Appearance
🏗️ 技术架构
设计思路
AnyCloud 的架构设计基于一个核心理念：让用户只需提出需求和限定条件，AI直接交付结果，而非给出中间过程。
为了实现这一目标，我们需要解决以下关键问题：
为什么需要这样的架构设计？
传统AI助手的局限性
- 传统对话式AI只能提供建议，无法直接执行任务
- 用户需要大量的试错和调试，学习成本高
- 无法处理复杂的多步骤工作流
现有Agent方案的不足
- FC和MCP Agent具有行为不确定性，难以复用
- 传统工作流Agent过于死板，需要用户对岗位非常熟悉
- 缺乏统一的记忆和学习机制
小微企业的特殊需求
- 对技术门槛敏感，需要开箱即用的解决方案
- 预算有限，更适合按结果付费模式
- 需要逐步替代岗位功能，而非一次性颠覆
基于这些问题，我们设计了三大核心模块的架构，确保系统既具备强大的执行能力，又保持安全可控，同时能够持续学习优化。
三大核心模块
执行模块 - 智能任务执行引擎
执行模块是整个系统的核心，负责理解用户需求并自动化执行任务。
Agent构造者
核心职责：智能Agent的自动化构建与优化
- 根据用户需求和历史记录，自动构建专业执行Agent
- 设计对应的工作流和工具链
- 基于用户反馈和执行结果，持续优化Agent性能
- 相比传统对话式交互，从架构层面解决执行效率问题
执行单元
核心职责：具体任务的执行和管理
执行Agent
- 负责执行具体的工作流或工具调用
- 对于简单问题，直接使用FC和MCP解决
- 对于复杂问题，引导用户使用Agent构造者进行工作流编排
全自动化工作流
- 解决传统FC/MCP Agent行为不确定性问题
- 提供可复用的工作流模板
- 支持沙盒环境中的安全执行
- 自动保存优秀的任务执行步骤为记忆
非限定性工具
- 基于MCP Server生态的统一工具管理
- 信息中心集成（Context7+Playwright+Firecrawl）
- 支持Docker、脚本、二进制三种工具类型
- 提供工具的发现、部署和执行能力
环境模块 - 安全执行环境
核心职责：为所有执行提供安全、隔离、可管理的运行环境
沙盒环境
- 安全隔离：基于Docker容器的完全隔离
- 资源管理：CPU、内存、存储的动态分配和监控
- 快照检查点：支持任务的暂停、恢复和回滚
- 环境配置：灵活的镜像、环境变量和网络配置
安全策略
- 访问控制：细粒度的权限管理
- 资源限制：防止资源滥用和系统影响
- 审计日志：完整的操作记录和追踪
记忆模块 - 智能学习系统
核心职责：系统的学习、记忆和个性化能力
Agent使用记录
- 创建记录：Agent构造过程的完整记录
- 执行记录：高度详细的任务执行日志
- 优化记录：基于反馈的持续改进过程
- 交互记录：用户prompt和系统响应的完整历史
项目记忆
- 目标导向：项目目标作为执行Agent的第一性准则
- 约束管理：技术栈、并发、容灾等企业级要求
- 配置管理：Agent设定、工作流和工具的版本化管理
主记忆
- 用户认知：理解用户的身份、知识背景和交流偏好
- 个性化服务：基于用户风格的定制化响应
- 知识累积：持续学习和知识图谱更新
架构优势
1. 端到端自动化
从需求分析到结果交付的全流程自动化，用户无需关心中间过程。
2. 安全可控
沙盒环境确保所有执行的安全性，检查点系统支持任务的精确控制。
3. 持续学习
分层记忆系统确保系统能够从每次交互中学习，不断提升服务质量。
4. 灵活扩展
模块化设计支持功能的独立升级和横向扩展。
用户使用流程
宗旨：让用户只需提出需求和限定条件，AI直接交付结果，而非给出中间过程。
1. 需求分析
用户提出需求，Agent构造者做可行性分析。如果可行，指出需要的源信息和限定条件(如知识库、设计规范等文档，以及资源限制等基本配置)。如果不可行，那么给出详细理由。
2. 系统构建
用户提供信息，Agent构造者根据给定的信息，撰写项目记忆(用户目标、约束条件)，创建知识库，创建运行沙盒，从工具库和互联网搜索所需工具并部署，创建工作流，创建执行Agent。整个流程中，用户可随时中止任务，并修改流程中任何步骤的参数或信息。
3. 任务确认
执行Agent向用户确认任务信息(任务目标、任务约束条件、任务执行时间、任务报告形式)，用户修改并提交。
4. 任务执行
Agent执行任务，每一步做检查点保存，最终提交结果。
5. 结果优化
用户查看结果，可手动调节任务或自动优化：
