Blizzard
fd145b5852
旧 compileFlow 把 DSL 图拍平成线性 init→tool…→prompt→model，连线/分支/ memory/aggregate/render 节点全被忽略——"画得出、跑不全"。改为纯 Go 图解释器 (graph.go)，按真实拓扑与连线执行，每种节点 kind 有真实行为： - input 注入用户输入 - memory 按勾选注入画像/历史（无 memory 节点则沿用默认注入，不回归） - retriever kb 按 owner 作用域 → kb_search 累计参考资料 - tool 调 MCP 工具，产出进黑板，失败降级不阻断 - agent 据黑板拼消息 → pool 流式回流 token，累计成稿 - aggregate 按策略合并参考资料（拼接/去重合并/摘要） - render 把成稿经 report_render 渲染 docx - branch 求值条件 + active-set 剪枝下游（边序约定 [true,false]） - map 占位（fan-out 暂串行，路线图 Phase 2） - output 终端 全程逐节点点亮"运行·观测"，token 流与记忆写回保持不变；报告 intent 走原专用 编排不动。compile.go 精简为只留 RunCtx/buildMessages/previewArgs。 实测（gateway+dispatcher+DeepSeek 实跑）： - input→agent→output 真实流式答复 ✓ - branch 条件 2>1 走分支A、1>2 走分支B（下游真被剪枝）✓ - memory 节点按勾选注入；exec 事件按新节点名(agent:a 等)回流 ✓ - 桌面端 Studio 载示例→运行：4节点3连线校验通过，检索节点 mcp-go 不在时 优雅降级，agent 据空资料如实作答，输出/轨迹面板正常 ✓ 路线图 Phase 2：map 真并行 fan-out + aggregate reduce 接上 report 那套； 前端给 branch 的边打 true/false 标签，使条件分支完全精确（当前靠出边顺序约定）。 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。
跑真实桌面端还需：Wails CLI（go install github.com/wailsapp/wails/v2/cmd/wails@latest）；macOS 再装 Xcode 命令行工具（xcode-select --install，webkit 编译用）。
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 admin # 3) 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。 -
启动客户端（任选其一）：
make desktop # ★ 真实桌面端：Wails 原生窗口（热重载）——独立 App，非浏览器
# 或
make web # 浏览器预览版（Vite :5173，前端代码同上）
打包桌面端为可双击的原生应用：
make desktop-build # → sundynix-desktop/build/bin/sundynix_desktop.app
完成后即可：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)；报告生成（「报告」页输入主题 → 规划大纲 → 各章并行检索+撰写 → 渲染真实 Word(.docx) → 一键下载）。桌面端是客户端，经 HTTP 连 Gateway:8080，需先起后端。
后端 4 模块用根
go.work串联；sundynix-shared经各 go.modreplace指向本地。 桌面端是自包含模块，make desktop/desktop-build用GOWORK=off独立构建（不入 go.work）。
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 |