项目介绍

Agent Lab 是一个用 LangGraph 构建的智能体开发练习室。第一版实现阶段 1「需求澄清」：选择需求场景后，与需求方 Agent 访谈、记录并编辑笔记，再由总结 Agent 生成带来源证据的需求文档。阶段 3 提供技术方案设计的画布与评审；阶段 5「智能体开发」尚未实现。

主图在用户输入和人工审阅两处用 interrupt() 暂停，需求澄清和文档生成两个已编译的子图直接注册到主图，继承父图 checkpointer。练习会话、对话、笔记、文档版本和 LangGraph checkpoints 都保存在 data/practice.sqlite3。

快速使用

需要 Python 3.11+，脚本以 Windows PowerShell 形式给出；真实模型调用可选配置 DeepSeek API 密钥。

python -m venv .venv
.\.venv\Scripts\python.exe -m pip install -r requirements.txt
.\start.ps1

打开 http://127.0.0.1:4190，从客户服务、内部 IT 支持、设备售后排查、销售跟进 4 个场景中选一个。主动提问明确目标、范围、流程、数据、权限、验收与约束；用「记笔记」保存右侧笔记。至少完成一轮对话后生成文档，查看每个来源编号背后的证据快照，再选择「确认定稿」或「继续补充澄清」。导出的 Markdown 包含完整来源附录。

联网使用真实模型时，把 .env.example 复制为 .env 并填写 DEEPSEEK_API_KEY。未配置密钥仍可启动服务并使用离线演示：它按关键词匹配固定场景事实，只适合体验界面和流程，不代表自由对话能力。

模型配置

所有真实 Agent 统一使用 deepseek-flash，地址为 https://api.deepseek.com。进程环境变量 DEEPSEEK_API_KEY 优先于本项目 .env，每次请求重新读取，填写后刷新页面即可。密钥不会进入 LangGraph state、浏览器响应或会话数据库。模型超时为 120 秒且不自动重试；请求失败时保留用户问题和重试 ID，不伪造需求方回复。

使用约束

• 服务默认只监听本机，不提供多用户认证，不要直接暴露到公网；应按单进程启动，避免绕过会话级内存锁。
• 每次练习最多 50 轮对话、60 条笔记，不支持后台任务、流式输出和浏览器断开后的任务状态查询。
• 总结 Agent 只获得公开开场、实际对话和笔记，不获得隐藏场景设定；API 调用会把这些材料发送给服务商并产生费用。
• 定稿是人工复核动作，不代表真实业务方签字验收；来源 ID 校验只保证来源存在，不能证明内容与证据完全一致。
• 阶段 3 的评审建议不会自动改图，方案也不会执行真实业务工具。
• 仓库未声明许可证。

HotRepo 点评

这是一个小规模教学项目：2026-11-01 在 Python 新项目榜的记录中，它在约 24 小时窗口内新增 63 Star，暂无全语言日榜名次记录。值得关注的是它如实划定了范围：两个角色由练习者控制提问和生成时机，真正注册了编译后的 LangGraph 子图，并用 SQLite 持久化 checkpoints，而不只是 README 演示。它适合用来学习智能体工作流中的图中断、证据追溯和人工审批，不适合当作生产级多用户服务。

项目源码与说明