# AgentLab **可视化 Agent 编排实验台**——在画布上定义工作流,运行时逐节点观察执行过程, 并对产出施加可验证的约束。 面向工业场景的**受限动态编排**:模板定义骨架,agent 只在被授权的关节处自由。 所有算术下沉到受控指标集,叙述层无权创造数字;正式运行钉死在不可变版本上, 每一次执行的完整证据落进内容寻址的工件库。 ![运行中的画布](docs/images/canvas-running.png) 研究助手模板执行中:已完成的节点标绿、执行中的节点高亮并显示进度, 右栏是同一份事件流驱动的实时时间线。 --- ## 目录 - [快速开始](#快速开始) · [核心能力](#核心能力) · [受限动态编排](#受限动态编排模板定骨架agent-填关节) - [工作流形态](#工作流形态) · [节点类型](#节点类型) · [架构](#架构) · [关键设计决策](#关键设计决策) - [运行环境](#运行环境) · [常见问题](#常见问题) · [开发与验证](#开发与验证) --- ## 快速开始 环境要求:conda([miniforge](https://conda-forge.org/miniforge/) 即可)、Node 20+、pnpm。 **无需 Docker**——代码沙箱基于操作系统自带的隔离原语,可选升级至 microVM。 ```bash conda env create -f environment.yml # 首次:创建 agentlab 环境并安装依赖 ./scripts/dev.sh # 之后:一条命令启动前后端 ``` `dev.sh` 自动定位 `agentlab` conda 环境;环境不存在时依 `environment.yml` 创建。 如需使用其他环境名,设置 `AGENTLAB_CONDA_ENV`。 服务启动于 http://localhost:5273 。 **无需配置 API Key 即可完整体验。** 内置 Mock provider 产出流式回复、工具调用与 符合 schema 的结构化数据,编排链路(画布高亮、审批中断、沙箱执行)会完整走一遍。 接入真实模型请在「设置 → 模型接入」配置。启动时若环境变量中存在 `ANTHROPIC_API_KEY` / `ANTHROPIC_AUTH_TOKEN` / `OPENAI_API_KEY`,将自动导入为 provider。 内置 8 个模板,从「最小问答」到「周报(口径卡 + 三档出具)」,既可直接运行, 也是各类节点用法的可执行文档。 --- ## 核心能力 | 领域 | 能力 | |---|---| | **可视化编排** | 16 种节点拖拽连线;运行时节点实时高亮、边上数据流动画、卡片内直接呈现流式 token | | **对话式取数** | 「问数据」页:自然语言提问,系统自行接入数据源、生成工作流、执行并给出结论;对话持久化、可分享链接 | | **多模型接入** | Anthropic / OpenAI / 任意 OpenAI 兼容服务(DeepSeek、Kimi、通义、智谱、硅基流动、Ollama 等)+ Mock | | **工具链** | 15 个内置工具 + 自定义工具(HTTP 模板 / 沙箱 Python)+ MCP server 接入 | | **代码沙箱** | 双档隔离:系统沙箱(Seatbelt / bubblewrap,冷启动约 25ms)或 microVM(独立 Linux 内核,内存限额真实生效) | | **人工介入** | 执行暂停并落盘,人工批准 / 驳回 / 改稿后从断点继续;进程重启不丢状态 | | **断点续跑** | 失败的运行可从失败节点继续,已完成的节点不重复执行;允许修改节点配置,但拓扑必须一致 | | **知识库** | 向量 + BM25 混合检索、倒排索引、可选模型重排;PDF / Word / PowerPoint / HTML / Markdown 解析;向量模型可接本地端点 | | **表格入库** | Excel / CSV 上传后转为可用 SQL 查询的表,自动生成 `db_query__` 工具——数字由 SQL 计算得出,而非模型读取 | | **长期记忆** | 跨运行的记忆读写与自动去重;Copilot 建图时主动记录应当记住的事实 | | **Skill 管理** | 将方法论抽象为可复用单元,挂载到节点上注入 system prompt | | **自然语言编排** | Copilot:一句话生成或改写整张图,自动排版与校验 | | **结构化成果** | JSON Schema 校验,不合格时将错误回传模型自动返工 | | **产出复核** | 运行结束后规则扫描事件流,发现异常才调用模型复核;复核可重组答案但**不得引入原答案中不存在的数字** | | **追踪与成本** | 全量事件落库可回放;逐节点耗时、token 用量、按目录价折算的成本 | | **三档出具** | 口径卡(受控指标集)+ 出具契约:叙述中每个数字回指指标集,formal / degraded / withheld 三档判定 | | **正式 / 探索分级** | 正式运行仅从已发布的不可变版本发起(按图哈希钉死);画布试跑自动标记为探索性 | --- ## 受限动态编排:模板定骨架,agent 填关节 工业场景中大多数任务的步骤是已知的(接单报价、周报、体检)。让模型每次现场重新规划, 既是在重复发明已知答案,也使结果不可复现——而不可复现即不可验收。 AgentLab 的引擎是**编译式**的:运行时模型无法修改图结构,其自由被结构性地限制在 agent 节点内部与 branch 决策之中。在此基础上划分三层: ```mermaid flowchart LR T["模板层 · 骨架固定

已发布的不可变版本
