手把手教你玩转 DeepSeek 多智能体系统：从安装到 4 大实战案例 (v50.0)

黄佳宇111

245人浏览 · 2026-05-10 16:45:54

黄佳宇111 · 2026-05-10 16:45:54 发布

在上一篇文章中，我们介绍了 多智能体路由系统 (Multi-Agent System) v50.0 的架构原理。那么这套系统到底怎么跑起来？在实际开发中能帮我做什么？

今天，我们就来一场纯干货的实战教学。

项目开源地址：https://github.com/hjy110011/agent.git

一、环境准备与安装

该项目基于 Python 3.10+ 开发。为了确保稳定性，建议在虚拟环境下操作。

1. 克隆与安装依赖

Bash

# 克隆 v50 分支
git clone -b v50 https://github.com/hjy110011/agent.git
cd multi-agent-system

# 创建并激活虚拟环境
python -m venv venv
source venv/bin/activate  # Windows 用户使用 venv\Scripts\activate

# 安装核心依赖
pip install -r requirements.txt

2. 配置 API Key

在项目根目录找到 .env.example，复制一份并重命名为 .env。

Bash

cp .env.example .env

打开 .env，填入你的 DEEPSEEK_API_KEY。系统默认接入 DeepSeek Chat 模型，完美兼容 OpenAI API 格式。

二、启动你的 AI 团队

系统提供了两种交互模式，满足不同场景的需求：

1. 终端交互模式 (CLI) —— 极客首选

执行以下命令进入多行输入终端：

Bash

python main.py

特性：支持多行输入（连续两次回车提交），且具备连续上下文记忆。
审批流：启动时可选择“免审批”或“高危审批”模式，确保系统执行 rm 或 git push 等操作时受控。

2. Web UI 模式 —— 直观便捷

如果你更喜欢浏览器操作：

Bash

python main.py --ui

启动后访问 http://127.0.0.1:7860 即可看到基于 Gradio 构建的交互界面。

三、四大高频使用案例 (Use Cases)

案例 1：全自动代码审查 (Code Review)

场景：写完一段复杂的逻辑，担心有 Bug 或格式不规范。

用户指令：“请帮我审查 main.py 的代码质量。”
系统内部流转：
1. RouterAgent 识别任务，转发给 ReviewerAgent。
2. ReviewerAgent 调用 code_format_tool 检查格式，并使用 check_python_syntax 进行语法静态分析。
3. 最后自动编写并运行 pytest 单元测试，输出完整的审查报告。

案例 2：数据库探查与数据处理

场景：面对陌生的 SQLite/MySQL 数据库，不知道里面有什么表。

用户指令：“帮我看看这个 SQLite 数据库里有什么表，顺便统计下数据量。”
系统内部流转：
1. RouterAgent 调度 DBAAgent。
2. DBAAgent 使用 inspect_database 工具连接数据库，列出所有表结构。
3. 通过 SQL 查询获取行数，并使用 data_format_tool 将结果转化为易读的 JSON 或表格。

案例 3：从零开发新功能

场景：只有一个模糊的想法，需要快速落地原型。

用户指令：“帮我创建一个简单的命令行计算器程序，要支持加减乘除。”
系统内部流转：
1. PMAgent 介入，制定 plan.md 开发计划。
2. CoderAgent 根据计划，调用 write_local_file 编写 Python 代码。
3. ReviewerAgent 自动运行程序验证功能，确保无误后交付。

案例 4：API 接口在线调试

场景：需要测试远程 API 是否可用。

用户指令：“测试一下 https://api.example.com/health 的 GET 接口。”
系统内部流转：
1. CoderAgent 调用内置的 send_api_request 工具。
2. 该工具模拟 Postman 发送请求，并捕获状态码、响应头和 Body 结果。
3. 系统直接返回格式化后的 API 响应分析报告。

四、进阶配置：让 Agent 更听话

安全沙盒：所有文件操作被限制在 SAFE_BASE_DIR 目录内，防止 Agent 误删系统文件。
超时保护：在 .env 中设置 LLM_TIMEOUT（默认 120s），防止由于网络波动导致的无限等待。
连续记忆：得益于 v50.0 的全局单例设计，你可以先让 PM 制定计划，在下一个对话中直接命令 Coder 按照刚才的计划执行，无需重复粘贴背景信息。