自然语言生成工作流程产品 MVP 规划

项目概述

产品目标

构建一个支持自然语言生成工作流程的网页端产品，让用户能够通过自然语言描述创建、调试和运行工作流程。

核心功能

自然语言输入: 用户提供粗糙的 prompt，系统理解并生成工作流程
智能引导: Agent 引导用户提供更完整的上下文信息
平台授权: 支持第三方平台的授权和集成
自动调试: 自动生成工作流程并进行调试
手动编辑: 支持手动创建和编辑工作流程
工作流程执行: 支持工作流程的实际运行
插件和 MCP 插件生态：引入第三方插件和 MCP 工具，拓展平台能力

团队配置

4 名后端工程师：
- Jingwei: 技术架构师，需要全程把控项目，攻克难点，经常加班工作！
- Jian: 技术架构师，擅长拆解规划，把控技术全局
- Daming: 执行力超强，人型打字机，完整交付产品
- Ganyuan: 很有技术热情，有想象力，善于用 AI 编程工具
1 名前端工程师：
- Bohua: 对技术充满热情，开发效率非常高
总开发时间: 3 周

系统架构设计

技术栈

前端: React 18, TypeScript, Tailwind CSS, React Flow, Vite
后端: Python, FastAPI, PostgreSQL, Redis
AI 服务: LangChain + LangGraph, OpenAI GPT-4, Claude API
消息队列: Celery + Redis
部署: Docker, Docker Compose

架构图

整体架构

AI Agent 详细架构

AI Agent 层和核心服务层技术设计

一、AI Agent 层技术架构设计（基于 LangGraph）

1. 整体架构概述

AI Agent 层基于LangGraph构建，这是一个专门用于构建有状态、多步骤 AI 应用的框架。我们将利用 LangGraph 的图结构来实现 Agent 的决策流程。

1.1 核心设计理念

图驱动的对话流程：将 Agent 的决策过程建模为有向图
状态持久化：每个节点的输入输出都通过 State 对象传递
条件分支：根据用户输入和当前状态动态选择执行路径
可中断和恢复：支持在任意节点暂停并等待用户输入

2. LangGraph 实现架构

2.1 Graph 结构设计

用户输入 → 需求分析 → 知识检查 → [分支判断]
                                    ↓
                              信息充足 → 工作流生成 → 自动调试
                                    ↓                    ↓
                              信息不足 → 问题生成    错误分析
                                    ↓                    ↓
                              等待用户回答 ←────── 修复建议

2.2 AgentState 管理

class AgentState(TypedDict):
    user_input: str
    requirements: Dict[str, Any]
    current_plan: Optional[Dict]
    collected_info: Dict[str, Any]
    messages: List[Dict]
    workflow: Optional[Dict]
    debug_results: Optional[Dict]
    current_step: str

二、核心服务层技术架构设计

1. 工作流定义方案

推荐 JSON 格式：

易于理解和扩展
工具支持好
序列化简单

2. 节点系统设计

基于数据结构定义的 8 大核心节点类型：

TRIGGER_NODE - 触发器节点
AI_AGENT_NODE - AI 代理节点
EXTERNAL_ACTION_NODE - 外部动作节点
ACTION_NODE - 动作节点
FLOW_NODE - 流程控制节点
HUMAN_IN_THE_LOOP_NODE - 人机交互节点
TOOL_NODE - 工具节点
MEMORY_NODE - 记忆节点

3. 执行引擎设计

基于图的执行：

构建执行 DAG（有向无环图）
识别可并行的分支
动态调度节点执行

4. 调试服务设计

单节点调试：

独立执行任意节点
手动输入测试数据
查看输出结果和执行日志

断点调试：

在节点前后设置断点
查看当前数据状态
支持继续执行或终止

任务分解与分配

基于新的技术架构，重新分配任务：

第 1 周 (Week 1)