WorkflowVersion + 图哈希
governed 级须过治理 lint"] J["关节层 · 有边界的自由

agent 工具白名单
branch 语义分类
缺数据时降档"] E["探索层 · 不进正式归档

画布试跑 / 临时图 / 追问
跑通的路径提取为草稿"] T ==>|约束| J E -.人工审核后发布.-> T ``` - **模板层** 正式运行只认已发布的不可变版本。发布后修改画布不影响已发布版本。 governed 级发布须通过治理 lint:禁用 supervisor(全动态归属探索层)、方法卡必须钉版本、 agent 不得关闭全部审批、output 必须配置出具契约。 - **关节层** 授权范围内的自由。工具白名单衰减报表(`/api/governance/tool-usage`) 将「已授权但从未使用」的工具显性化,为收缩权限提供依据。 - **探索层** 结果自动标记为探索性,不进正式归档。跑通的路径经「提取模板」沉淀为草稿 (仅保留实际执行的节点,剪除未走的分支),人工审核后发布。探索问题聚类提示哪些追问 应当固化为模板中的一节。 ### 出具链路 模板⑧是完整示范。设计前提是**派生边界收死**:所有算术发生在口径卡节点内,叙述层只能引用。 ```mermaid flowchart LR A["取数
固定步骤"] --> B["口径卡
受控指标集"] B --> C["叙述
LLM"] C --> D["出具契约
数字回指校验"] D --> E1["formal"] D --> E2["degraded"] D --> E3["withheld"] A -.快照.-> S[("工件库
sha256 寻址")] B -.口径名 + 版本.-> S ``` ![出具链路模板](docs/images/graph-issuance.png) 校验器从叙述中抽取全部数字逐个回指指标集,支持千分位、百分数与比率互转、万/亿后缀、 按书写精度的舍入容差;日期、枚举序号、引用标记不参与回指。三档判定与缺数据声明随成果印出。 实测记录:Opus 5 撰写的正文数字全部回指成功,但结尾「(约 100 字)」中的 `100` 被判定为 集合外数字并触发降档。处置方式是修改 prompt 而非扩大白名单——这正是校验器应有的行为。 **口径升版是被迫处置事件。** 钉住的方法卡出现新版本时,正式运行将被拒绝启动, 直至模板显式声明升版策略:`recompute`(回算历史)/ `dual`(双印)/ `incomparable` (标注不可比)。此处无默认值——口径变更最容易静默翻车的形态是「数字看起来都对, 只是与上周不可比」。 每次运行的完整证据存于内容寻址的工件库(`data/artifacts/`,sha256 即地址,取回时复验哈希); 运行终态的事件清单哈希记录在 Run 上,事后修改流水将无法对齐。 --- ## 工作流形态 **人工介入与分支**——执行在 `human` 节点暂停并落盘,人工决策后沿对应出口继续: ![人工审批流程](docs/images/graph-human.png) **多 Agent 协作**——调度者按进展将任务分派给多个专家,属探索层能力,governed 级发布禁用: ![多 Agent 协作](docs/images/graph-supervisor.png) 节点间通过模板语法传递数据: ``` {{ input.question }} 入口输入 {{ vars.answer }} 某节点 assign_to 写入的变量 {{ nodes.n1.text }} 指定节点的输出 {{ vars.items | json }} 过滤器:json / compact / upper / length / first … ``` 连线即并行:单个节点连出多条边构成 fan-out,多条边汇入同一节点时自动等待汇聚。 --- ## 节点类型 | 分类 | 节点 | 说明 | |---|---|---| | 起止 | `input` `output` | 声明输入字段 / 收集结构化成果 | | 模型 | `llm` `agent` `supervisor` | 单次调用 / 带工具循环 / 多 agent 协作 | | 执行 | `tool` `code` | 直接调用工具 / 沙箱内执行代码 | | 控制 | `branch` `loop` `subgraph` | 条件或语义分支 / 遍历与条件循环 / 嵌套工作流 | | 上下文 | `memory` `retrieve` `transform` | 长期记忆读写 / 知识检索 / 数据整形 | | 把关 | `human` `validate` `metrics` | 人工介入 / Schema 校验与自动返工 / 口径卡 | --- ## 架构 ```mermaid flowchart TB subgraph FE["前端 · React 19 + React Flow + Zustand"] F1["画布编辑"] F2["问数据"] F3["运行追踪"] F4["decode.ts
