# AgentCoord Backend 代码逻辑架构分析

## 🏗️ Backend 代码逻辑架构

### 📁 核心目录结构
```
backend/
├── server.py                    # Flask主服务器入口
├── config/config.yaml           # LLM API配置
├── AgentRepo/agentBoard_v1.json # 智能体定义库
├── DataProcess/                 # 数据处理层
├── RequestCache/                # 缓存机制
└── AgentCoord/                  # 核心业务逻辑
    ├── LLMAPI/                  # LLM接口封装
    ├── PlanEngine/              # 计划生成引擎
    ├── RehearsalEngine_V2/      # 计划执行引擎
    └── util/                    # 工具模块
```

### 🔄 主要工作流程

#### 1️⃣ **计划生成流程** (PlanEngine)
```
用户目标 → 生成计划大纲 → 选择智能体 → 生成任务流程 → 输出完整计划
```

**核心模块：**
- `basePlan_Generator.py` - 整合所有计划生成组件
- `planOutline_Generator.py` - 生成高级计划大纲
- `taskProcess_Generator.py` - 生成详细任务执行流程
- `AgentSelection_Generator.py` - 选择最适合的智能体

#### 2️⃣ **计划执行流程** (RehearsalEngine_V2)
```
协作计划 → 初始化执行环境 → 按步骤执行 → 智能体协作 → 记录执行日志
```

**动作类型：**
- **Propose** - 提出建议和方案
- **Critique** - 提供反馈和批评
- **Improve** - 基于反馈改进结果
- **Finalize** - 最终确定输出

#### 3️⃣ **LLM接口层** (LLMAPI)
支持的模型：
- OpenAI GPT-4/GPT-3.5
- Groq Mixtral-8x7b (快速模式)
- Mistral Open-Mixtral-8x7b

### 🌐 API端点架构

#### **计划生成APIs**
- `POST /generate_basePlan` - 生成基础协作计划
- `POST /fill_stepTask` - 填充步骤任务详情
- `POST /branch_PlanOutline` - 处理计划分支

#### **计划执行APIs**
- `POST /executePlan` - 执行协作计划
- `POST /agentSelectModify_init` - 初始化智能体选择

#### **系统管理APIs**
- `POST /setAgents` - 设置智能体板
- `POST /_saveRequestCache` - 保存请求缓存

### 💾 数据流设计

#### **输入层**
- HTTP请求验证
- 参数提取和格式化
- 缓存检查

#### **业务逻辑层**
- LLM API调用
- 多智能体协调
- 任务状态管理

#### **输出层**
- 结果格式化
- 前端渲染模板生成
- JSON响应

### ⚙️ 配置与优化

#### **配置文件 (config.yaml)**
```yaml
OPENAI_API_BASE: "https://api.openai.com"
OPENAI_API_KEY: "your-key"
OPENAI_API_MODEL: "gpt-4-turbo-preview"
FAST_DESIGN_MODE: True  # 启用快速模式
USE_CACHE: False        # 缓存开关
```

#### **性能优化**
- 请求缓存机制
- 快速模式支持（Groq）
- 异步LLM调用
- 重试和错误处理

### 🔧 关键技术特点

1. **模块化架构** - 清晰的职责分离
2. **多LLM支持** - 灵活的模型切换
3. **智能体协作** - 复杂的多智能体工作流
4. **前端适配** - 自动生成渲染模板
5. **可扩展性** - 支持自定义智能体和动作

## 📋 详细模块说明

### 1. 服务器入口 (server.py)
- **功能**: Flask应用主入口，提供RESTful API
- **特点**: 支持请求缓存、全局状态管理、参数化端口配置

### 2. 计划引擎 (PlanEngine)
**核心功能**: 生成多智能体协作计划

- **basePlan_Generator.py**: 整合所有生成器，生成完整协作计划
- **planOutline_Generator.py**: 基于目标生成计划大纲
- **taskProcess_Generator.py**: 为每个任务步骤生成执行流程
- **AgentSelection_Generator.py**: 选择合适的智能体执行任务

### 3. 排练引擎 (RehearsalEngine_V2)
**核心功能**: 执行生成的协作计划

- **ExecutePlan.py**: 计划执行控制器
- **Action模块**: 实现各种协作动作（Propose, Critique, Improve, Finalize）

### 4. LLM API接口 (LLMAPI)
**核心功能**: 封装多种大语言模型API
- 支持流式响应
- 异步处理
- 快速模式切换

### 5. 数据处理 (DataProcess)
**核心功能**: 格式转换和前端适配
- 颜色映射：不同元素类型的视觉区分
- 模板生成：为前端生成渲染模板
- 格式化：处理驼峰命名和自然语言转换

## 🚀 启动和调试

### 开发环境启动
```bash
cd backend
source venv/bin/activate
python server.py --port 8017
```

### 调试模式
Flask已内置debug=True，支持：
- 交互式调试器
- 自动重载
- 详细错误页面

### Docker部署
```bash
docker-compose up
```

这个backend实现了一个完整的多智能体协作平台，通过精心设计的模块化架构，支持复杂任务的规划和执行。