Jingwei - LangGraph AI Agent 层核心架构

任务: 基于 LangGraph 构建 AI Agent 核心框架

Day 1-2: LangGraph 框架搭建
- 设置 Python + FastAPI + LangGraph 项目结构
- 配置 PostgreSQL 数据库连接和迁移
- 实现基础的 Graph State 管理
- 创建 Agent 节点基础类
Day 3-5: AI Agent 核心流程实现
- 实现需求分析节点（analyze_requirement）
- 实现知识检查节点（check_knowledge）
- 实现条件分支节点（should_generate）
- 实现问题生成节点（generate_questions）
- 实现工作流生成节点（generate_workflow）

交付物:

LangGraph AI Agent 框架
核心决策流程图
Agent State 管理系统

Jian（技术架构师）- 工作流引擎核心架构

任务: 工作流引擎和执行系统

Day 1-2: 工作流数据模型实现
- 基于 protobuf 定义实现 Workflow 数据结构
- 实现 8 大节点类型的基础框架
- 设计节点执行器接口
- 实现连接系统（ConnectionsMap）
Day 3-5: 执行引擎核心
- 实现工作流解析器（JSON 到执行图）
- 创建节点执行调度器
- 实现基础的错误处理和重试机制
- 添加执行状态管理

交付物:

工作流数据模型
节点执行框架
执行调度系统

Daming - 自动调试服务

任务: 自动调试系统实现

Day 1-2: 调试框架搭建
- 实现调试控制器（DEBUG_CTRL）
- 创建节点执行器测试环境
- 实现执行结果收集系统
- 设计调试日志记录
Day 3-5: 调试分析和修复
- 实现错误分析器（ERROR_ANALYZER）
- 创建修复建议生成器（FIX_SUGGESTER）
- 实现自动修复器（AUTO_FIXER）
- 添加调试规则库

交付物:

自动调试系统
错误分析引擎
修复建议系统

Ganyuan - 工具集成和 API 适配

任务: 第三方工具集成和 API 适配

Day 1-2: 工具框架设计
- 实现工具节点基础框架
- 设计 API 调用适配器
- 实现 OAuth2 授权框架
- 创建凭证管理系统
Day 3-5: 核心工具集成
- 集成 Google Calendar API
- 集成 GitHub API
- 集成 Slack API
- 实现通用 HTTP 请求工具

交付物:

工具集成框架
API 适配器系统
核心工具集成

Bohua（前端开发）- 前端架构增强

任务: 增强现有前端界面，支持 AI Agent 交互

Day 1-2: 现有代码重构
- 优化 React Flow 工作流编辑器
- 重构组件结构提升可维护性
- 增强节点类型支持（8 大节点类型）
- 改进用户交互体验
Day 3-5: AI Agent 交互界面
- 实现 AI 聊天对话界面
- 创建智能引导问答系统
- 实现节点调试界面
- 添加工作流执行监控

交付物:

优化的工作流编辑器
AI 聊天交互界面
节点调试界面

第 2 周 (Week 2)

Jingwei - AI Agent 优化和集成

任务: AI Agent 功能完善和系统集成

Day 1-3: AI Agent 功能增强
- 实现多轮对话管理和上下文保持
- 优化自然语言解析准确性
- 创建个性化推荐系统
- 实现用户反馈收集和学习机制
Day 4-5: 与调试服务集成
- 完善工作流生成后的自动调试集成
- 实现调试结果反馈到 Agent State
- 优化错误处理和修复建议流程
- 添加 Agent 性能监控

交付物:

完善的 AI Agent 系统
多轮对话管理
自动调试集成

Jian（技术架构师）- 执行引擎完善

任务: 工作流执行引擎完善和优化

Day 1-3: 执行引擎增强
- 实现复杂流程控制（Loop、Switch、Merge）
- 优化并发执行和资源管理
- 完善错误处理和重试机制
- 添加执行性能监控
Day 4-5: 执行监控和历史
- 实现执行历史记录和查询
- 添加实时执行状态监控
- 创建执行日志系统
- 实现执行结果存储和分析

交付物:

完善的工作流执行引擎
执行监控系统
日志和历史记录

Daming - 调试服务完善

任务: 调试服务功能完善和性能优化

Day 1-3: 调试功能增强
- 实现工作流语法验证
- 添加连接性检查和循环依赖检测
- 完善节点配置验证
- 实现调试会话管理
Day 4-5: 测试和模拟
- 实现工作流模拟执行
- 创建测试数据生成器
- 添加性能分析工具
- 实现调试报告生成