事件 → 人类可读的唯一翻译层"] end subgraph BE["后端 · FastAPI + LangGraph"] B1["engine
编译 · 调度 · 中断恢复"] B2["providers
多模型接入与成本估算"] B3["tools
注册表 · MCP · 数据源"] B4["memory
记忆 · 知识库 · 混合检索"] B5["sandbox
microVM / Seatbelt / bubblewrap"] end subgraph ST["存储"] S1[("agentlab.db
业务数据")] S2[("checkpoints.db
执行断点")] S3[("artifacts/
内容寻址工件库")] end FE <-->|REST + WebSocket| BE B1 --> S1 & S2 & S3 ``` ``` backend/ FastAPI + LangGraph app/engine/ 画布 JSON → StateGraph 的编译与执行 schema.py 图定义与静态校验 compiler.py 编译:节点包装、事件、重试、条件路由 runner.py 执行调度、事件总线、中断与恢复 issuance.py 出具契约:数字回指与三档判定 review.py 产出复核:事件流规则扫描 + 模型复核 expressions.py 模板插值 + AST 白名单表达式求值 nodes/ 各类节点的执行器 app/data/ 数据源接入:连接、SQL 守卫、结构探查、表格导入 app/providers/ 多模型接入与成本估算 app/sandbox/ microVM / Seatbelt / bubblewrap / 裸子进程四后端 app/tools/ 工具注册表、内置工具、MCP、自定义工具 app/memory/ 记忆、知识库、倒排索引、混合检索、文档解析 app/api/ REST + WebSocket frontend/ React 19 + React Flow + Zustand src/canvas/nodeDefs.ts 节点元数据——属性面板、节点库、连接桩均由其驱动 src/run/decode.ts 事件流 → 人类可读步骤的唯一翻译层 src/store/studio.ts 画布状态 + 事件流到高亮的映射 environment.yml conda 环境定义 scripts/dev.sh 一键启动 scripts/check-*.mjs 三层前端验证脚本 ``` --- ## 关键设计决策 ### 选用 LangGraph 可视化编排的难点不在绘制节点与连线,而在暂停、恢复与回放。LangGraph 的 checkpointer 与 `interrupt()` 将这几件事做在了底层:人工介入是一次中断加一次 `Command(resume=...)`, 进程重启后仍可从断点继续;`aget_state_history()` 直接给出每一步的状态快照。 由此派生的第二项收益:**agent 内部的工具审批不重复计费**。`interrupt()` 会使整个节点重放, 朴素实现将重复执行此前的模型调用。agent 节点内的模型调用与工具执行均包裹在 LangGraph 的 `@task` 中,结果进入 checkpoint,重放时直接读取缓存。 ### 事件流是唯一的可视化数据源 节点通过 `get_stream_writer()` 发出事件,runner 转换为 `RunEvent` 落库并广播。 画布高亮、token 流、工具卡片、时间线全部由同一份事件驱动——刷新页面或中途接入 均可获得完整过程(WebSocket 先补历史再接实时)。 前端侧对应地只有一个翻译层 `run/decode.ts`:画布右栏、问数据页、运行详情页共用它。 分设多套的后果是同一次运行在三个页面讲出三个版本,而使用者无从判断哪个为真。 ### 沙箱:双档隔离,以及必须声明的缺口 轻量档使用操作系统自带的访问控制:macOS 的 Seatbelt(`sandbox-exec`)、Linux 的 bubblewrap, 冷启动约 25ms,无需额外安装。重量档为 microVM(libkrun + Hypervisor.framework), 启动带独立内核的虚拟机。 两档共同保证三项约束:**默认断网**、**家目录不可读**、**仅工作区可写**。