Duguay/Agent-n8n
1
0
Fork 0
Code Issues Pull Requests Actions Packages Projects Releases Wiki Activity
Files
36199371d444aa68511302f8f98e5774b6e7776a
Agent-n8n/.serena/memories/环保订单班终端模拟开发心得_202510.md
Yep_Q c579dae90a feat: 完成化工订单班图片处理和项目记忆重组 
详细说明:
- 化工订单班图片已标准化处理（8个图片，文件名与alt text完全一致）
- 完成环保、财经商贸订单班的图片重命名工作
- 重组项目记忆文件，按照功能模块编号（00-09）
- 删除旧的分散记忆文件，统一到新的编号体系
- 添加终端模拟文件：chemical.ts, environmental.ts, finance.ts
- 清理web_result冗余文件（food react-app等）
- 新增playwright截图记录和记忆文档
- 影响模块：订单班文档资料、项目记忆系统、终端模拟系统
2025-10-04 00:34:44 +08:00

6.2 KiB
Raw Blame History

环保订单班终端模拟开发心得

项目背景

环保订单班（environmental）是展示地表水环境质量考核断面水质采样监测项目的终端模拟。通过8位专业Agent的协作，展示从法规评估到项目执行的完整水质监测流程。

核心技术架构

文件位置: web_frontend/exhibition-demo/src/data/terminalSimulations/environmental.ts
注册位置: web_frontend/exhibition-demo/src/data/terminalSimulations/index.ts

Agent设计理念

8人专家团队架构

  1. 环境咨询师 - 法规解读与合规评估（GPT-4）
  2. 水质采样专家 - 采样方案设计与技术指导（Claude-3）
  3. 环保项目经理 - 项目统筹与进度管理（GPT-4）
  4. EHS工程师 - 安全评估与风险控制（GPT-3.5）
  5. 质量控制专家 - 质控体系与数据验证（Claude-3）
  6. 项目预算专家 - 成本核算与预算控制（GPT-4）
  7. 文案格式整理专员 - 报告编制与文档规范（GPT-3.5）
  8. 项目主管 - 决策审核与质量把关（GPT-4）

设计特点

  • 覆盖水质监测项目全生命周期
  • 每个Agent有明确的专业职责
  • 合理的AI模型配置（关键岗位用GPT-4）
  • 符合环保行业实际工作流程

内容结构设计

1. 项目启动序列（21行）

// 突出项目关键参数
{ type: 'info', content: '📍 监测地点：长江国考"长江大桥"断面' },
{ type: 'info', content: '📐 监测范围：主河道85m宽，3条采样垂线' },
{ type: 'info', content: '📊 监测指标：26项（理化、营养盐、重金属、有机物、生物）' },

2. Agent工作流程（8个阶段）

每个Agent输出包含：

  • 工作开始提示
  • 具体工作内容（带量化指标）
  • 相关图片展示
  • 工作完成确认
// 示例：水质采样专家
outputs: [
  { type: 'output', content: '断面布设方案:' },
  { type: 'output', content: '  • 对照断面：上游背景水质参考点' },
  { type: 'image', imageSrc: '/data/订单班文档资料/环保/notion文稿/image/长江采样布点图.jpg' },
  { type: 'success', content: '✓ 采样方案设计完成（3个断面×3条垂线×4个深度）' },
]

3. 项目完成总结（23行）

  • 项目成果总结（量化指标）
  • 交付物清单（5项文档）
  • 预期效果（3个目标）

图片使用策略

图片选择原则

  1. 技术性图片优先：长江采样布点图、垂线分布图、质量控制措施
  2. 工作照片辅助：现场采样操作工作照
  3. 法规截图支撑：中华人民共和国环境保护法截图
  4. 图标美化界面：数据审核与验证图标

图片分配逻辑

  • 环境咨询师 → 法规截图（建立权威性）
  • 水质采样专家 → 技术图纸（展示专业性）
  • EHS工程师 → 现场照片（强调实践性）
  • 质量控制专家 → 流程图（体现系统性）
  • 项目主管 → 审核图标（突出决策性）

数据量化展示

关键量化指标

监测范围：85m宽河道
采样点位：3断面×3垂线×4深度 = 36个采样点
监测指标：26项水质参数
监测频次：每月1次，全年12次
项目预算：193万元（优化后175万元）
成本优化：9.3%
数据准确率：≥98%
质控比例：平行样≥10%

技术标准引用

  • 《地表水环境质量标准》GB 3838-2002
  • 《地表水监测技术规范》HJ/T 91-2022
  • CMA认证标准

开发经验总结

1. 文档分析方法

# 分析markdown文档
1. 提取项目核心信息（项目名称、范围、指标）
2. 识别专业角色（从文档中的工作内容推导）
3. 匹配可用头像（检查agent头像文件夹）
4. 整理图片资源（已重命名为描述性中文名）

2. Agent数量决策

  • orderClasses.json显示6个，实际使用8个
  • 根据项目复杂度和专业性需求调整
  • 确保覆盖项目全生命周期

3. 输出内容设计

  • 使用行业专业术语
  • 提供量化指标和具体数据
  • 分层次展示信息（总-分结构）
  • 适时插入图片增强可视化

4. 时序控制建议

// 建议的显示节奏
启动序列：每行100-200ms
Agent输出：每组500-1000ms
图片加载：额外500ms暂停
完成序列：每行150ms

可复用模板

Agent定义模板

{
  id: 'role_identifier',
  name: '中文职位名',
  icon: '相关emoji',
  avatar: '/data/订单班文档资料/{order}/agent头像/{name}.jpg',
  model: 'GPT-4|Claude-3|GPT-3.5',
  role: '核心职责描述（8字以内）',
  status: 'waiting',
}

输出结构模板

{
  agent: () => agents[index],
  outputs: [
    { type: 'info', content: '{emoji} {角色}开始{动作}...' },
    { type: 'system', content: '' }, // 空行
    { type: 'output', content: '{工作内容标题}:' },
    { type: 'output', content: '  • {具体内容}' },
    { type: 'image', imageSrc: '{图片路径}', imageAlt: '{图片描述}' },
    { type: 'success', content: '✓ {完成确认}' },
  ]
}

注意事项

开发要点

  1. 确保图片路径正确：使用已重命名的中文描述性文件名
  2. 保持专业性：使用行业标准术语和规范
  3. 数据真实性：基于实际项目参数，不虚构数据
  4. 逻辑连贯性：Agent工作流程符合实际业务逻辑

常见问题

  1. Agent数量不匹配：orderClasses.json中的数量仅供参考，根据实际需求调整
  2. 图片无法显示：检查文件名是否与markdown中的alt text完全一致
  3. 中文乱码：确保文件编码为UTF-8

后续优化建议

  1. 增加交互性：可考虑添加用户选择分支
  2. 动态数据：接入实时环境监测数据
  3. 可视化增强：添加数据图表展示
  4. 多语言支持：准备英文版本内容
  5. 响应式优化：适配移动端显示

相关记忆文件

  • 02_终端模拟开发指南.md - 通用开发指南
  • 图片处理标准化流程和最佳实践_202510.md - 图片处理规范
  • 03_订单班配置清单.md - 订单班基础配置

更新记录

  • 2025-10-03：创建环保订单班终端模拟
  • 使用8个专业Agent展示水质监测完整流程
  • 集成8张处理后的专业图片
  • 注册到simulationMap供系统调用