← 返回上一页
01 / 08
架构设计项目

AI刺绣定制平台
Agent-Flow

Multi_Agent-Flow串联架构 · 职责边界与接口契约 · MVP落地验证

Prompt工程
RAG检索
Coze低代码
规则引擎
Pain & Background

项目背景与核心痛点

刺绣作为国家级非物质文化遗产,面临"传承难"与"消费难"双重困境。与标准化工业品不同,刺绣定制具有强非标、重沟通、长周期特性——一件定制作品从需求提出到最终交付,往往要经过多轮反复确认,平均沟通成本高。

01

语义鸿沟

用户用"温柔一点""要有高级感"等感性词汇描述需求,匠人需要的是可执行的技术参数(针法、丝线规格、Pantone色号)。

02

视觉失明

用户仅凭文字描述下单,匠人凭经验想象制作,交付时"货不对板"纠纷频发。

03

低效匹配

匠人专业能力分层(有的擅长苏绣花鸟,有的擅长粤绣猛兽)和档期差异,导致用户找不到"对的人"。

行业痛点分析

图片. 行业痛点分析

Core Architecture

核心架构:Multi_Agent-Flow串联设计

独立设计Multi_Agent-Flow串联架构,每个Agent有明确职责边界、输入输出契约和异常兜底策略。

A1
需求解析
Prompt+RAG
A2
图案生成
纯Prompt
A3
匠人匹配
RAG+Prompt

Agent 1 需求解析

自然语言→结构化数据。7维度完整度评分(0-7分),≤4轮澄清对话,输出6模块文字方案+JSON。

7维度评分 ≤4轮澄清 6模块方案 JSON输出
用户旅程图
图片. 用户旅程图
Multi_Agent-Flow系统架构图
图片. Multi_Agent-Flow分层系统架构图
Multi_Agent-Flow系统架构图
图片. 职责边界表格

Agent 2 图案生成

结构化数据→3张视觉方案。基于Seedream生成参考图,含3层降级策略。

3张视觉方案 Seedream 3层降级策略
Multi_Agent-Flow系统架构图
图片. Multi_Agent-Flow分层系统架构图

Agent 3 匠人匹配

需求参数→Top 3匠人。五维度评分(流派30%/复杂度30%/预算20%/档期10%/历史10%)。

Top 3匠人 五维度评分 流派/复杂度/预算
Multi_Agent-Flow系统架构图
图片. 职责边界表格

Flow 进度监控

规则引擎驱动。R1-R6规则(每日播报/延期预警/工序确认/deadline临近/长期停滞/交付完成)。

规则引擎 R1-R6规则 零Token消耗

查看全局工作流程图 →

用户旅程图
图片. 用户旅程图
Iteration

Agent 1 需求解析:V1→V5迭代与验证

Agent 1是整个系统的核心差异化,承担"需求标准化"职责。采用Prompt+RAG混合架构:Prompt负责逻辑推理,知识库存放6大规则表。

V1 → V2 架构解耦
将内嵌在Prompt中的6大规则表迁移到Coze知识库,Prompt改为引用模式。
Token消耗降低60%
V2 → V3 预算优先原则
确立推导优先级(预算P0→工期P1→图案P2),建立预算-复杂度-工期三角校验表。
预算推导准确率提升至90%
V3 → V4 记忆机制
新增显式【当前信息状态】块,强制每轮回顾历史,单次生成原则。
Token从7000降至4000,记忆保持率100%
V4 → V5 冲突预检
增加Step 2.5对象-图案禁忌强制检测(如送母亲+猛虎)。
C3阻断级缺陷修复,综合通过率85%
V1-V3 版本决策详情

图片. V1-V3 版本决策详情

V4-V5 版本决策详情

图片. V4-V5 版本决策详情

Testing

测试验证:6维度加权评分体系

建立6维度加权评分法(语义翻译20%/边界拦截20%/约束冲突20%/澄清策略20%/社交语境10%/基础功能10%),16项测试用例覆盖6大场景类型。

85%
综合通过率
(14/16项)
4.3/5
平均分
5/5
边界拦截能力
5/5
记忆保持能力
级别 问题 修复方案 结果
🔴 阻断级 C3:送母亲+猛虎未识别 增加Step 2.5冲突预检 修复后5/5
🟡 逻辑级 A2:"仙"映射错误 知识库添加氛围词映射 V6优化
🟡 逻辑级 C2:选项不完整 强制三选项结构 V6优化
测试报告问题分级 测试报告问题分级

图片. Agent 1测试报告V2.0(部分内容)

MVP

MVP落地:Coze平台5天搭建

基于"能跑通的Demo > 完美的架构"原则,在Coze平台完成MVP落地。

保留

Agent 1核心差异化、Agent 2视觉生成、简单匠人匹配、5页面应用。

裁剪

Flow规则引擎改为静态演示、多轮修改简化为1次、完整RAG改为硬编码规则。

妥协

固定4轮澄清、history字段显式传递、布尔变量模拟状态机。

5
页面
4
工作流
3
Agent
5
匠人数据
5
天搭建
Coze平台完整工作流

图片. Coze平台完整工作流

完整用户旅程演示
用户输入 → 澄清对话 → 方案生成 → 图案选择 → 匠人匹配 → 进度追踪
Tech Stack

技术选型:为什么这样设计

每个Agent的技术方案不是拍脑袋,而是基于任务特性的理性选择。

Agent 任务特性 最终选择 关键决策理由
Agent 1 逻辑推理+规则推导 Prompt+RAG混合 纯Prompt Token超限;纯RAG无法处理澄清策略
Agent 2 创意生成+视觉输出 纯Prompt RAG限制创意发散;用户需要3张构图变体
Agent 3 知识检索+精准匹配 RAG+Prompt混合 匠人数据动态变化;五维度排序需Prompt推理
Flow 确定性状态流转 规则引擎 进度计算是确定性问题;规则引擎无Token消耗
Agent 1 混合架构详解

图片. Agent 1 混合架构详解

Agent 2/3 方案选择

图片. Agent 2/3 方案选择

Flow 规则引擎方案

图片. Flow 规则引擎方案