Seatbelt 侧策略 由内核强制且对子进程继承——沙箱内 `subprocess` 启动的 `cat` 读取家目录同样返回 `Operation not permitted`;解释器刻意使用 `sys.base_prefix` 下的干净 Python 而非项目环境, 因此沙箱代码无法 import FastAPI、SQLAlchemy 及任何凭据处理相关模块。 **Seatbelt 的局限**:它提供访问控制而非虚拟化。进程表共享(可见宿主机进程列表); 代码以当前用户身份运行(不似容器会降权至 nobody);**macOS 不强制 `RLIMIT_AS`, 内存用量无法限制**(实测设定 256MB 仍可分配 900MB)。CPU 时间、单文件大小、 墙钟超时三项有效。 **microVM 补齐的正是内存这一项。** 本机实测:宿主为 Darwin 27.0.0,VM 内为 Linux 6.12.99 (libkrunfw 编译),PID 1 为 `init.krun`,`/Users` 在 VM 内不存在,`free` 仅显示 512MB。 申请 900MB 将被内核 OOM killer 终止而 VM 存活——`RLIMIT_AS` 在 macOS 上形同虚设的问题 在此不是被修复,而是结构上不存在。两台 VM 之间亦互不可见。 代价:运行时约 50MB,OCI 镜像**首次拉取实测 54.5 秒**;缓存后热启动 0.19 秒、 VM 内执行 7–30ms。成本集中在首次而非每次——因此 auto 模式在镜像未缓存时优先使用 Seatbelt, 避免一分钟的等待(显式指定 strict 不受此限)。 > **网络隔离不完整,此项须置于前列。** > `network=false` 时 HTTP/HTTPS 与域名解析均被切断,但 **UDP/53 无法拦截**——实测手写 > DNS 包仍可获得真实响应。`default_egress=DENY`、`Rule.deny_dns()`、显式 deny UDP、 > `max_connections=0` 均已尝试,UDP 通道始终无法封堵(`deny_dns` 生成的规则仅作用于宿主, > DNS 出口在 microsandbox 的网络栈中硬编码放行)。 > 即 **DNS 隧道外泄通道始终开放**。该隔离足以防范「代码意外联网安装依赖」, > 不足以防范「恶意代码窃取数据」。设置页据此将网络一项标注为「部分生效」的黄色而非绿色—— > 拦截了一半却显示为全绿,比显示为全红更危险。真正的外泄防护须在网络层实施。 ### 检索为何是混合的 默认 embedding 为本地特征哈希:不联网、不下载模型、零配置可用,但语义泛化能力弱。 BM25 补齐精确关键词匹配。两者各自归一化后加权,权重在界面上可调,命中结果分别显示 语义分与关键词分。 实测(24 文档 / 16 问题评测集,hit@1): | 配置 | hit@1 | 字面类 | 语义类 | |---|---|---|---| | 纯关键词(alpha=0) | 88% | 100% | 75% | | 纯向量(本地哈希,alpha=1) | 81% | 88% | 75% | | 混合 + Qwen3-Embedding-4B | 94% | 100% | 88% | | 上述配置叠加模型重排 | 100% | — | — | 值得注意的一项:纯向量(81%)低于纯关键词(88%),混合才达到 94%。专有名词依靠 BM25、 同义改写依靠向量,两者各担一半——混合检索在该语料上是必要的,而非装饰。 样本量为 16 题,单题即 6 个百分点,结论的方向可信而精度不可过度解读。 向量模型可接任意 OpenAI 兼容端点(LM Studio、Ollama、vLLM、TEI)。维度通过实际探测获得 而非按模型名推断——本地部署的模型维度各异(bge-m3 为 1024、Qwen3-Embedding-4B 为 2560), 推断错误的后果不是偏差,而是全部存量向量被判定为与当前 embedder 不匹配,检索整体退回关键词。 ### 表格数据必须成为表 Excel / CSV 若传入知识库,只能被切块检索,数字即成为模型从片段中「读取」的结果。 而本项目的基础约定是「所有算术下沉到 SQL 或口径卡」——产出复核层能拦截凭空出现的数字, 无法拦截「从一堆片段中读错了一格」。 因此表格上传后落为 SQLite 文件并注册为 `kind=sqlite` 的数据源,自动生成 `db_query__` 工具。列类型逐列推断(INTEGER / REAL / TEXT),空单元格存为 NULL—— 整数列若落为 TEXT,`ORDER BY` 将退化为字典序(`'10' < '9'`),且不产生任何报错。 ### 安全边界 - 分支条件使用 AST 白名单求值器而非 `eval` - HTTP 工具解析域名后逐 IP 检查,拦截内网、回环与云元数据地址,且不跟随重定向(逐跳重新校验) - 文件工具路径 `resolve()` 后必须仍位于工作区内 - SQL 守卫采用白名单动词判定 + 多语句拦截 + 结果集上限;`DROP` / `TRUNCATE` / `GRANT` 等 在可写数据源上亦一律拒绝 - API Key 经 Fernet 加密落库,仅向前端返回掩码 --- ## 运行环境 ### 沙箱后端选择 设置页「运行环境」列出全部候选及其可用性,并标注当前选中项。