交付物:

完善的调试系统
测试和模拟功能
性能分析工具

Ganyuan - 工具生态扩展

任务: 扩展工具生态和 MCP 集成

Day 1-3: 工具生态扩展
- 集成 Trello API
- 集成 Email 服务（SendGrid/Mailgun）
- 集成 Notion API
- 实现更多通用工具节点
Day 4-5: MCP 集成准备
- 设计 MCP（Model Context Protocol）适配器
- 实现插件管理框架
- 创建工具发现和注册机制
- 添加工具性能监控

交付物:

扩展的工具生态
MCP 适配器框架
插件管理系统

Bohua（前端开发）- 高级 UI 功能

任务: 高级功能界面开发

Day 1-3: 执行监控界面
- 实现工作流执行监控页面
- 创建实时状态显示
- 实现执行历史浏览
- 添加错误诊断界面
Day 4-5: 调试工具界面
- 完善节点调试界面
- 创建测试数据管理
- 实现性能分析显示
- 添加调试会话管理

交付物:

执行监控界面
调试工具界面
测试管理系统

第 3 周 (Week 3)

Jingwei - 系统集成和性能优化

任务: 系统整体集成和性能优化

Day 1-2: 系统集成
- 整合 AI Agent 层和核心服务层
- 实现端到端的工作流生成和执行
- 优化系统间通信和数据传递
- 进行系统压力测试和性能调优
Day 3-5: 性能优化和监控
- 实现 Redis 缓存系统
- 优化数据库查询性能
- 添加系统监控和报警
- 实现负载均衡和扩展性准备

交付物:

完整的系统集成
性能优化方案
监控和报警系统

Jingwei - 部署和 DevOps

任务: 部署配置和 CI/CD

Day 1-2: 容器化部署
- 创建 Docker 配置（Python FastAPI + PostgreSQL + Redis）
- 实现 Docker Compose 部署
- 配置环境变量管理
- 设置数据库迁移和初始化
Day 3-5: CI/CD 流程
- 配置 GitHub Actions
- 实现自动化测试（单元测试、集成测试）
- 创建部署脚本
- 设置环境隔离和版本管理

交付物:

Docker 配置
CI/CD 流程
部署脚本

Daming - API 文档和测试

任务: API 文档和自动化测试

Day 1-2: API 文档
- 使用 FastAPI 自动生成 API 文档
- 创建 API 使用示例和 SDK
- 实现 API 版本管理
- 添加 API 限流和安全文档
Day 3-5: 自动化测试
- 实现单元测试覆盖核心功能
- 创建集成测试
- 实现 API 端到端测试
- 添加性能测试和基准测试

交付物:

完整 API 文档
自动化测试套件
性能测试报告

Jian（技术架构师）- 系统集成和端到端测试

任务: 系统整体集成和端到端测试

Day 1-3: 系统集成测试
- 整合所有模块的端到端测试
- 验证 AI Agent -> 工作流引擎 -> 执行器的完整流程
- 测试工具集成的稳定性和准确性
- 验证前后端数据传递的完整性
Day 4-5: 性能测试和优化
- 进行系统负载测试
- 分析性能瓶颈并优化
- 验证并发场景下的系统稳定性
- 优化数据库查询和 API 响应时间

交付物:

端到端测试套件
系统集成验证报告
性能测试报告和优化方案

Ganyuan - Bug 修复和用户体验优化

任务: 系统 Bug 修复和 MVP 体验优化

Day 1-3: Bug 修复和稳定性提升
- 收集和修复各模块发现的 Bug
- 优化错误处理和用户提示
- 改进工作流生成的准确性
- 完善异常情况的处理逻辑
Day 4-5: 用户体验优化
- 优化 AI 生成工作流的响应速度
- 改进自然语言理解的准确性
- 完善用户交互流程和反馈机制
- 添加基础的使用帮助和引导

交付物:

Bug 修复报告
用户体验优化方案
系统稳定性提升总结

Bohua（前端开发）- 最终优化和发布

任务: 前端最终优化和发布准备

Day 1-2: UI/UX 优化
- 优化用户体验流程
- 实现响应式设计
- 添加加载状态和错误处理
- 优化性能和打包
Day 3-5: 发布准备
- 实现生产环境配置
- 添加用户帮助和文档
- 创建用户引导流程
- 实现错误报告系统

交付物:

优化的前端应用
用户帮助系统
生产环境配置

数据库设计

核心表结构

基于 protobuf 数据结构定义，数据库设计如下：

-- 用户表
CREATE TABLE users (
    id UUID PRIMARY KEY DEFAULT gen_random_uuid(),
    email VARCHAR(255) UNIQUE NOT NULL,
    name VARCHAR(255) NOT NULL,
    created_at TIMESTAMP DEFAULT CURRENT_TIMESTAMP,
    updated_at TIMESTAMP DEFAULT CURRENT_TIMESTAMP
);

-- 工作流程表（基于Workflow数据结构）
CREATE TABLE workflows (
    id UUID PRIMARY KEY DEFAULT gen_random_uuid(),
    user_id UUID REFERENCES users(id),
    name VARCHAR(255) NOT NULL,
    description TEXT,
    active BOOLEAN DEFAULT true,
    workflow_data JSONB NOT NULL,  -- 存储完整的Workflow protobuf JSON
    settings JSONB,                -- WorkflowSettings
    static_data JSONB,             -- 静态数据
    pin_data JSONB,                -- 调试数据
    created_at BIGINT NOT NULL,    -- Unix timestamp
    updated_at BIGINT NOT NULL,    -- Unix timestamp
    version VARCHAR(50) DEFAULT '1.0.0',
    tags TEXT[]
);

-- 执行历史表（基于ExecutionData数据结构）
CREATE TABLE workflow_executions (
    id UUID PRIMARY KEY DEFAULT gen_random_uuid(),
    execution_id VARCHAR(255) UNIQUE NOT NULL,
    workflow_id UUID REFERENCES workflows(id),
    status VARCHAR(50) NOT NULL,  -- NEW, RUNNING, SUCCESS, ERROR, CANCELED, WAITING
    mode VARCHAR(50) NOT NULL,    -- MANUAL, TRIGGER, WEBHOOK, RETRY
    triggered_by VARCHAR(255),
    start_time BIGINT,
    end_time BIGINT,
    run_data JSONB,              -- RunData protobuf JSON
    metadata JSONB,
    created_at TIMESTAMP DEFAULT CURRENT_TIMESTAMP
);

-- AI生成历史表 (MVP简化版)
CREATE TABLE ai_generation_history (
    id UUID PRIMARY KEY DEFAULT gen_random_uuid(),
    user_id UUID REFERENCES users(id),
    description TEXT NOT NULL,      -- 用户的自然语言描述
    generated_workflow JSONB,       -- 生成的工作流
    feedback TEXT,                  -- 用户反馈
    iteration_count INTEGER DEFAULT 1,
    created_at TIMESTAMP DEFAULT CURRENT_TIMESTAMP
);

-- 第三方授权表（基于Integration数据结构）
CREATE TABLE oauth_tokens (
    id UUID PRIMARY KEY DEFAULT gen_random_uuid(),
    user_id UUID REFERENCES users(id),
    integration_id VARCHAR(255) NOT NULL,
    provider VARCHAR(100) NOT NULL,
    access_token TEXT NOT NULL,
    refresh_token TEXT,
    expires_at TIMESTAMP,
    credential_data JSONB,
    created_at TIMESTAMP DEFAULT CURRENT_TIMESTAMP
);

-- 工具集成表
CREATE TABLE integrations (
    id UUID PRIMARY KEY DEFAULT gen_random_uuid(),
    integration_id VARCHAR(255) UNIQUE NOT NULL,
    integration_type VARCHAR(100) NOT NULL,
    name VARCHAR(255) NOT NULL,
    version VARCHAR(50) NOT NULL,
    configuration JSONB,
    supported_operations TEXT[],
    active BOOLEAN DEFAULT true,
    created_at TIMESTAMP DEFAULT CURRENT_TIMESTAMP
);

