socaichat/doc/enterprise-plan.md

SOC 企业级 ChatGPT 系统 — 多 Agent 联合规划方案

2026-04-10 | 后端 Agent + 前端 Agent + LLM 工程师 + 部署 Agent 联合讨论产出

---

一、目标

基于 langgraphjs-gen-ui-examples 框架，打造无限接近 ChatGPT Enterprise 的企业对话系统，本地 Docker 部署。

二、系统架构（目标态）

用户浏览器 (localhost:3000)
    ↓ nginx 反代
[Vite SPA] React 19 + useStream + Gen-UI
    ↓ SSE
[LangGraph.js Server] (localhost:2024)
    ↓
[Supervisor] (gpt-5.4, temperature=0)
    ├── enterprise     → 知识库 + 工单（保留改造）
    ├── analyst        → 数据分析 + 图表生成（新增）
    ├── coder          → 代码解释器（新增）
    ├── writer         → Canvas 文档编辑（新增）
    ├── searcher       → 深度搜索（新增）
    ├── fileProcessor  → 文件解析 + 多模态（新增）
    ├── imageGen       → 图像生成（新增）
    ├── memory         → 用户记忆（后台服务，新增）
    └── generalInput   → 通用对话（保留）
    ↓
[基础设施 Docker]
    ├── Azure PostgreSQL  → checkpointer + 用户数据 + 记忆 (dataope.postgres.database.azure.com)
    ├── Azure Redis       → 缓存 + session + 限流 (oper.redis.cache.windows.net)
    ├── Azure Blob        → 文件存储 (authdatablol)
    └── Azure Service Bus → 异步任务 (databus.servicebus.windows.net)
    ↓
[外部 API]
    ├── Azure OpenAI (gpt-5.4)
    ├── Google Gemini Flash (router 备选)
    ├── KB Agent / Gongdan API
    ├── Jina Search + Reader / Serper
    ├── Daytona Sandbox
    ├── DALL-E 3 / Replicate FLUX
    └── Doc Creator Agent

---

三、后端架构（后端 Agent 方案）

3.1 新增 Sub-Agent 一览

Agent	对标 ChatGPT 功能	工具数	Gen-UI 卡片
enterprise (改造)	企业知识+工单	5	knowledge-result, ticket-summary, ticket-detail
analyst (新增)	Advanced Data Analysis	5	data-preview, chart-result, stats-summary
coder (新增)	Code Interpreter	5	code-execution, code-approval
writer (新增)	Canvas	7	document-editor, document-export
searcher (新增)	Deep Research	5	search-progress, source-list, search-result
fileProcessor (新增)	File Upload	6	file-preview, image-analysis
imageGen (新增)	DALL-E	3	image-gallery, image-generation-progress
memory (新增)	Memory	4	(后台，无UI)

3.2 目录结构

langgraph/src/agent/
├── supervisor/              ← 路由到 8 个 Agent
├── enterprise/              ← 知识库 + 工单 (改为 ReAct 循环)
├── analyst/                 ← 数据分析 (新增)
│   ├── nodes/call-model.ts, execute-tools.ts
│   └── tools/csv-parse.ts, data-query.ts, chart-generate.ts
├── coder/                   ← 代码解释器 (新增)
│   ├── nodes/call-model.ts, execute-code.ts
│   └── tools/sandbox-manager.ts (会话级 sandbox 复用)
├── writer/                  ← Canvas 文档 (新增)
│   └── nodes/call-model.ts, write-document.ts
├── searcher/                ← 深度搜索 (新增)
│   └── nodes/plan-search.ts, execute-searches.ts, synthesize.ts
├── file-processor/          ← 文件处理 (新增)
│   └── nodes/detect-type.ts, extract-text.ts, vision-analyze.ts
├── image-gen/               ← 图像生成 (新增)
│   └── nodes/generate.ts
├── memory/                  ← 用户记忆 (新增)
│   ├── recall.ts, extract.ts
└── utils/
    ├── tool-loop.ts         ← 通用 ReAct 循环抽象 (新增)
    ├── redis-client.ts      ← Redis 客户端 (新增)
    └── minio-client.ts      ← MinIO 客户端 (新增)

