# Dodo-Agent：企业级端到端通用智能体平台
# 一、产品定位
Dodo-Agent 是一个面向企业级应用的端到端通用智能体（End-to-End Universal Agent）平台，采用多智能体架构，基于 Spring AI 生态构建，深度融合大语言模型（LLM）能力与现代软件工程架构，提供从感知、推理到执行的全链路智能化解决方案。
# 二、整体架构
┌─────────────────────────────────────────────────────────────────────────────┐
│ 应用层 (Application Layer) │
│ ┌─────────────┐ ┌─────────────┐ ┌─────────────┐ ┌─────────────────────┐ │
│ │ 智能问答Agent │ │ 文件问答Agent │ │ PPT生成Agent │ │ 深度研究Agent │ │
│ │ WebSearch │ │ File RAG │ │ PPT Builder │ │ Plan-Execute │ │
│ │ ReAct │ │ ReAct │ │ StateMachine│ │ Multi-Round │ │
│ └──────┬──────┘ └──────┬──────┘ └──────┬──────┘ └──────────┬──────────┘ │
│ └─────────────────┴─────────────────┴────────────────────┘ │
│ │ │
│ BaseAgent (抽象基类) │
│ ┌───────────────┼───────────────┐ │
│ │ ChatMemory │ TaskManager │ SessionService │
│ └───────────────┴───────────────┘ │
├─────────────────────────────────────────────────────────────────────────────┤
│ 服务层 (Service Layer) │
│ ┌──────────────┐ ┌──────────────┐ ┌──────────────┐ ┌────────────────────┐ │
│ │Embedding服务 │ │ 文件管理服务 │ │ 会话管理服务 │ │ PPT渲染服务 │ │
│ │ (RAG核心) │ │ (Minio+解析) │ │ (MySQL持久化) │ │ (Python+PptxGenJS) │ │
│ └──────────────┘ └──────────────┘ └──────────────┘ └────────────────────┘ │
├─────────────────────────────────────────────────────────────────────────────┤
│ 工具层 (Tool Layer) │
│ ┌─────────────────┐ ┌─────────────────┐ ┌─────────────────────────────┐ │
│ │ MCP工具回调 │ │ 文件内容检索 │ │ 图片生成服务 │ │
│ │ (Tavily搜索) │ │ (Vector Search) │ │ (AI Image Generation) │ │
│ └─────────────────┘ └─────────────────┘ └─────────────────────────────┘ │
├────────────────────────────────────────────────────────────────────────────┤
│ 基础设施层 (Infrastructure) │
│ ┌──────────┐ ┌──────────┐ ┌──────────────┐ ┌──────────┐ ┌──────────┐ │
│ │ 大模型 │ │ PgVector │ │ MySQL │ │ Minio │ │ Tavily │ │
│ │OpenAI/ │ │ 向量数据库 │ │ 关系数据库 │ │ 对象存储 │ │ 搜索引擎 │ │
│ │通义千问 │ │ │ │ │ │ │ │ │ │
│ └──────────┘ └──────────┘ └──────────────┘ └──────────┘ └──────────┘ │
└─────────────────────────────────────────────────────────────────────────────┘# 三、核心技术创新
# 3.1 多模式智能体架构（Multi-Mode Agent Architecture）
| Agent 类型 | 核心模式 | 技术特点 | 适用场景 |
|---|---|---|---|
| ----------- | --------- | --------- | --------- |
| WebSearchReactAgent | ReAct | 实时联网搜索 + 推理执行 | 实时信息查询、新闻分析 |
| FileReactAgent | RAG + ReAct | 文档向量化 + 语义检索 | 企业内部文档问答 |
| PPTBuilderAgent | State Machine | 意图识别 + 状态驱动 + 断点续传 | 智能演示文稿生成 |
| PlanExecuteAgent | Plan-Execute | 需求澄清 → 计划生成 → 多轮执行 → 批判反思 | 深度研究、复杂任务分解 |
# 3.2 深度研究引擎（Deep Research Engine）
PlanExecuteAgent 是平台的核心技术创新，实现了真正的自主研究能力：
┌─────────────────────────────────────────────────────────────────┐
│ 深度研究执行流程 │
├─────────────────────────────────────────────────────────────────┤
│ Phase 1: 需求澄清 (Requirement Clarification) │
│ └─> 智能判断信息充足性，主动引导用户补充关键信息 │
├─────────────────────────────────────────────────────────────────┤
│ Phase 2: 研究主题生成 (Research Topic Generation) │
│ └─> 基于用户需求生成精准的研究主题与方向 │
├─────────────────────────────────────────────────────────────────┤
│ Phase 3: 计划-执行-批判循环 (Plan-Execute-Critique Loop) │
│ ├─> Plan: 结构化任务规划（支持任务依赖与并行执行） │
│ ├─> Execute: 工具调用与信息收集（信号量控制并发度） │
│ └─> Critique: 自我批判与反思，决定继续迭代或生成报告 │
├─────────────────────────────────────────────────────────────────┤
│ Phase 4: 综合报告生成 (Synthesis & Report) │
