# 团队介绍
**Repository Path**: agent-dev-team/team-intro
## Basic Information
- **Project Name**: 团队介绍
- **Description**: Agent开发团队官方仓库——汇总旗下5个AI智能体开源项目的定位与入口。
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No
## Statistics
- **Stars**: 0
- **Forks**: 0
- **Created**: 2026-07-30
- **Last Updated**: 2026-08-17
## Categories & Tags
**Categories**: Uncategorized
**Tags**: None
## README
# Agent开发团队
> **让 AI 从「思考」走向「行动」** — 构建开源、开放、可落地的智能体基础设施
## 一、组织介绍
**Agent 开发团队** 是一个聚焦于 **AI Agent（智能体）** 技术研究与工程实践的开源开发者组织。团队成员涵盖全栈开发、算法研究、产品设计等多个领域，致力于将复杂的大模型能力转化为可编排、可扩展、可落地的智能体应用。
我们相信，未来的数字世界将由无数个智能体协同工作而成。从代码助手到数据分析，从自动化办公到垂直行业解决方案，Agent 将成为连接人与算力的核心桥梁。我们希望通过开源的力量，与全球开发者共建繁荣的 AI Agent 生态。
目前，团队已发布三个面向不同场景的开源项目，覆盖 **舆情分析系统**、**个人电脑 GUI 操作 Agent 与多智能体协作** 以及 **RAG 知识库** 等方向。
## 二、核心探索方向
| 方向 | 描述 | 技术栈 |
|------|------|--------|
| 舆情分析与模型微调 | 亲手把通用中文 BERT 微调成领域舆情分类器，并用严格隔离的测试集量化微调前后的准确度差异 | transformers / torch / datasets |
| 个人电脑 GUI 操作 Agent | 基于 ReAct 范式，以「身份（角色）」为核心理念，融合浏览器 / Windows / 微信自动化与多智能体协作 | Python / TypeScript / Playwright / FastMCP |
| RAG 知识库与检索增强 | 本地部署的 RAG 系统，全流程可控可观测，FAISS + BM25 混合检索、多分块策略、重排序与 Token 计量 | FastAPI / Vue 3 / Electron / FAISS / BM25 |
## 三、技术栈
## 四、项目组合
```mermaid
graph TD
A[Agent 开发团队] --> B[sentiment-analysis-system
舆情分析系统]
A --> C[nova-agent
Nova智能体平台]
A --> D[sonar-kb
检索增强知识库]
```
## 五、核心项目
### 5.1 sentiment-analysis-system 舆情分析系统
> 一个独立的舆情分析系统，从 HuggingFace 实战中抽离「舆情分析 + 模型微调」主线。亲手把通用中文 BERT 微调成领域舆情分类器，并用一份 1000 条纯留出测试集量化「微调前 / 微调后」的准确度差异。
**核心特性：**
- **亲手微调**：基于 `bert-base-chinese` 做二分类微调（0=消极 / 1=积极），用 `transformers.Trainer` + `DataCollatorWithPadding` 训练而非用 Prompt 让大模型临时判断
- **训练 / 测试严格隔离**：`train_set.json` 2000 条用于微调，`test_set.json` 1000 条纯留出用于评估，零重叠杜绝数据泄漏
- **严谨评估**：`evaluate.py` 输出整体准确率、各类别精确率 / 召回率 / F1、宏平均，评估口径统一可追溯
- **微调前后对比**：`compare.py` 直观验证微调带来的准确度提升（实测约 +46% 准确率、+47% 宏平均 F1），是本项目评估环节的重点
- **uv 项目模式**：依赖锁定，`uv sync` 一键复现训练与评估环境
🔗 项目地址：[https://gitee.com/agent-dev-team/sentiment-analysis-system](https://gitee.com/agent-dev-team/sentiment-analysis-system)
### 5.2 nova-agent Nova智能体平台
> 基于 ReAct 范式的个人电脑 GUI 操作 Agent。核心理念是「以人为本」：以人物角色（身份）为拆分维度，每个身份 = 人设 + 模型绑定 + 专属工具，由 Windows 自动化、微信自动化、浏览器自动化等工具按需持有；并提供多执行模式、四层记忆、MCP 协议与量化评测。
**核心特性：**
- **身份即成员**：数据驱动的身份注册表（`config/identities.yml`），人设 + 模型绑定 + 专属工具，新增角色零代码扩展
- **多执行模式**：`auto`（自动路由）/ `single`（单身份）/ `orchestration`（DAG 编排）/ `supervisor`（DAG 并发）/ `groupchat`（群聊协作）
- **GUI 操作**：浏览器三层递进元素定位（`browser_use`）+ Windows UIA 桌面控制（`windows_use`）+ 微信客户端自动化（`wechat_use`）
- **多 Agent 协作**：协作身份作为 `IdentityAgent` 节点，由 `DagFlow` / `GroupChatFlow` 编排协作
- **MCP 协议**：所有 Agent 通用能力，支持 stdio / sse / streamableHttp，首次思考时异步连接并动态加载远程工具
- **四层记忆架构**：原始消息 + 会话级压缩摘要 + 全局跨会话记忆 + RAG 向量记忆（语义召回替代完整历史落盘）
- **量化评测**：`eval_report.py` 零侵入扫描 workspace 产出 HTML 报告与四大量化指标
- **双入口**：WebUI（内部全模式覆盖）+ MCP server（对外 AI IDE 远程调用）