3.3 数据库 Schema

-- users, conversations, files, user_memories, artifacts, tool_invocations
-- 详见后端 Agent 完整方案

---

四、LLM 工程方案（LLM 工程师方案）

4.1 ReAct 循环（最关键改造）

当前 Enterprise Agent 是单轮：LLM 调一次 → 执行工具 → LLM 再调一次总结。

改造为多轮 ReAct：

START → agent (LLM 思考) → route?
                             ├── 有 tool_calls → tools (执行) → agent (继续思考)
                             └── 无 tool_calls → END

关键：MAX_ITERATIONS=6 防止无限循环。

4.2 Code Interpreter 自动修正循环

START → agent → generate_code → sandbox_execute → check_result
                                                    ├── 成功 → agent → END
                                                    └── 报错 → agent (看错误) → generate_code (修正)

• sandbox 会话级复用（30min TTL），不再每次创建/销毁
• matplotlib/plotly 图表输出为 base64 PNG → 嵌入 Gen-UI chart-result 卡片

4.3 记忆系统

对话开始 → memory_recall(user_id) → 注入 system prompt 尾部
对话结束 → memory_extract(conversation) → 持久化到 PostgreSQL

记忆分类：preference / fact / instruction / context

4.4 Supervisor 路由优化

路由 prompt 使用结构化 tool descriptions：

- enterprise: 企业内部助手：知识库查询、工单管理
- analyst: 数据分析：上传 CSV/Excel 后数据探索、统计、图表
- coder: 代码解释器：编写和执行代码、调试
- writer: 文档编辑器：创建和编辑文档（Canvas 模式）
- searcher: 深度搜索：多步互联网搜索、新闻查询
- fileProcessor: 文件处理：解析 PDF/Word/图片
- imageGen: 图像生成：根据描述生成/编辑图片
- generalInput: 通用对话

路由用 structured output (z.enum) 而非自由文本。

4.5 模型策略

模式	路由模型	Agent 模型	工具过滤
flash	gpt-5.4 (temp=0, maxTokens=50)	gpt-5.4 (temp=0.2, maxTokens=2048)	排除 web_search
pro	同上	gpt-5.4 (temp=0.3, maxTokens=8192)	排除 google_search
auto	同上	gpt-5.4 (temp=0.3, maxTokens=4096)	全部

---

五、前端 UI 方案（前端 Agent 方案）

5.1 新增 Gen-UI 卡片

组件名	Props	场景
chart-result	title, chart_type, data[], x_key, y_keys, colors, unit	数据分析图表
canvas-doc	doc_id, title, content, language, type	触发 Canvas 侧面板
file-preview	filename, file_type, size_kb, summary, row_count, preview_url	文件解析结果

5.2 新增核心组件

组件	功能
MessageBubble.tsx	AI 消息 Markdown 渲染 + 代码高亮 + LaTeX（最高优先级）
CanvasPanel.tsx	右侧文档/代码编辑侧面板 (w-[480px])
FileUploadZone.tsx	拖拽上传 + 进度条 + 附件展示
ThemeToggle.tsx	暗色/亮色/系统主题切换
ToolStatusIndicator.tsx	工具执行动态指示器

5.3 侧边栏增强

• 搜索框（过滤对话）
• 日期分组（今天/昨天/本周/更早）
• 移动端折叠（汉堡菜单 + 滑入动画）

5.4 响应式布局

断点	布局
< 768px	侧边栏隐藏，Canvas 从底部弹出
768px	侧边栏 w-56，折叠模式
1024px	侧边栏 w-64，Canvas w-[480px]
1280px+	消息区域 max-w-4xl

