Files

HaHafeng 96290d2f76 feat(aia): Implement Protocol Agent MVP with reusable Agent framework

Sprint 1-3 Completed (Backend + Frontend):

Backend (Sprint 1-2):
- Implement 5-layer Agent framework (Query->Planner->Executor->Tools->Reflection)
- Create agent_schema with 6 tables (agent_definitions, stages, prompts, sessions, traces, reflexion_rules)
- Create protocol_schema with 2 tables (protocol_contexts, protocol_generations)
- Implement Protocol Agent core services (Orchestrator, ContextService, PromptBuilder)
- Integrate LLM service adapter (DeepSeek/Qwen/GPT-5/Claude)
- 6 API endpoints with full authentication
- 10/10 API tests passed

Frontend (Sprint 3):
- Add Protocol Agent entry in AgentHub (indigo theme card)
- Implement ProtocolAgentPage with 3-column layout
- Collapsible sidebar (Gemini style, 48px <-> 280px)
- StatePanel with 5 stage cards (scientific_question, pico, study_design, sample_size, endpoints)
- ChatArea with sync button and action cards integration
- 100% prototype design restoration (608 lines CSS)
- Detailed endpoints structure: baseline, exposure, outcomes, confounders

Features:
- 5-stage dialogue flow for research protocol design
- Conversation-driven interaction with sync-to-protocol button
- Real-time context state management
- One-click protocol generation button (UI ready, backend pending)

Database:
- agent_schema: 6 tables for reusable Agent framework
- protocol_schema: 2 tables for Protocol Agent
- Seed data: 1 agent + 5 stages + 9 prompts + 4 reflexion rules

Code Stats:
- Backend: 13 files, 4338 lines
- Frontend: 14 files, 2071 lines
- Total: 27 files, 6409 lines

Status: MVP core functionality completed, pending frontend-backend integration testing

Next: Sprint 4 - One-click protocol generation + Word export

2026-01-24 17:29:24 +08:00

5.7 KiB

Raw Blame History

Protocol Agent 降本增效开发指南：从 MVP 到最终形态

核心原则： "Think Big, Start Small" (大处着眼，小处着手)。
当前状态：感到 PRD 工作量过大，需要削减范围，聚焦核心价值。
目标：将 V3 架构拆解为可落地的 MVP，优先保证核心流程跑通，暂缓非关键特性的开发。

1. 心理减负：我们到底在做什么？

其实 Protocol Agent V3 的核心代码并没有 PRD 看起来那么吓人。剥去那些高大上的名词，它的本质其实很简单：

Orchestrator ≈ 一个 switch/case 语句，根据当前步骤加载不同的 Prompt。
Context ≈ 往数据库存一个 JSON 对象。
Action Card ≈ 给前端发一个特定格式的 JSON，让它渲染个按钮。
Backend CoT ≈ 把一大段 Prompt 拆成 3 段小 Prompt 拼起来。

结论： 技术本身不难（都是 CRUD 和字符串拼接），难的是逻辑梳理。只要逻辑理顺了，代码量其实可控。

2. 战术削减：MVP 阶段可以“砍”掉什么？(Phase 1 Scope)

为了在第一阶段快速上线并验证价值，建议暂时砍掉以下 50% 的非核心功能：

功能模块	PRD 定义 (V3)	MVP 策略 (Phase 1)	理由 (为什么砍掉？)
🧠 大脑 (Brain)	复杂的意图识别 Router	线性流转	用户只要完成 PICO，就自动跳到样本量。不需要 AI 猜意图，强制按顺序来。
💾 记忆 (Memory)	复杂的增量提取算法	全量覆盖	不要做复杂的 diff 提取。每次对话结束后，直接让 AI 提取一次 PICO 覆盖存入 DB 即可。
📚 知识 (Knowledge)	EKB V2 混合检索	Mock 数据 / 暂缓	第一版先用通用大模型的能力，暂不接自建知识库。或者仅接入最简单的关键词检索。
🛠️ 手脚 (Hands)	通用的 Action Card 协议	硬编码	不要写通用的 Deep Link 协议。直接硬编码：if (stage == 'SAMPLE') return { type: 'sample_card' }。
⚙️ 配置 (Ops)	可视化 SOP 编排后台	JSON 文件	不要开发 Admin UI。直接在代码里写一个 const SOP_CONFIG = [...] JSON 对象。
🛡️ 风控 (Reflexion)	复杂的规则引擎	Prompt 校验	不写代码规则。直接在 System Prompt 里加一句：“请检查样本量是否过小”。