- 手动调节任务：用户手动选择任务点，进行流程修改，随后可读取之前的检查点继续任务。
- 自动优化：根据用户反馈，结合记忆板块，Agent构造者自动调整执行Agent、工作流和工具，并可读取之前的任务记录中的检查点直接继续任务。
项目框架
执行模块界面
1. Agent构造者中心
- 智能对话界面：用户需求分析和Agent构建引导
- 构建历史：Agent创建记录和优化过程追踪
- 可行性分析：自动评估任务可行性并提供建议
2. 执行单元管理
- 执行Agent库：展示所有Agent基本信息和资源占用
- 工作流管理：公共/私有工作流的创建、编辑和共享
- 工具库管理：统一的工具发现、部署和权限管理
- 任务控制台：实时监控任务进程、支持暂停/恢复操作
3. 任务结果中心
- 结果展示：不同执行Agent的任务输出和报告
- 成功率统计：任务执行效果和成功率分析
- 结果验证：基于生成对抗网络的结果质量评估
环境模块界面
4. 沙盒环境管理
- 环境实例：Docker容器的创建、启动、停止、删除
- 资源监控：实时CPU、内存、存储使用情况
- 检查点系统：任务快照的创建、管理和恢复
- 安全配置：访问控制、资源限制、隔离策略设置
记忆模块界面
5. 智能记忆系统
- 学习记录：Agent使用记录和持续优化过程
- 项目记忆：目标管理、约束条件和配置版本控制
- 用户画像：个性化认知和风格偏好管理
- 知识图谱：累积的领域知识和最佳实践
架构图表
mermaid
graph TB
subgraph "执行模块 - 智能任务执行引擎"
subgraph "Agent构造者"
AB[Agent Builder]
desc1["智能Agent构建与优化"]
end
subgraph "执行单元"
EA[执行Agent]
WF[全自动化工作流]
TOOLS[非限定性工具]
desc2["任务执行和管理"]
end
end
subgraph "环境模块 - 安全执行环境"
SANDBOX[Docker沙盒环境]
SECURITY[安全策略管理]
desc3["安全隔离、资源管理、检查点系统"]
end
subgraph "记忆模块 - 智能学习系统"
AGENT_MEM[Agent使用记录]
PROJECT_MEM[项目记忆]
USER_MEM[主记忆]
desc4["持续学习、个性化服务、知识累积"]
end
AB --> EA
AB --> WF
AB --> TOOLS
EA --> SANDBOX
WF --> SANDBOX
TOOLS --> SANDBOX
AB -.-> AGENT_MEM
EA -.-> AGENT_MEM
WF -.-> PROJECT_MEM
AB -.-> USER_MEM
AGENT_MEM -.-> AB
PROJECT_MEM -.-> AB
USER_MEM -.-> AB技术栈
前端技术栈
- Vue 3 + TypeScript + Vite - 现代化前端框架
- Ant Design Vue 4.x + Ant Design X Vue - 专业UI组件库
- TailwindCSS - 响应式设计系统
- Pinia - 现代状态管理
后端技术栈
- NestJS + TypeScript - 企业级后端框架
- LangChain.js + OpenAI - AI功能核心
- MySQL + TypeORM - 数据持久化
- Docker + Docker Compose - 容器化部署
核心技术协议
MCP (Model Context Protocol)
统一的工具协议标准，支持：
- 标准工具接口 - 统一的工具调用规范
- 类型安全 - TypeScript类型定义
- 权限管理 - 细粒度的工具访问控制
A2A (Agent-to-Agent) 通信
智能Agent间的通信协议：
- 消息格式标准化 - 统一的消息结构
- 状态同步 - Agent状态的实时同步
- 错误处理 - 标准化的错误传播机制
核心特性
分层记忆结构
- 智能上下文管理 - 自动维护对话上下文
- 个性化服务 - 基于用户历史的个性化推荐
- 知识累积 - 持续学习和知识更新
安全性设计
- 完全隔离 - Docker容器级别的安全隔离
- 权限控制 - 细粒度的权限管理系统
- 审计日志 - 完整的操作审计追踪
可扩展性
- 水平扩展 - 支持多实例部署
- 负载均衡 - 智能任务分配
- 高可用 - 故障转移和恢复机制