skills for everythingknowledge-base-management
Comprehensive knowledge base management system for document organization, summarization, hierarchical structuring, and retrieval. Use when users need to: (1) Upload and categorize documents into a knowledge base with meaningful directory names, (2) Extract summaries and split documents into hierarchical sections using LLM (DeepSeek), (3) Manage multi-level directory structures based on document content, (4) Search and retrieve documents using hierarchical disclosure mechanisms, (5) Maintain all knowledge bases in a centralized directory with folder-based organization.
SKILL.md
| Name | knowledge-base-management |
| Description | Comprehensive knowledge base management system for document organization, summarization, hierarchical structuring, and retrieval. Use when users need to: (1) Upload and categorize documents into a knowledge base with meaningful directory names, (2) Extract summaries and split documents into hierarchical sections using LLM (DeepSeek), (3) Manage multi-level directory structures based on document content, (4) Search and retrieve documents using hierarchical disclosure mechanisms, (5) Maintain all knowledge bases in a centralized directory with folder-based organization. |
Proteus AI：多智能体工作流引擎
Proteus AI 是一个强大的、可扩展的、基于 Python 和 FastAPI 构建的多智能体工作流引擎。它旨在提供一个灵活、高效的平台，用于构建和管理复杂的自动化任务和智能代理系统。
🌊 项目名称由来
Proteus（普罗透斯）源自希腊神话中的海神，他以能够随意改变自己的形态而闻名。这个名字完美契合了本项目的核心特性：
- 强大的可变性：引擎通过不同节点类型的组合实现各种复杂的工作流
- 智能适应：Agent 系统能够智能地选择最适合的工具和执行路径
- 灵活性：引擎能够灵活处理各种任务场景和数据流
✨ 核心特性
🧠 智能对话系统
- 高级推理能力：基于 Chain-of-Thought (CoT) 推理，支持复杂的任务分解和决策
- 动态工具调用：智能体能够根据任务需求动态选择并调用内置或外部工具
- 多轮对话与上下文管理：支持多轮对话，保持上下文连贯性，提升交互体验
- 技能系统：支持技能调用和技能记忆，可扩展智能体能力
- 文件分析：支持上传文件并基于文件内容进行问答和分析
🔄 灵活的工作流编排
- 可视化工作流构建：直观的 Web 界面支持节点和边的拖拽，轻松构建复杂工作流
- 完整的生命周期管理：支持工作流的创建、启动、暂停、恢复和取消
- 智能调度：处理节点依赖关系，确保数据流和执行顺序正确
- 异步执行与实时监控：基于 SSE (Server-Sent Events) 实现实时通信，监控节点执行状态和结果
- 高级工作流结构：支持循环执行和工作流嵌套，提升复用性和灵活性
🛠️ 丰富的内置节点与可扩展性
内置多种节点类型，涵盖多种操作，并支持轻松扩展：
| 类别 | 节点类型 | 功能描述 |
|---|---|---|
| 数据库操作 | db_query, db_execute, mysql_node | 数据库查询和执行 |
| 信息检索 | duckduckgo_search, arxiv_search, serper_search | 多种搜索引擎集成 |
