基于Agent技术的毕设系统设计与实现：从架构到优化

1次阅读

没有评论

共计 2201 个字符，预计需要花费 6 分钟才能阅读完成。

传统毕业设计管理系统通常采用单体或微服务架构，面临几个典型问题：

高并发瓶颈 ：选导师、提交材料等高峰期集中，数据库锁竞争严重
流程僵化 ：审批链条固定，难以适应不同院系的个性化评审规则
扩展困难 ：新增业务模块需要重构整体架构，耦合度高

对比微服务架构，Agent 技术具备独特优势：

自主性 ：每个 Agent 可以独立决策（如自动分配评审专家）
反应式 ：通过事件驱动快速响应流程变化
社交能力 ：通过 ACL（Agent 通信语言）实现复杂协商

典型场景示例：当学生提交论文时，系统需要同时触发查重检测、格式校验、导师分配三个任务。传统方案需要编写复杂的状态机代码，而 Agent 可以通过消息广播自动协调各模块。

任务 Agent：负责分解业务流程
论文提交 → 拆解为格式校验、查重、存档子任务
评审 Agent：动态匹配导师研究方向
使用 TF-IDF 算法计算论文与导师的匹配度
协调 Agent：全局状态管理
监控各 Agent 负载，防止单点过载

# 使用 RabbitMQ 实现 ACL 消息传递
class MessageBroker:
    def __init__(self):
        self.connection = pika.BlockingConnection()
        self.channel = self.connection.channel()
        self.channel.exchange_declare(exchange='agent_comm', 
                                 type='topic')

    def send(self, recipient, performative, content):
        """
        recipient: 目标 AgentID
        performative: REQUEST/INFORM 等 FIPA 标准动作
        content: JSON 格式消息体
        """
        self.channel.basic_publish(
            exchange='agent_comm',
            routing_key=recipient,
            body=json.dumps({
                'sender': self.agent_id,
                'performative': performative,
                'content': content
            })
        )

本地状态 ：每个 Agent 维护自身业务状态（如评审进度）
全局状态 ：通过协调 Agent 的 Paxos 算法达成共识
持久化 ：关键状态变更写入 Event Sourcing 日志

class BaseAgent(threading.Thread):
    def __init__(self, agent_id):
        super().__init__()
        self.agent_id = agent_id
        self.beliefs = {}  # 信念集合
        self.desires = []  # 目标队列
        self.plans = []    # 计划库

    def run(self):
        while True:
            msg = self._receive_message()
            if msg:
                self._process_message(msg)

            current_desire = self._select_desire()
            if current_desire:
                plan = self._find_plan(current_desire)
                self._execute_plan(plan)

    def _process_message(self, msg):
        """实现 BDI 模型的消息处理"""
        if msg['performative'] == 'REQUEST':
            new_desire = self._create_desire(msg)
            self.desires.append(new_desire)

def allocate_reviewer(paper_topic, teacher_agents):
    """基于主题相似度的导师分配"""
    # 使用预训练的 Word2Vec 模型
    paper_vec = model.encode(paper_topic)

    scores = []
    for agent in teacher_agents:
        expert_vec = model.encode(agent.expertise)
        similarity = cosine_similarity(paper_vec, expert_vec)
        scores.append((agent, similarity))

    # 选择相似度最高的 3 位导师
    return sorted(scores, key=lambda x: x[1], reverse=True)[:3]