---

六、Docker 部署方案（部署 Agent 方案）

6.1 设计原则

基础设施用 Azure 云服务，本地 Docker 只运行应用：

• PostgreSQL → Azure (dataope.postgres.database.azure.com)
• Redis → Azure (oper.redis.cache.windows.net:6380)
• Blob Storage → Azure (authdatablol)
• Service Bus → Azure (databus.servicebus.windows.net)
• LangGraph Server + Frontend → 本地 Docker

6.2 一键启动

cd /Users/gongzhiyong/go/SOC
make setup    # 创建 .env（已预填 Azure 服务凭据）
make dev      # 开发模式（热重载）
make prod     # 生产模式

6.3 服务矩阵

服务	位置	端口	用途
langgraph	本地 Docker	2024	LangGraph Server
frontend	本地 Docker	5173(dev)/3000(prod)	前端
PostgreSQL	Azure 云	5432	checkpointer + 数据
Redis	Azure 云	6380 (SSL)	缓存
Blob Storage	Azure 云	—	文件存储
Service Bus	Azure 云	—	异步任务

6.4 开发模式特性

• 后端：src/ 目录挂载到容器，langgraphjs dev 自动监听变更
• 前端：src/ + index.html + vite.config.ts 挂载，Vite HMR 即时生效
• 无本地数据卷，所有持久化在 Azure 云端

6.5 已创建的文件

• docker-compose.yml — 轻量版，只有 langgraph + frontend
• Dockerfile.dev / Dockerfile.prod — 后端
• Dockerfile.frontend.dev / Dockerfile.frontend.prod — 前端
• .env.docker.example — 已预填 Azure 云服务凭据
• Makefile — 便捷命令

---

七、实施路线图

Phase 0: 基础设施（1天）

• Docker Compose（postgres + redis + minio + nginx）
• PostgreSQL schema 初始化
• MinIO buckets 初始化
• 验证 make dev 一键启动

Phase 1: 核心升级（3天）

• ReAct 循环改造 — Enterprise Agent 从单轮改为多轮 tool-calling loop
• tool-loop 通用抽象 — 所有后续 Agent 复用
• MessageBubble — AI 消息 Markdown + 代码高亮渲染
• ThemeProvider — 暗色/亮色主题
• chart-result 卡片 — recharts 图表渲染

Phase 2: Agent 扩展（5天）

• Deep Search Agent — 从 Enterprise 剥离搜索，增加多步搜索
• Code Interpreter Agent — sandbox 复用 + 自动修正循环
• Writer Agent (Canvas) — 侧面板文档编辑 + 流式写入
• CanvasPanel 前端组件 — 右侧抽屉 + Markdown/Code 渲染

Phase 3: 高级功能（4天）

• Data Analyst Agent — CSV/Excel 分析 + pandas + 图表
• File Processor Agent — 文件上传 + PDF/图片解析
• FileUploadZone 前端组件 — 拖拽上传 + 预览
• Image Generator Agent — DALL-E / Replicate
• Memory Agent — 跨会话记忆

Phase 4: 体验打磨（2天）

• 侧边栏搜索 + 日期分组
• 移动端响应式布局
• ToolStatusIndicator 动态指示器
• 来源引用编号 [1][2]
• 自定义 GPTs UI（规划/占位）

总计约 15 个工作日

---

八、关键技术决策

决策	选择	原因
工具循环	自定义 tool-executor + ui.push	LangGraph ToolNode 不支持 typedUi.push()
文件存储	MinIO (S3 兼容)	本地 Docker 部署，未来可无缝迁移 Azure Blob S3 兼容层
路由模型	gpt-5.4 (temp=0, maxTokens=50)	中文语义准确率高，成本极低
Canvas 通信	CustomEvent	Gen-UI 卡片无法接收父组件回调，CustomEvent 是唯一跨边界方案
记忆系统	PostgreSQL + LLM extract	透明记忆，用户无需主动说"记住"，系统自动提取
sandbox 复用	会话级 Map + 30min TTL	避免每次创建/销毁的 10s+ 开销