| Web 爬虫 | web_crawler | 网页内容抓取 |
| 代码与自动化 | python_execute | Python 代码和 Shell 脚本执行（沙箱环境） |
| 浏览器自动化 | browser_agent | 浏览器操作自动化 |
| 交互与通信 | api_call, chat, email_sender | API 调用、聊天节点、邮件发送 |
| 技能管理 | skills_extract | 技能解析与管理（列出、获取、读取技能文件） |
| 特殊功能 | weather_forecast | 天气预报查询（通过经纬度获取天气数据） |
📊 实时监控与可视化
- SSE 实时通信：通过 Server-Sent Events 实现前后端实时数据传输
- 节点状态实时更新：Web 界面实时展示节点执行进度、状态和结果
- 智能体思考过程可视化：实时显示智能体思考过程和操作，增强可观察性
- 历史记录管理：支持会话历史的查询、存储、摘要生成和恢复
🔌 MCP (Model Context Protocol) 支持
- 标准化外部工具集成：支持 MCP 标准，动态加载和管理外部工具和资源
- 远程 MCP 服务器集成：通过 MCP 客户端节点与外部服务无缝交互
- LLM 工具理解：标准化的工具描述便于大型语言模型 (LLM) 理解和使用工具
🛡️ 安全沙箱环境
提供独立的沙箱环境，用于安全地执行 Python 代码和终端命令，隔离潜在风险。
🎨 用户友好的界面与工具
- Web 可视化界面：提供直观的 Web 界面进行工作流构建、智能体交互和状态监控
- 命令行工具 (CLI)：功能强大的 CLI 工具，方便开发者和用户在终端中直接与 Proteus AI 系统交互
📋 实际效果展示
请查看 examples/ 文件夹中的研究报告示例，展示 Proteus 在复杂信息收集和分析方面的能力：
🚀 快速开始
请严格遵循以下流程构建和启动项目。
前提条件
- Docker & Docker Compose
- OpenSSL (用于生成 SSL 证书)
构建与启动流程
1. 构建 Sandbox 镜像
首先构建用于安全执行代码的沙箱环境镜像。
cd sandbox
./build.sh
cd ..
2. 构建 Proteus 镜像
构建核心 Agent 服务的镜像。
cd proteus
docker build -t proteus-agent .
3. 生成 SSL 证书
为 Nginx 服务生成 SSL 证书，以支持 HTTPS 访问。
# 确保在 proteus 目录下
./bin/generate-ssl-cert.sh
4. 启动服务
进入 Docker 目录并启动所有服务。
cd docker
# 首次启动前，请确保配置了必要的环境变量
# 复制示例配置文件
# cp volumes/agent/.env.example volumes/agent/.env
# cp volumes/sandbox/.env.example volumes/sandbox/.env
# 启动服务
docker-compose up -d
服务启动后：
- Web 界面访问地址:
https://localhost(通过 Nginx 代理) 或http://localhost:8000 - Sandbox 服务运行在:
http://localhost:8000(容器内部端口)
⚙️ 配置说明
主要配置项位于 proteus/docker/volumes/agent/.env 文件中。您需要从 .env.example 复制并配置：
🤖 智能体模式
Proteus AI 提供多种智能体运行模式，适用于不同场景：
| 模式 | 描述 |
|---|---|
chat | 纯对话模式，支持工具调用和多轮对话 |
task | 任务模式，自动规划并完成复杂任务 |
workflow | 工作流模式，执行可视化工作流 |
super-agent | 超级智能体，具备更强的规划与执行能力 |
mcp-agent | MCP 模式，通过 Model Context Protocol 调用外部工具 |
browser-agent | 浏览器操作模式，支持自动化网页交互 |
deep-research | 深度研究模式，对指定主题进行系统性深度研究 |
deep-research-multi | 多智能体协作深度研究模式 |
codeact-agent | 代码执行智能体，通过编写和运行代码解决问题 |
🧠 Chat 智能体
Proteus AI 的核心是 Chat 智能体，这是一个功能强大的对话智能体，支持工具调用和上下文管理：
# 使用 Chat 智能体进行对话
chat_agent = ChatAgent(
stream_manager=stream_manager,
model_name="deepseek-chat",
enable_tools=True,