MVP 核心交付物：

一个能聊天的界面。
右侧能显示 PICO 表格（数据存 DB）。
能弹出一个样本量计算器，算完能把数填回右侧表格。
(这就足够震撼了！)

3. 分阶段实施路线图 (Step-by-Step)

我们把原本宏大的 V3 计划，重新拆解为三个“舒适区”内的小目标。

✅ Phase 1: 核心链路打通 (2周)

目标： "跑通 Happy Path"。用户能进来，能聊，能算，能存。

数据库：建 ProtocolContext 表 (JSONB)。
后端：写一个简单的 Orchestrator，只支持 SCIENTIFIC_QUESTION -> PICO -> SAMPLE_SIZE 三个阶段的线性切换。
前端：
- 左侧聊天。
- 右侧面板（只读，显示 Context JSON）。
- 一个写死的“样本量计算”卡片。
验证：用户说完 PICO，右侧面板能变；点击卡片能算数；算完数右侧面板能更新。（这就够了！）

⏩ Phase 2: 配置化与逻辑增强 (2周)

目标： "把硬编码变成配置"。

配置化：把 Phase 1 里写死在代码里的 Prompt 和 SOP，提取到 prompt_templates 表中。
管理后台：做一个极其简陋的 Admin 页面（哪怕是纯文本框编辑 JSON），用来改 Prompt。
知识库接入：此时再把 EKB V2 接入进来，增强“选题评价”环节的专业度。

🚀 Phase 3: 平台化与反思 (2周)

目标： "更聪明，更通用"。

Reflexion：加上 reflexionGuard，开始对用户算出的结果指指点点（“你这个样本量太小了”）。
通用化：重构代码，提取 BaseOrchestrator，准备开发统计 Agent。

4. 给开发团队的具体建议 (Actionable Advice)

不要过度设计 (YAGNI)：
- 不要一开始就写 interface IAgent，不要写复杂的 AbstractFactory。
- 就写一个 ProtocolService.ts，里面的逻辑哪怕有点面条代码也没关系，先跑通。
利用现有资源：
- 前端：你们已经有了 Ant Design X，聊天界面和卡片组件几乎是现成的。
- 后端：你们已经有了 pg-boss，异步提取任务直接套用以前的代码。
- 工具：样本量计算器已经是现成的 Web 页面，只要加一行代码 window.parent.postMessage 就能和 Chat 通信（如果是 iframe 嵌入）或通过 URL 回调。
关于“力不从心”：
- 这种感觉通常来自于**“不确定性”**。
- 解决办法：把 PRD 里的所有“待定”、“可能”、“未来支持”全部划掉。只做确定的、具体的、最简单的功能。

5. 总结

您不需要现在就造出完美的 AIA-OS。

现在的任务只是：
用 Postgres 存一个 JSON，让 LLM 根据这个 JSON 说话，再让一个网页计算器改一下这个 JSON。
仅此而已。把这个做出来，就是巨大的成功。其他的（可视化编排、混合检索、多Agent协同）都是在这个核心循环跑通之后，自然生长出来的枝叶。

建议： 拿着这份“减负版”计划，跟团队说：“我们先不看那份几十页的 PRD 了，我们先花两周时间，把这三个核心功能（聊天、状态同步、工具调用）做出来。”

5.7 KiB Raw Blame History Unescape Escape