│ └─> 整合多轮研究结果，生成结构化深度报告 │
└─────────────────────────────────────────────────────────────────┘技术亮点：
- 智能并发控制：基于
Semaphore实现工具调用并发度控制（默认3个并发） - 断点续传机制：支持任意阶段中断后恢复执行
- 自我批判机制：每轮执行后自动评估信息充分性，驱动多轮迭代
- 上下文压缩：自动检测上下文长度，超长时触发智能压缩
# 3.3 高级 RAG 检索增强
// 查询处理流水线
Query originalQuery = Query.builder().text(question).build();
// Step 1: 查询压缩重写 (CompressionQueryTransformer)
Query compressed = queryTransformer.transform(originalQuery);
// Step 2: 查询扩展 (MultiQueryExpander)
List<Query> expandedQueries = queryExpander.expand(compressed);
// 生成3个扩展查询 + 保留原始查询
// Step 3: 语义检索 + 元数据过滤
Filter.Expression filter = builder.eq("fileid", fileId).build();
List<Document> results = vectorStore.similaritySearch(
SearchRequest.builder()
.query(eq.text())
.topK(5)
.filterExpression(filter)
.build()
);# 3.4 PPT 智能生成引擎
模板驱动架构 + 状态机模式：
┌─────────────┐ ┌─────────────┐ ┌─────────────┐ ┌─────────────┐
│ INIT │───>│ SCHEMA │───>│ OUTLINE │───>│ CONTENT │
│ 意图识别 │ │ 结构生成 │ │ 大纲生成 │ │ 内容填充 │
└─────────────┘ └─────────────┘ └─────────────┘ └──────┬──────┘
│
┌─────────────┐ ┌─────────────┐ ┌─────────────┐ │
│ SUCCESS │<───│ RENDER │<───│ IMAGE │<──────────┘
│ 完成输出 │ │ 渲染生成 │ │ 图片生成 │
└─────────────┘ └─────────────┘ └─────────────┘核心能力：
- 意图识别：自动区分 CREATE / MODIFY / RESUME 三种操作意图
- 断点重连：任意状态中断后可从当前状态恢复
- AI 配图：集成图片生成服务，自动为幻灯片生成配图
- 多格式渲染：支持 Python-pptx 和 PptxGenJS 双引擎渲染
# 3.5 统一流式响应协议
平台采用统一的 SSE 流式响应协议，支持四种消息类型：
{"type": "thinking", "content": "正在分析问题..."}
{"type": "text", "content": "这是最终回答内容"}
{"type": "reference", "content": "[{\"title\": \"来源1\", \"url\": \"...\"}]", "count": 3}
{"type": "recommend", "content": "[\"相关问题1\", \"相关问题2\"]"}# 四、技术栈
# 4.1 核心技术框架
| 层级 | 技术选型 | 版本 |
|---|---|---|
| ----- | --------- | ------ |
| 基础框架 | Spring Boot + Spring AI | 3.2.x |
| 响应式编程 | Project Reactor | 3.6.x |
| 大模型接入 | OpenAI API / 通义千问 | Compatible Mode |
| 向量嵌入 | Spring AI Embedding | - |
| 工具协议 | Model Context Protocol (MCP) | 1.0 |
# 4.2 数据存储
| 类型 | 技术 | 用途 |
|---|---|---|
| ----- | ------ | ------ |
| 关系数据库 | MySQL 8.0 | 会话历史、元数据管理 |
| 向量数据库 | PostgreSQL + pgvector | 语义向量存储与检索 |
| 对象存储 | MinIO | 文件存储、PPT文件托管 |
# 4.3 AI/ML 组件
| 组件 | 功能 |
|---|---|
| ----- | ------ |
| CompressionQueryTransformer | 查询压缩与重写 |
| MultiQueryExpander | 查询扩展增强召回 |
| BeanOutputConverter | 结构化输出解析 |
| ChatMemory | 对话历史管理 |
# 4.4 外部服务集成
| 服务 | 用途 |
|---|---|
| ----- | ------ |
| Tavily MCP | 高质量网页搜索 |
| 通义千问/GLM | 大语言模型推理 |
| 文本嵌入模型 | 语义向量化 |
# 五、企业级特性
# 5.1 高可用设计
- 任务并发控制：基于会话 ID 的任务去重与并发限制
- 优雅中断：支持用户随时停止生成，资源自动释放
- 持久化记忆：对话历史自动持久化到 MySQL，支持跨会话恢复
# 5.2 可观测性
- 全链路日志：详细记录思考过程、工具调用、执行耗时
- 性能指标：首字响应时间、总响应时间、工具调用统计
- 引用溯源：所有外部信息自动记录来源，支持结果验证
# 5.3 扩展性
- 插件化工具：基于 MCP 协议，工具可热插拔
- 多模型支持：通过配置切换不同 LLM 提供商
- 自定义 Agent：继承 BaseAgent 快速开发新类型智能体
# 六、应用场景
| 场景 | Agent 组合 | 价值 |
|---|---|---|
| ----- | ----------- | ------ |
| 企业知识库问答 | FileReactAgent | 基于内部文档的智能问答，数据安全可控 |
| 市场情报分析 | PlanExecuteAgent + WebSearchReactAgent | 自动化竞品分析、行业研究 |
| 智能办公助手 | PPTBuilderAgent | 一句话生成专业演示文稿 |
| 多轮深度调研 | PlanExecuteAgent | 复杂问题的多维度深度研究 |
# 七、总结
Dodo-Agent 代表了企业级智能体平台的发展方向：
- 架构先进：采用分层架构设计，职责清晰，易于扩展
- 技术前沿：深度融合 Spring AI、MCP、RAG 等最新技术
- 能力全面：覆盖感知、推理、执行、反思的完整智能闭环
- 工程成熟：具备企业级的高可用、可观测、可扩展特性
Dodo-Agent 不仅是一个工具平台，更是企业智能化转型的核心基础设施，为构建下一代 AI 原生应用提供坚实底座。
know-engine知识库项目