tool_choices=["serper_search", "web_crawler", "python_execute"],
max_tool_iterations=5,
conversation_id=conversation_id,
conversation_round=5,
enable_tool_memory=True,
enable_skills_memory=True,
user_name=user_name,
selected_skills=selected_skills,
workspace_path=workspace_path, # 可选，工作区路径
)
# 运行智能体
result = await chat_agent.run(
chat_id=chat_id,
text="请搜索最新的人工智能发展动态并进行分析",
file_analysis_context=file_context
)
核心特性：
- 多轮对话：支持上下文记忆，能够理解对话历史
- 动态工具调用：根据用户意图自动选择并调用合适的工具（如搜索、代码执行、网页爬取）
- 文件分析：支持上传文件并基于文件内容进行问答和分析
- 实时流式响应：通过 SSE 实时输出思考过程和回复内容
- 技能系统：支持技能调用和技能记忆，可扩展智能体能力
- 工具记忆：记录工具调用历史，优化后续交互
🛠️ 开发指南
1. 项目结构
proteus-ai/
├── proteus/ # 主应用目录
│ ├── src/ # 源代码
│ │ ├── agent/ # 智能体系统（chat_agent.py、base_agent.py、prompt/）
│ │ ├── nodes/ # 节点实现（agent_node_config.yaml 及各节点文件）
│ │ ├── api/ # API 接口（stream_manager、llm_api、events 等）
│ │ ├── auth/ # 认证模块
│ │ ├── login/ # 登录模块
│ │ ├── manager/ # 管理器模块（会话、模型等）
│ │ ├── tasks/ # 任务处理器
│ │ └── utils/ # 工具函数
│ ├── static/ # 静态文件（Web 界面）
│ ├── conf/ # 配置文件（压缩策略、模型配置等）
│ ├── docker/ # Docker 配置及 volumes
│ ├── bin/ # 脚本工具（SSL 证书生成等）
│ ├── scripts/ # 辅助脚本
│ ├── tests/ # 测试文件
│ └── requirements.txt # Python 依赖
├── sandbox/ # 沙箱环境（安全代码执行）
├── app/ # Android 客户端
│ └── src/ # Kotlin/Compose 源码
├── server/ # 轻量级 Web 服务器
│ ├── main.py # FastAPI 主应用
│ ├── requirements.txt # Python 依赖
│ └── .env.example # 环境变量示例
├── examples/ # 使用示例
│ ├── deep-research/ # 深度研究报告示例
│ └── self_improving_agent/ # 自我改进智能体示例
├── AGENTS.md # 智能体详细文档
└── README.md # 项目说明
2. 添加新节点类型
- 在
proteus/src/nodes/目录下创建新的节点文件 - 在
proteus/src/nodes/agent_node_config.yaml中注册 Agent 工具配置
3. 扩展 Agent 功能
- 在
proteus/src/agent/prompt/中添加新的提示词模板 - 修改
proteus/src/agent/agent.py实现新的推理方法 - 注册新的工具到 Agent 系统
4. 前端开发
- 静态资源位于
proteus/static/目录 - 使用 SSE 接收实时更新
5. 测试指南
# 运行测试
cd proteus
python -m pytest tests/
6. 使用 MCP 功能
- 配置 MCP 服务器
- 在代码中使用 MCP 管理器
- 在 Agent 中使用 MCP 工具
📱 Android 客户端 (app/)
app/ 目录包含 Proteus AI 的官方 Android 客户端，基于 Jetpack Compose + Kotlin + Material Design 3 构建，让你随时随地通过手机使用 AI 智能体服务。详细说明见 app/README.md。
主要功能
- 实时流式对话：通过 SSE 实时接收 AI 回复，支持 Markdown 渲染和 Mermaid 图表
- 思考过程可视化：可折叠卡片展示 AI 推理链路和工具调用详情
- 三种增强模式：深度研究 🌐 / 网络搜索 🔍 / 技能调用 🛠️，按需开启