-- 调试记录表 (MVP简化版)
CREATE TABLE validation_logs (
    id UUID PRIMARY KEY DEFAULT gen_random_uuid(),
    workflow_id UUID REFERENCES workflows(id),
    user_id UUID REFERENCES users(id),
    validation_type VARCHAR(50) NOT NULL,  -- 'workflow' or 'node'
    validation_result JSONB,               -- 验证结果
    errors JSONB,                         -- 错误信息
    created_at TIMESTAMP DEFAULT CURRENT_TIMESTAMP
);

API 设计

基于 FastAPI 和新的技术架构，API 设计如下：

MVP AI Agent API 详细设计

POST /api/agent/generate

功能: 从自然语言描述生成完整的工作流程

请求体:

{
  "description": "用户的自然语言描述",
  "context": {
    "preferred_tools": ["google_calendar", "slack"], // 可选：用户偏好的工具
    "constraints": ["no_email", "working_hours_only"] // 可选：约束条件
  }
}

响应:

{
  "success": true,
  "workflow": {
    // 完整的工作流JSON结构
  },
  "suggestions": ["建议添加错误处理节点", "可以考虑添加用户确认步骤"],
  "missing_info": ["需要确认Google Calendar的具体操作权限"]
}

POST /api/agent/refine

功能: 根据用户反馈优化现有工作流程

请求体:

{
  "workflow_id": "uuid",
  "feedback": "需要添加邮件通知功能",
  "original_workflow": {
    // 当前工作流JSON
  }
}

响应:

{
  "success": true,
  "updated_workflow": {
    // 优化后的工作流JSON
  },
  "changes": ["添加了Email节点", "修改了流程连接"]
}

MVP 设计理念

简化状态管理: 无需复杂的对话状态，每次请求都是独立的
一次性生成: 用户输入描述，系统直接返回完整工作流
迭代优化: 通过 refine 接口支持工作流的迭代改进
最小化 API: 只保留核心功能，减少实现复杂度

工作流程相关

POST /api/workflows - 创建工作流程

GET /api/workflows - 获取工作流程列表

GET /api/workflows/{id} - 获取特定工作流程

PUT /api/workflows/{id} - 更新工作流程

DELETE /api/workflows/{id} - 删除工作流程

POST /api/workflows/{id}/validate - 验证工作流程

执行相关

POST /api/workflows/{id}/execute - 执行工作流程

GET /api/workflows/{id}/executions - 获取执行历史

GET /api/executions/{execution_id} - 获取执行详情

POST /api/executions/{execution_id}/cancel - 取消执行

调试相关 (MVP 简化版)

POST /api/debug/validate - 验证工作流程

POST /api/debug/test-node - 测试单个节点

工具集成相关 (MVP 简化版)

GET /api/integrations - 获取可用工具集成

POST /api/integrations/{integration_id}/auth - 授权工具

用户相关

POST /api/auth/login - 用户登录

GET /api/users/me - 获取当前用户信息

MVP 成功标准

核心功能完成度

用户可以通过自然语言一次性生成工作流程
支持基础的工作流程优化和调整
工作流程能够成功执行和监控
支持基本的调试和验证
端到端系统集成测试通过
主要 Bug 已修复，系统运行稳定

质量和性能指标

工作流程生成时间 < 15s
基本工作流程执行成功率 > 85%
支持并发用户数 > 20
系统整体稳定性 > 95%
端到端测试用例通过率 > 90%

MVP 用户体验

自然语言生成准确率 > 70%
生成的工作流程可用性 > 80%
用户交互流程顺畅，错误提示清晰
基础帮助文档和引导完整

与完整版本的差异

MVP 版本移除的功能

复杂的对话状态管理 - 简化为无状态 API
多轮智能引导 - 改为一次性生成 + 迭代优化
高级调试功能 - 只保留基本验证
完整的工具生态 - 只集成核心工具
详细的执行监控 - 只保留基本状态查询

