Prompt智能体 (Prompt Agent)

基于 LangGraph 和 Reflexion 模式的专业提示词优化工程智能体。

🚀 项目简介

Prompt智能体是一个全栈 AI 应用，旨在通过多智能体协同工作流（Analyzer-Generator-Reflector），将用户的模糊想法转化为结构化、专业且符合 CO-STAR 原则的高质量提示词。

核心特性

• Reflexion 反思模式：通过“意图分析 - 提示词生成 - 自我反思”的闭环，确保输出质量。
• CO-STAR 原则注入：自动为提示词补充 Context（上下文）、Objective（目标）、Style（风格）等核心要素。
• SSE 全流式响应：
  • 过程流：前端实时感知 Agent 的思考状态和步骤切换。
  • Token 流：优化后的提示词以打字机效果实时呈现。
• 异步高性能架构：后端基于 FastAPI + LangGraph astream 事件驱动，不阻塞 Event Loop。
• 企业知识库 (RAG)：基于 FAISS + 本地向量模型实现轻量级 RAG，自动匹配行业/企业标准模板，强化特定领域的输出规范。

---

🛠️ 技术栈

• 前端: Vue 3 + Element Plus + Vite
• 后端: Python 3.10+ + FastAPI + LangGraph + LangChain
• 大模型: DeepSeek-V3 (通过 OpenAI 兼容接口调用)

---

📂 目录结构

prompt_agent/
├── backend/                # Python 后端
│   ├── agent/              # LangGraph 核心逻辑 (State, Nodes, Graph)
│   ├── rag/                # RAG 知识库模板 (templates.json)
│   ├── tools/              # 辅助工具类 (含 pg_saver, rag_tool)
│   ├── main.py             # FastAPI 服务入口
│   ├── test_graph.py       # 命令行测试脚本
│   └── requirements.txt    # 后端依赖
└── frontend/               # Vue 前端
    ├── src/
    │   ├── useSSE.js       # SSE 通信 Hook
    │   └── App.vue         # 主界面
    └── vite.config.js      # Vite 配置 (含内网访问与代理)

---

⚡ 快速开始

1. 环境配置

在 backend/ 目录下参考 .env.example 创建 .env 文件，并配置必要参数：

# LLM 配置
DEEPSEEK_API_KEY=你的API密钥
DEEPSEEK_BASE_URL=https://api.deepseek.com

# PostgreSQL 数据库配置
POSTGRES_URL=postgresql://postgres:password@localhost:5432/prompt_agent

# (可选) LLM 角色温度配置
ANALYZER_TEMPERATURE=0.3
GENERATOR_TEMPERATURE=0.7
REFLECTOR_TEMPERATURE=0.0

2. 数据库与 RAG 初始化

• 数据库：系统启动时会自动检查并创建 prompt_history (历史) 和 user_prompts (收藏) 表。
• RAG 模型 (离线部署)：
  1. 本地下载：在有网络/VPN 的开发机上，进入 backend/ 目录执行 python download_model.py。
  2. 上传模型：下载完成后，将生成的 backend/models/ 文件夹整体上传到服务器的 /opt/python/prompt_agent/backend/ 目录下。
  3. 磁盘空间：请确保服务器至少有 2GB 剩余空间。
  4. CPU 环境优化：若服务器无 GPU，建议手动安装 CPU 版 Torch 以节省空间（约减小 2GB）： bash pip install torch --index-url https://download.pytorch.org/whl/cpu pip install -r requirements.txt

2. 后端启动

cd backend
# 安装依赖
pip install -r requirements.txt
# 启动服务
python main.py

后端运行在：http://localhost:8000

3. 前端启动

cd frontend
# 安装依赖
npm install
# 启动服务
npm run dev

前端运行在：http://localhost:3001 (支持局域网内网访问)

---

🌐 Linux 服务器部署 (守护进程)

推荐使用 PM2 管理前后端进程，实现后台运行、自动重启及性能监控。

1. 安装 PM2

# 需要先安装 Node.js 和 npm
npm install -g pm2

2. 后端部署 (FastAPI)

在 backend/ 目录下：

# 启动并命名为 prompt-backend
pm2 start main.py --name "prompt-backend" --interpreter ./venv/bin/python3

3. 前端部署 (Vue)

建议构建生产环境静态文件并托管： 在 frontend/ 目录下：

# 1. 编译构建
npm run build
# 2. 使用 PM2 托管静态目录 (映射至 3001 端口)
pm2 serve dist 3001 --name "prompt-frontend" --spa

4. 常用管理操作

pm2 list                    # 查看所有服务状态
pm2 logs [name]             # 查看指定服务日志 (如: pm2 logs prompt-backend)
pm2 restart [name]          # 重启指定服务
pm2 delete [name]           # 停止并删除指定服务
pm2 save                    # 保存当前进程列表
pm2 startup                 # 配置服务器开机自动启动 PM2

---

📖 使用指南

1. 在左侧 Rough Idea 框中输入您的原始想法（如：“帮我写个 Vue 表格”）。
2. 点击 开始优化。
3. 在中间查看 Agent 的 思考过程（意图分析 -> 提示词优化 -> 自我反思）。
4. 在右侧查看实时生成的 Structured Prompt，满意后点击一键复制。

---

📝 迭代计划

• 增加更多模型支持（GPT-4, Claude 3.5）。
• 加入“一键试运行”功能，直接预览优化后的 Prompt 效果。
• 导出为 JSON/Markdown 格式文件。