- 会话历史管理：侧边栏显示所有历史对话，点击即可加载历史记录
- Token 管理：Bearer Token 安全持久化存储
- 停止任务：AI 回复过程中可随时中断
- Material Design 3：支持深色/浅色主题自动切换
快速上手
1. 启动后端服务
按照本 README 上方的"快速开始"章节启动 Proteus AI 后端服务。
2. 编译安装应用
# 进入 app 目录
cd app
# 编译调试版 APK（需已配置 Android SDK 环境变量）
./gradlew assembleDebug
# 安装到已连接的 Android 设备
adb install app/build/outputs/apk/debug/app-debug.apk
推荐使用 Android Studio 2023.3+ 打开
app/目录，点击 ▶️ Run 直接安装并运行。
3. 配置服务器地址
| 场景 | 配置方式 |
|---|---|
| Android 模拟器访问本机（默认） | 无需修改，默认 http://10.0.2.2:8888/ |
| 真机访问局域网服务器 | 修改 app/build.gradle.kts 中 defaultConfig 的 BASE_URL 为局域网 IP |
| 生产环境 | 修改 buildTypes.release 中的 BASE_URL |
4. 首次使用
- 启动应用，自动弹出 Token 配置对话框
- 输入 Proteus AI 后端服务的 Bearer Token
- 确认后自动加载历史会话，即可开始对话
更多详细说明（架构、接口文档、常见问题等）请查看
app/README.md。
🌐 轻量级 Web 服务器 (server/)
server/ 目录包含一个基于 FastAPI 的轻量级 Web 服务器，提供对话管理、模型配置查询、任务队列提交和 SSE 流式重放等接口，详细说明见 server/README.md。
主要接口
| 方法 | 路径 | 说明 |
|---|---|---|
GET | /conversations | 获取当前用户的会话列表 |
GET | /conversations/{id} | 获取指定会话详情 |
GET | /models | 获取可用模型列表 |
GET | /replay/stream/{chat_id} | SSE 流式重放已保存的聊天记录 |
POST | /submit_task | 提交任务到 Redis 队列 |
GET | /health | 服务健康检查 |
快速启动
cd server
# 安装依赖
pip install -r requirements.txt
# 配置环境变量
cp .env.example .env
# 编辑 .env，填写 Redis 连接信息
# 启动服务
uvicorn main:app --host 0.0.0.0 --port 8000 --reload
服务启动后可访问：
- Swagger UI：http://localhost:8000/docs
- ReDoc：http://localhost:8000/redoc
认证方式
在请求头中携带 Bearer Token：
Authorization: Bearer <your_token>
🔮 未来计划
我们致力于不断改进 Proteus 引擎，以下是未来可能优先考虑的功能和优化：
核心功能增强
- 完善工作流的暂停和恢复机制
- 引入工作流模板系统
- 实现工作流版本控制
- 增加节点执行超时机制
节点类型扩展
- 集成更多主流 AI 模型和第三方服务 API
- 实现文件格式转换节点
- 添加邮件和消息通知节点
Agent 系统优化
- 进一步优化 Chain-of-Thought 推理
- 增强多智能体协作机制
- 实现智能体记忆系统和知识共享
- 增强错误处理和恢复能力
用户体验改进
- 优化 Web 界面交互
- 添加工作流调试工具
- 实现工作流执行日志导出功能
- 增加性能监控面板
部署和运维
- 添加集群部署支持
- 实现自动化测试框架
- 优化资源使用效率
- 增加监控告警机制
🤝 贡献指南
欢迎提交 Issue 和 Pull Request 来帮助改进项目。在提交代码前，请确保：
- 代码符合项目的编码规范
- 添加了必要的测试用例
- 更新了相关文档
- 遵循 Git 提交规范
- 通过所有 CI 检查
📄 许可证
本项目采用 MIT 许可证，详见 LICENSE 文件。
🔗 相关资源
- API 文档 (启动服务后访问)
- 示例配置
- Docker 部署指南
- 智能体详细文档
- 项目文档
- Android 客户端说明
- 轻量级 Web 服务器说明
💬 支持与反馈
如果您在使用过程中遇到问题或有改进建议，请通过以下方式联系我们：
- 提交 GitHub Issue
- 查看 项目文档
- 参与社区讨论
Proteus AI - 让复杂任务变得简单自动化