基于Agent技术的毕设系统架构设计与实现：从需求分析到生产部署

1次阅读

没有评论

共计 2271 个字符，预计需要花费 6 分钟才能阅读完成。

高校毕业设计管理系统通常面临几个典型问题：

需求变更频繁 ：评审规则、流程节点每年都可能调整，传统 CRUD 架构需要大量数据库表结构变更
高并发压力 ：集中开题 / 答辩时段系统负载激增，单体架构容易出现响应延迟甚至服务崩溃
状态管理复杂 ：毕设流程涉及选题、开题、中期、答辩等多个阶段，if-else 分支代码难以维护

以某高校实际数据为例，在答辩高峰期：

单体架构系统平均响应时间从 200ms 劣化到 1.8s
MySQL 数据库 CPU 持续保持在 90% 以上
需要人工介入处理的状态异常占比达 15%

对比传统架构，Agent 技术方案在以下维度表现更优：

指标	单体架构	Agent 架构
吞吐量 (QPS)	1200	3500
平均响应时间	450ms	180ms
扩容时间	30 分钟	5 分钟
流程变更成本	高 (需停服)	低 (热更新)

关键差异点在于：

去中心化 ：每个流程节点由独立 Agent 处理，避免单点瓶颈
事件驱动 ：通过消息队列实现松耦合，系统各部分可独立伸缩
自治性 ：Agent 内置状态机，可自主处理异常情况

将毕设生命周期建模为有限状态机 (Finite State Machine)：

/**
 * 毕设状态枚举（符合 Google Java Style 规范）*/
public enum ThesisState {TOPIC_SELECTED(0),  // 选题完成
  PROPOSAL_PASS(1),   // 开题通过
  MIDTERM_REVIEW(2),  // 中期检查
  DEFENSE_READY(3),   // 答辩准备
  FINAL_PASS(4);      // 最终通过

  private final int code;

  ThesisState(int code) {this.code = code;}
}

每个状态对应一个 Agent，通过状态转换事件触发业务流程：

学生提交选题请求
TopicAgent 检查导师可用名额
通过后触发状态变更事件
事件总线通知 ProposalAgent 准备开题流程

使用 Kafka 实现事件总线，关键设计点：

每个 Agent 订阅特定事件类型（如 topic.approved）
自定义分区策略确保同一毕设 ID 的事件有序处理
死信队列处理失败消息

@startuml
participant "Student Client" as client
participant "TopicAgent" as topic
participant "ProposalAgent" as proposal
participant "Kafka" as mq

client -> topic : POST /topic/select
topic -> mq : topic.submitted (key=thesisId)
mq -> proposal : topic.submitted
proposal -> mq : proposal.ready (key=thesisId)
mq -> topic : proposal.ready
@enduml

选题阶段的导师名额竞争问题，采用 Redisson 分布式锁：

/**
 * 处理选题请求（包含完整 JavaDoc）* @param thesisId 毕设 ID
 * @param teacherId 导师 ID
 * @return 操作结果
 */
public Result handleTopicSelect(Long thesisId, Long teacherId) {RLock lock = redissonClient.getLock("teacher_lock:" + teacherId);
  try {
    // 尝试加锁，等待 5 秒，锁有效期 30 秒
    if (lock.tryLock(5, 30, TimeUnit.SECONDS)) {int current = teacherMapper.selectCount(teacherId);
      if (current < MAX_GUIDE_NUM) {teacherMapper.insertRelation(teacherId, thesisId);
        return Result.success();}
    }
    return Result.fail("导师名额已满");
  } finally {lock.unlock();
  }
}

采用预加载策略：

系统启动时加载最近 7 天活跃的 Agent
按历史流量比例预热线程池
使用 Guava Cache 缓存基础数据

关键措施：

消息体包含唯一事件 ID
处理前校验 Redis 中的执行记录
数据库操作使用乐观锁

// 幂等处理示例
public void handleProposalEvent(Event event) {String key = "event_processed:" + event.getId();
  if (redisTemplate.opsForValue().setIfAbsent(key, "1", 24, HOURS)) {// 实际业务处理}
}

避免过度细分的经验法则：