MVP 专注的核心价值

快速原型验证 - 验证 AI 生成工作流的技术可行性
用户体验测试 - 测试自然语言交互的效果
技术架构验证 - 验证 LangGraph + FastAPI 的架构
质量保证 - 确保系统稳定性和基本可用性
端到端验证 - 验证完整用户流程的可行性

此 MVP 规划将帮助团队在 3 周内交付核心功能，验证产品概念的可行性。

项目概述​

产品目标​

核心功能​

团队配置​

系统架构设计​

技术栈​

架构图​

整体架构​

AI Agent 详细架构​

AI Agent 层和核心服务层技术设计​

一、AI Agent 层技术架构设计（基于 LangGraph）​

1. 整体架构概述​

1.1 核心设计理念​

2. LangGraph 实现架构​

2.1 Graph 结构设计​

2.2 AgentState 管理​

二、核心服务层技术架构设计​

1. 工作流定义方案​

2. 节点系统设计​

3. 执行引擎设计​

4. 调试服务设计​

任务分解与分配​

第 1 周 (Week 1)​

Jingwei - LangGraph AI Agent 层核心架构​

Jian（技术架构师）- 工作流引擎核心架构​

Daming - 自动调试服务​

Ganyuan - 工具集成和 API 适配​

Bohua（前端开发）- 前端架构增强​

第 2 周 (Week 2)​

Jingwei - AI Agent 优化和集成​

Jian（技术架构师）- 执行引擎完善​

Daming - 调试服务完善​

Ganyuan - 工具生态扩展​

Bohua（前端开发）- 高级 UI 功能​

第 3 周 (Week 3)​

Jingwei - 系统集成和性能优化​

Jingwei - 部署和 DevOps​

Daming - API 文档和测试​

Jian（技术架构师）- 系统集成和端到端测试​

Ganyuan - Bug 修复和用户体验优化​

Bohua（前端开发）- 最终优化和发布​

数据库设计​

核心表结构​

API 设计​

MVP AI Agent API 详细设计​

POST /api/agent/generate​

POST /api/agent/refine​

MVP 设计理念​

工作流程相关​

执行相关​

调试相关 (MVP 简化版)​

工具集成相关 (MVP 简化版)​

用户相关​

MVP 成功标准​

核心功能完成度​

质量和性能指标​

MVP 用户体验​

与完整版本的差异​

MVP 版本移除的功能​

MVP 专注的核心价值​

项目概述

产品目标

核心功能

团队配置

系统架构设计

技术栈

架构图

整体架构

AI Agent 详细架构

AI Agent 层和核心服务层技术设计

一、AI Agent 层技术架构设计（基于 LangGraph）

1. 整体架构概述

1.1 核心设计理念

2. LangGraph 实现架构

2.1 Graph 结构设计

2.2 AgentState 管理

二、核心服务层技术架构设计

1. 工作流定义方案

2. 节点系统设计

3. 执行引擎设计

4. 调试服务设计

任务分解与分配

第 1 周 (Week 1)

Jingwei - LangGraph AI Agent 层核心架构

Jian（技术架构师）- 工作流引擎核心架构

Daming - 自动调试服务

Ganyuan - 工具集成和 API 适配

Bohua（前端开发）- 前端架构增强

第 2 周 (Week 2)

Jingwei - AI Agent 优化和集成

Jian（技术架构师）- 执行引擎完善

Daming - 调试服务完善

Ganyuan - 工具生态扩展

Bohua（前端开发）- 高级 UI 功能

第 3 周 (Week 3)

Jingwei - 系统集成和性能优化

Jingwei - 部署和 DevOps

Daming - API 文档和测试

Jian（技术架构师）- 系统集成和端到端测试

Ganyuan - Bug 修复和用户体验优化

Bohua（前端开发）- 最终优化和发布

数据库设计

核心表结构

API 设计

MVP AI Agent API 详细设计

POST /api/agent/generate

POST /api/agent/refine

MVP 设计理念

工作流程相关

执行相关

调试相关 (MVP 简化版)

工具集成相关 (MVP 简化版)

用户相关

MVP 成功标准

核心功能完成度

质量和性能指标

MVP 用户体验

与完整版本的差异

MVP 版本移除的功能

MVP 专注的核心价值