# AIOpsConsole

**Repository Path**: yin-chunyang/aiops-console

## Basic Information

- **Project Name**: AIOpsConsole
- **Description**: 一个用于系统学习 AI Agent、前后端交互、系统编排 的工程化示例项目。
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2026-01-08
- **Last Updated**: 2026-01-08

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# AI 项目学习与测试工程

一个用于系统学习 **AI Agent、前后端交互、系统编排** 的工程化示例项目。

目标不是做 Demo，而是理解 **AI 在真实系统中的落地方式**。

---

## 一、项目目标

本项目用于学习和验证以下问题：

- 前端如何以「交互智能」的方式使用 AI
- 后端如何解耦业务 API 与 AI 能力
- Agent 如何作为独立智能服务存在
- AI 能力如何被编排、组合、调用和观测

最终目标是形成一个 **可扩展、可维护的 AI 系统结构**。

---


## 二、整体架构
```
┌──────────────┐
│   Web UI     │  React + TailwindCSS
│              │
│  - 对话 UI   │
│  - Agent 面板│
│  - 状态展示 │
└──────┬──────┘
       │ HTTP / SSE / WS
┌──────▼──────┐
│   API 层    │  NestJS
│             │
│  - 鉴权     │
│  - 业务编排 │
│  - Agent 调度│
└──────┬──────┘
       │ HTTP / MCP / JSON
┌──────▼──────┐
│  Agent 层   │  Python + FastAPI
│             │
│  - LLM 调用 │
│  - 工具调用 │
│  - 推理逻辑 │
└─────────────┘
```

## 三、技术栈说明

### 1️⃣ Web（前端）

- React

- TypeScript

- TailwindCSS

- （可选）React Compiler / SSE

前端关注点：

- 交互设计（不是 Prompt）

- 状态驱动 UI

- 流式 AI 响应展示

- Agent 执行过程可视化

### 2️⃣ API（系统中枢）

- NestJS

- REST / SSE / WebSocket

- 鉴权、权限、日志

API 层职责：

- 不直接做 AI 推理

- 负责：

    - 用户请求校验
    - 任务拆解
    - Agent 调度
    - 状态聚合

> 这是“系统智能”的核心，而不是模型调用层

### 3️⃣ Agent（AI 能力层）

- Python

- FastAPI

- 架构模板：👉 https://github.com/ivan-borovets/fastapi-clean-example

Agent 层职责：

- LLM / Tool / Memory

- 推理链路

- 原子能力输出

- 可被 API 调度

## 四、Agent 项目结构（FastAPI Clean）

基于 fastapi-clean-example，核心思想是 Clean Architecture：

```
agent/
├── app/
│   ├── presentation/   # API 接口层（FastAPI）
│   ├── application/    # 用例 / Agent 编排
│   ├── domain/         # 领域模型（Agent / Task）
│   ├── infrastructure/ # LLM / DB / 外部工具
│
├── tests/
└── main.py
```

### 各层职责说明

- presentation：API 层，只负责输入输出
- application：Agent 编排与执行流程
- domain：Agent 抽象、任务定义
- infrastructure：模型、工具、第三方服务

---

## 五、基本交互流程

以「用户发起 AI 请求」为例：

1. 用户在 Web 端输入任务
2. Web 请求 API（NestJS）
3. API 校验权限并拆解任务
4. API 调用 Agent 服务
5. Agent 执行推理或工具调用
6. 返回结果（支持流式）
7. Web 实时渲染结果

---

## 六、学习路线建议

### 第一阶段：跑通项目

- 启动 Agent 服务（FastAPI）
- 启动 API 服务（NestJS）
- 前端成功调用 Agent

---

### 第二阶段：理解职责边界

- Agent 不处理用户态逻辑
- API 不直接写 Prompt
- Web 不包含业务判断

---

### 第三阶段：进阶方向

- 多 Agent 协作
- Agent 执行过程可视化
- Tool / Function Calling
- SSE / Token Stream
- MCP 协议探索

---

## 七、设计理念说明

AI 项目失败，大多不是模型问题，而是系统结构问题。

本项目通过明确分层，避免以下问题：

- 前端堆 Prompt
- 后端直接调用 LLM
- Agent 变成万能函数
- 系统难以扩展和维护

---

## 八、未来可扩展方向

- MCP（Model Context Protocol）
- Agent Graph / Workflow
- 多模型路由
- Agent 调度中心
- AI Workflow 可视化编排

---

## 九、适合人群

- 前端工程师转 AI 应用方向
- 后端工程师理解 Agent 系统
- 想系统学习 AI 编排与落地
- 不满足于只写 Demo 的开发者

---

## 十、总结

这是一个用于 **把 AI 当成系统工程来学习** 的项目，而不是玩具示例。