项目自动发布项目集成
• （完成）根据问题自动推理自动使用工具输出结果（ReAct模式）
• （测试）word文档内容审核标注导出
• （测试）培训考核题目导出（包括答案），发送Email到指定邮箱

频道的使用角色之间有比较大的共用性，比如很多频道都需要发送email或者word，还有调用研发专员Agent等。

场景

不管是大模型的限制还是使用的便利，还有更加符合业务场景，统一抽取出来的特定编排形式。

以下为目前集成的场景：

• （完成）多Agent配合超大文本标书编写
• （完成）多Agent配合每日自动生成日报
• （完成）多Agent配合编写长文本内容
• （完成）管理Agent调动分配工作Agent做事
• （测试）多Agent配合写论文同时配图和报表，公式
• （测试）自动采集线索自动整理销售方案和技术方案
• （测试）自动根据需求生成新的Agent

这里只是列出已经使用和调试好的Agent，场景之间可以互相通用，需要定义Agent还有知识库的处理，针对不同行业达到通用性，比如大文本也可以编写律师行业的合同类。

计划

后续分配行业场景结合，目前为上面的例子，目前对例子进行集中测试，输出需要的指标：

• 频道、Agent、场景的成功率
• Token消耗成本
• 每个Worker节点时常

还有常见问题输出，对应的例子进一步优化使用和说明文档在整理输出。

以下为编写的初稿：http://portal.infra.linesno.com/technical/brain/01_自定义智能体开发流程.html

附

AIP开源地址：https://gitee.com/alinesno-infrastructure

设计思路：http://alinesno-agent.linesno.com/book/

注：部分图片从网络下载做调试使用，目前为研发学习使用而非商用。

软件工程师罗小东，拥有多年架构和平台产品设计经验，以下为开源项目AIP集成超大文本的设计思路。

术语

• 超大型文本：指的是超过100多页、超10万字的文档，比如解决方案、技术方案、招投标书
• Agent编排：这里的编排不是工作流，而是针对业务场景的编排，类似于团队人员工作的安排
• 多Agent技能：每个有自己的技能和擅长部分，每个Agent解决自己的擅长的点

概述

下面处理出来的一般是初稿，然后再进一步的调整，目前的Agent定位为辅助

常会接触过超大型文本，如解决方案、技术方案、招投标书等，通常超过100多页、10万字。处理这类文档时。多Agent系统提供了一种新的解决方案，通过多个智能体（Agent）的协同工作，可以高效地处理复杂任务。

一般超大型文本具有以下特点：

• 信息量大：包含大量的技术细节、业务流程、管理计划等内容。
• 专业性强：涉及多个领域的专业知识，需要高度的专业性和准确性。
• 一致性要求高：文档各部分需要保持一致性和连贯性。

处理超大型文本时面临的主要问题：

• 效率低下：人工编写和审核耗时长，容易出错。
• 一致性难保证：多人协作时，容易出现
• 质量难以控制：文档质量依赖于个人能力和经验，难以标准化。

为了更好的表达，下面以招投标场景为示例来进行阐述。

设计思路

多Agent系统是由多个智能体（Agent）组成的协作系统。每个Agent具有独立的技能和专长，能够处理特定的任务，从过去的项目中抽取成功案例和技术文档，形成一个结构化的知识库。将这些知识库分别导入给单个Agent，使其在编写文档时能够参考和借鉴。

协作机制

通过合理的编排，这些Agent可以高效地协同工作，完成复杂的任务。

任务分配：根据任务的性质和复杂度，将任务分配给最合适的Agent。例如，在招投标场景中，大纲编写Agent负责整体框架，技术方案编写Agent负责技术细节。
责任矩阵：建立责任矩阵，明确每个Agent的职责和任务边界。这有助于避免任务重叠和遗漏。
通信共享：Agent之间需要有效的通信机制，确保信息的及时传递和共享。
动态调整：系统应具备动态调整能力，根据任务进展和环境变化调整Agent的工作状态。

设计多Agent系统的协作机制需要综合考虑任务分配、通信机制和动态调整等多个方面。

场景设计

会有不同的大文本场景，不同的大文本场景可以非常丰富多样，涵盖各种领域和用途。

比如是每个场景都适用于不同的用途：

2. 解决方案 – 提供针对特定问题的综合解决方案，包括技术、管理、市场等方面。
3. 技术方案 – 设计详细的技术实施方案，如系统架构设计、软件开发计划、硬件配置方案。
4. 论文编写 – 学术论文、研究报告、文献综述、实验结果分析。
5. 项目管理 – 项目计划书、进度报告、风险管理报告、项目总结报告。
6. 市场分析 – 市场调研报告、竞争分析、消费者行为分析、市场趋势预测。
7. 产品手册 – 产品介绍、使用说明、技术参数、维护保养指南。
   ….

这里尽量针对于每个场景设计出不同的Agent，以进行更精细化，更贴近的效果，因为每个输出在与团队路径最短的，只有团队自己或者此场景下最熟悉的人了解。

Agent设计

以招投标场景为示例。

大概会设计下面的Agent，细化可以更精准化，还有知识库更符合团队本地场景，每个场景有自己的知识库，同时每个Agent又有自己的知识库。

• 负责大纲编写的Agent：会有多个角色编写大纲，然后将大纲合成一份。
• 负责编写技术方案部分的Agent：注于技术实现方案的撰写，确保技术方案的准确性和创新性。
• 负责编写概要部分的Agent：编写文档的概要部分，确保整体连贯性。
• 负责编写项目管理的Agent：负责项目实施计划的制定，确保项目的可执行性。
• 负责编写商务服务的Agent：关注商务条款和服务承诺，提升客户满意度。
• 负责编写安装部署的Agent：负责安装部署方案的编制，确保方案的实用性。
• 负责编写售后服务的Agent：编写售后支持策略，提供全面的售后服务方案，增强客户的信任感。
• ….

上面的Agent可以理解成一个团队，然后针对这个团队的人员安排，我们这里暂时称这种为场景编排。合理的协作机制可以确保各个Agent高效地协同工作，提高系统的整体性能和可靠性。

过程中每个Agent可以替换和重新更换更好更合适的Agent，比如张三设计的更出，在实践中体验较佳，便可以切换。

集成效果

以下是一个简单的多Agent系统界面设计设计演示，首先选择和分配Agent角色，进行大纲编写，可以选择多个Agent。

编写出大纲之后，如果不符合，针对大纲进行调整或者可调整微调目录结构及符合的场景。进行内容人员编写人员选择。

内容编写界面和文档导出，167页，近10万字文本导出。

当然，也可以添加在这个场景下的特定的文档知识库，然后给各个Agent共享使用。

总结

通过合理的设计和编排，各个Agent可以高效地协同工作，提高文档的质量和一致性。特别是通过历史知识库的利用，可以有效控制文档质量，减少对个人能力和经验的依赖。