Blizzard
21e5f6620d
确保 git clone 后零配置(除 LLM key)即可跑通后端链路。 - go.work: 移出 sundynix-desktop(Wails，//go:embed frontend/dist 需先 npm build， 且 main 为桩)，避免污染后端工作区构建；保留后端 4 模块 - mcp-py pyproject: 注释未 import 的 mcp/docker 重依赖(对应功能仍为桩)， fresh pip install 只装实际用到的 nats-py + docx/openpyxl/pypdf，更快更稳 - README: 完整环境改为 fresh-clone 零配置运行指引(infra→4后端→2前端→控制台配模型) - 审查结论: 无硬编码绝对路径; 各服务 env 默认全对齐 docker-compose; go.sum/ package-lock 齐全; /tmp clone 实测: 4 后端模块 go build ✓、admin npm ci+build ✓、 mcp-py 全新 venv 安装+导入 ✓; e2e PASS Co-Authored-By: Claude Opus 4.8 <noreply@anthropic.com>
sundynix-agentix
分层式 AI Agent 平台 — Monolith First → Microservices (Morph B)。 架构总览见 architecture.md / architecture.png。
仓库结构（Monorepo）
| 目录 | 层 | 语言 / 技术栈 | 职责 |
|---|---|---|---|
sundynix-desktop/ |
1 · Client | Wails + React 19 + TS + shadcn/ui | 桌面端、React Flow Agent 编排、导出 JSON DSL、LLM Wiki 面板 |
sundynix-gateway/ |
2 · Gateway | Go · Gin | 统一接入、DSL 解析组装、计费、Guardrail、PgSQL + Redis |
deploy/nats/ |
3 · Message Bus | NATS (Go) | 零拷贝骨干网：Queue + Stream |
sundynix-dispatcher/ |
4 · Dispatcher | Go · Eino | 图编排、LLM Pool 调度、自动化评测、熔断降级 |
sundynix-mcp-go/ |
5a · MCP Tools (I/O) | Go | MCP 网关、Wiki 混合检索(Bleve/Milvus/Neo4j)、UniOffice、外部 API |
sundynix-mcp-py/ |
5b · MCP Tools (算法) | Python | MCP 网关、安全沙箱(gVisor/KataVM)、MinerU(PaddleOCR)、Docker 解释器 |
sundynix-shared/ |
共享契约 | Go | Task 数据契约、NATS subject 约定、JetStream 收发逻辑(bus)、内嵌 NATS(devnats) |
核心数据流
Gateway解析 DSL → Publishsundynix.tasks.*(NATS Queue)Dispatcher订阅任务 →Eino图编排 → 调用LLM Pool- 经 NATS request-reply 同步调用第 5 层
MCP Tools（sundynix.tools.go.*队列组负载均衡，工具不可用即降级） - 结果以零拷贝 Token Stream 经
sundynix.streams.task_id回流 → SSE/WS 推给Client
快速开始
无 Docker — 一键验证任务流（推荐先跑这个）
make demo # 内嵌NATS + Gateway + Dispatcher + MCP-Go，提交 DSL 任务，看任务流+工具调用+Token流闭环
make e2e # 仅跑共享 bus 的端到端测试（go test，内嵌 NATS）：任务流 / 工具调用 / Token 流
make demo 实测输出：
Gateway: POST /api/v1/tasks → task_xxx → published (seq=1)
Dispatcher: [eino] task_xxx received → streaming tokens...
SSE 客户端: event:token data:已 event:token data:编 ... event:done ← 流式闭环打通
完整链路：HTTP POST → DSL 解析 → NATS 任务队列 → Dispatcher 消费 → LLM 流式推理
→ Token 经 sundynix.streams.<id> 回流 → Gateway SSE → 客户端逐 token 收到。
完整环境（git clone 后零配置直跑）
前置：Docker、Go ≥1.24、Node ≥20、Python ≥3.11。各服务默认配置已对齐 docker-compose （NATS:4222 / PG sundynix@5432 / Redis:6379 / Milvus:19530 / Neo4j neo4j-sundynix@7687）， clone 后无需改任何配置即可连上。
make infra # 1) 启动 NATS / Postgres / Redis / Milvus / Neo4j (docker-compose)
make gateway # 2) 各开一个终端运行后端
make dispatcher
make mcp-go
make mcp-py # 首次自动建 venv + 装解析依赖
make web # 3) 桌面端前端 (Vite :5173，首次自动 npm install)
make admin # 运维控制台 (Vite :5174)
- 打开运维控制台(
:5174)，在「模型 / 数据源」登记并激活：对话模型(chat) 与 Embedding 模型 （开发期填第三方在线 API：base_url + api_key + model，OpenAI 兼容）。激活后经 NATS 热更新到各服务。 — 这是唯一需要自己填的配置（API key），其余零配置。
完成后即可在桌面端(:5173)：编排 Agent 图 → 运行（注入画像/历史，真实流式）；
知识库入库(docx/xlsx/pdf) → 三路混合检索(向量+全文+图谱)。
Go 多模块用
go.work串联后端 4 模块；sundynix-shared经各 go.modreplace指向本地。 桌面端 Wails 封装(make desktop/wails dev)需先npm run build生成frontend/dist，单独构建。
NATS Subject 约定
| Subject | 类型 | 说明 |
|---|---|---|
sundynix.tasks.* |
Queue | 分布式任务队列 |
sundynix.streams.<task_id> |
Stream | 零拷贝 Token 字节管道 |
sundynix.tools.go.* |
Queue | Go MCP 工具调用 |
sundynix.tools.py.* |
Queue | Python MCP 工具调用 |