🔗 项目地址：[https://gitee.com/agent-dev-team/nova-agent](https://gitee.com/agent-dev-team/nova-agent)
### 5.3 sonar-kb 检索增强知识库
> 本地部署的 RAG 知识库系统，强调全流程可控、可观测。支持 PDF / Markdown / Word / TXT，提供 FAISS + BM25 混合检索、多分块策略、重排序与可计量 Token 消耗。每一个 RAG 步骤都清晰可见、精确可控。
**核心特性：**
- **RAG 九环节可视化、每步可配置**：文件解析 → 文本分块 → 向量化 → 索引构建 → 查询改写 → 混合检索 → 重排序 → 推理生成
- **4 种分块策略**：`auto` / `hierarchical` / `sliding_window` / `llm_semantic`
- **双引擎混合检索**：FAISS + BM25，权重可调（`weighted` / `rrf` 倒数排名融合），Top-K 可调
- **重排序**：LLM 重排 / 本地 `BAAI/bge-reranker-base` 模型重排（可 GPU）
- **查询改写**：指代消解、省略补全、追问衔接（已切本地 Qwen3-0.6B 零费用）；可选 HyDE 假设文档嵌入
- **扁平模型池 + `model_type` 8 枚举 + 轮询容错**；支持阿里云百炼 / OpenAI / DeepSeek / 自定义协议
- **多模态**：视觉理解（`qwen-vl-plus`）、图片描述生成（`image_to_description`）
- **本地模型零费用**：`llama-cpp-python` 加载 Qwen3-0.6B GGUF，缺失自动从 ModelScope 下载
- **Token 可观测**：`cost_usage` 目录记录消耗
- **前后端完全分离**：Vue 3 + `electron-vite` 桌面客户端 + FastAPI 后端，HTTP + SSE 通信
**RAG 流程：**
| 步骤 | 说明 | 可配置项 |
|------|------|----------|
| 文件解析 | 智能识别文本、表格、图片等内容块 | pdfplumber / python-docx / Pillow |
| 文本分块 | 4 种分块策略可选 | 策略、块大小、重叠字数 |
| 混合检索 | FAISS 向量检索 + BM25 关键词检索 | 检索模式、权重、Top-K |
| 重排序 | LLM 或本地模型重排 | 重排模式、模型选择 |
| 推理生成 | LLM 基于检索结果生成最终答案 | 温度、Top-P、最大 Token |
🔗 项目地址：[https://gitee.com/agent-dev-team/sonar-kb](https://gitee.com/agent-dev-team/sonar-kb)
## 六、项目对比总览
| 维度 | sentiment-analysis-system | nova-agent | sonar-kb |
|------|-------------------------|-----------|--------|
| **核心定位** | 舆情分析系统 | 个人电脑 GUI 操作 Agent | RAG 知识库 |
| **技术底座** | transformers / torch / datasets | ReAct + 身份体系 + FastAPI/Electron | FastAPI + Vue 3 + Electron |
| **模型/训练方案** | bert-base-chinese 微调 | 扁平模型池 + 轮询容错 | 扁平模型池 + model_type 枚举 |
| **可观测性** | 准确率 / F1 量化报告 | eval_report HTML 报告 | 前端面板 + Token 计量（cost_usage） |
| **交互方式** | 命令行 / Python 调用 | WebUI / MCP Server | 桌面客户端 |
| **最大特色** | 微调前后量化对比 | 身份即成员 + 多 GUI 自动化 | RAG 全流程可视化可控 |
## 七、核心成员
| 头像 | 用户名 | 角色 | 技术方向 | 简历 |
|------|--------|------|----------|------|
| 
| **three.ts** (yywd573) | 创始人 & 主程 | Java / C / C++ / Python / JavaScript / TypeScript | [Gitee @yywd573](https://gitee.com/yywd573) |
> 欢迎更多热爱 AI Agent 的开发者加入我们！
## 八、谁在使用
目前，我们的开源项目与底层工具正在被以下群体广泛探索与使用：
- 独立 AI 开发者与极客玩家
- 探索大模型前沿应用的高校 AI 实验室
- 寻求业务智能化转型的初创科技企业
## 九、如何加入
我们正处于从零到一的起步阶段，诚邀对 AI 充满热情、具备开源精神的开发者、研究员和产品经理加入，成为我们的「创始共建者」！
### 9.1 申请方式
请通过 Gitee 私信或邮件联系组织管理员 **@yywd573**，并提供以下信息：
1. 个人简介及擅长领域（如 LLM 微调、后端开发、前端交互、Prompt 工程等）
2. Gitee / GitHub 主页链接或过往技术博客
3. 对 AI Agent 方向的思考，或最想参与的开源项目方向
## 十、愿景与价值观
- **开源精神**：代码开放、思想开放、协作开放
- **极客文化**：鼓励探索、拥抱前沿、尊重工程美学
- **落地导向**：不空谈概念，用代码说话，用产品验证
- **长期主义**：构建可持续演进的技术生态
## 十一、联系与交流
- **Gitee 组织主页**：[Agent 开发团队](https://gitee.com/agent-dev-team)
- **核心维护者**：[three.ts (@yywd573)](https://gitee.com/yywd573)
- **Issues / Discussion**：欢迎在各仓库的 Issues 区进行技术交流
> 如果您觉得我们的项目对您有帮助，欢迎 Star & Fork！
>
> 开源不易，每一个 Star 都是我们持续前进的动力。