安装 microVM 依赖且镜像已缓存时 auto 选择 `microvm`;否则 macOS 使用 `seatbelt`、Linux 上安装 `bwrap` (`apt install bubblewrap`)后使用 `bubblewrap`;均不可用时降级至 `local`——**该路径不含任何 访问控制**,界面明确标红。可通过 `AGENTLAB_SANDBOX_BACKEND` 强制指定, 亦可在代码节点上单独选择隔离档位(strict = microVM,fast = 系统沙箱)。 ### 启用 microVM 三项准备,**均为一次性**——日常启动仍只需 `./scripts/dev.sh`: 1. Python 包:使用 `environment.yml` 创建环境时已包含(含 `[microvm]` extra) 2. 运行时(约 50MB,落于 `~/.microsandbox`):每台机器一次 3. OCI 镜像(实测约 55 秒):首次执行代码时自动拉取,每个镜像一次 仅第 2 项需手动执行: ```bash conda run -n agentlab python -c "import asyncio,microsandbox as m; asyncio.run(m.install())" ``` 三项均落于磁盘,重启机器或重开终端无需重来。设置页「运行环境」中 `microvm` 条目的 `warm` 为 true 即表示三项齐备,auto 将自动升级至 `microvm`。镜像可通过 `AGENTLAB_MICROVM_IMAGE` 更换,闲置 VM 回收时间由 `AGENTLAB_MICROVM_IDLE_SECONDS` 控制。 ### 可选依赖 ```bash pip install -e 'backend[docs]' # PDF / Word / PowerPoint / Excel 解析 pip install -e 'backend[db]' # MySQL / PostgreSQL / Oracle 驱动 pip install -e 'backend[microvm]' # microVM 沙箱 pip install -e 'backend[dev]' # pytest ``` ### 数据位置 全部位于 `data/`:`agentlab.db` 业务数据、`checkpoints.db` 执行断点、 `artifacts/` 工件库、`workspace/` 沙箱文件、`uploads/` 上传文件、`.secret_key` 加密密钥。 删除 `data/` 即恢复出厂设置。 --- ## 常见问题 **模型返回空内容。** Claude 4.6 之后的模型默认启用 thinking,`max_tokens` 过小会出现 「思考耗尽额度,正文为空」。将节点的 max_tokens 调大,或将思考模式设为关闭。 时间线中会给出相应提示。 **中转网关返回 401。** 部分网关仅接受 `Authorization: Bearer`,且额外携带 `x-api-key` 即会拒绝。在 provider 设置中勾选「用 Authorization: Bearer 认证」。 **数据源结构探查失败。** 探查失败与「尚未探查」是两种状态:前者点击按钮无法解决, 需先处理超时或更换 schema。数据源卡片会显示失败原因与该服务器上的可选库列表。 agent 侧同样会收到实情,并被告知可直接查询 `information_schema` 自行确认表结构。 **端口冲突。** 前端默认 5273、后端 8000,通过 `AGENTLAB_WEB_PORT` / `AGENTLAB_PORT` 修改。 --- ## 开发与验证 ```bash # 后端:271 个测试 cd backend && pytest tests # 前端类型检查 cd frontend && npx tsc -b # 三层前端验证(需先启动 ./scripts/dev.sh) node scripts/check-decode.mjs # 事件 → 步骤的翻译是否正确 node scripts/check-stream.mjs # 助手流组件渲染是否正确 node scripts/check-ui.mjs # 真浏览器端到端:URL 寻址、会话、运行详情 node scripts/e2e-check.mjs # 冒烟:打开画布 → 选模板 → 运行 → 观察高亮 ``` 三层前端验证的分工:`check-decode` 守「翻译对不对」,`check-stream` 守「画出来对不对」, `check-ui` 守「整条路走得通不通」。三者可各自通过而合起来是坏的——例如 Step 字段全部正确, 组件却将其渲染为一屏转义 JSON。 README 中的截图由一个空数据目录启动的临时实例产出,仅含内置模板与 Mock provider。