AI 辅助 FMEA 分析平台：把 SOR 需求文档交给系统，AI 引导你一步步完成 DFMEA/PFMEA 七步分析，最终生成可直接使用的 FMEA 报告并导出 Excel。
FMEA Agent 是一个面向汽车/制造行业的 AI 辅助失效模式与影响分析平台。它基于 LLM（DeepSeek / OpenAI 兼容接口）与多智能体（Multi-Agent）架构，将传统 FMEA 分析中大量重复、耗时的工作（结构拆解、功能梳理、失效链推演、风险评分、优化措施生成）自动化，并内置了步骤审批、工程师指派、邮件通知等团队协作能力。
全程以「对话」方式操作：对 AI 说想做什么，AI 自动执行并把结果展示在工作台中间区域。
| 能力 | 说明 |
|---|---|
| 自动拆解结构树 | 从 SOR 文档（PDF/Excel）自动提取 系统 → 子系统 → 组件 → 零件 四层结构 |
| 自动功能分析 | 每个节点功能由多个 AI 专家并发分析，自动绑定相关法规 |
| 自动失效分析 | 识别每条功能的失效链（失效影响 → 失效模式 → 失效原因 → 失效控制） |
| 标准化风险评估 | 按公司 S/O/D 评分标准 + AP 表自动计算 RPN 与操作优先级 |
| 自动生成优化措施 | 对高风险项自动生成预防/探测措施、目标完成日期，并指派责任人 |
| 一键出报告 | 汇总全部数据生成 DFMEA 报告，一键导出 Excel |
| 全程可协作 | 步骤确认、审批、工程师指派、邮件通知，全流程留痕 |
| 角色权限 | 项目负责人 / 工程师 / 评审员 / 管理员 四级角色与团队管理 |
| 步骤 | 名称 | 说明 |
|---|---|---|
| Step 0 | 规划准备 | 创建项目（项目名 = 分析对象） |
| Step 1 | 结构分析 | 生成产品结构树 |
| Step 2 | 功能分析 | 每个节点做什么 |
| Step 3 | 失效分析 | 可能怎么坏、影响什么 |
| Step 4 | 风险评估 | S/O/D 评分、RPN、AP 优先级 |
| Step 5 | 优化措施 | 预防/探测措施 + 责任人 + 完成日期 |
| Step 6 | 文件化 | 汇总报告 + Excel 导出 |
- 后端：Python 3.13 + FastAPI + Uvicorn（SSE 流式输出）
- Agent 框架：agno（本地源码注册，离线可用）
- 数据库：PostgreSQL（业务数据 + 用户/角色/审批，
db/migrations/提供建表脚本） - LLM：DeepSeek / OpenAI 兼容 API（
FMEA_MODEL_BASE_URL可切换） - 文档解析：PyMuPDF / pypdf / python-docx（SOR 文档解析）
- 前端：原生 HTML + JS（无构建步骤），含登录、工作台、团队、智能体管理页面
| 路由 | 页面 |
|---|---|
/ |
首页 / 工作台入口 |
/login |
登录 |
/chat |
FMEA 工作台（核心页面：项目列表 + 七步导航 + 内容区 + AI 对话） |
/agent |
智能体管理 |
/team |
团队管理 |
agent-fmea/
├── fmea-agent/ # 主程序
│ ├── main.py # 服务入口（FastAPI 应用，python main.py 启动）
│ ├── .env.example # 环境变量模板（复制为 .env 并填写）
│ ├── requirements.txt # 依赖清单
│ ├── agents/ # 各步骤 Agent（planning/function/failure/risk/optimization/document）
│ ├── engine/ # LLM 客户端、并发执行、质量自检、工具（fmea_helpers 等）
│ ├── orchestrator/ # 工作流编排、多智能体调度、步骤门禁
│ ├── workflow/ # FMEA 流水线、增量更新
│ ├── models/ # 数据模型（agent_config / approval / failure 等）
│ ├── tools/ # 工具集
│ ├── db/migrations/ # PostgreSQL 建表/变更 SQL
│ ├── deploy/ # systemd 服务、nginx 配置、离线安装脚本
│ ├── config/ # 项目配置（含示例 hev_battery.yaml）
│ └── *.html # 前端页面（login / chat / agent / team / index）
├── Dockerfile # 镜像构建（镜像内自带 .env，便携部署）
├── docker-compose.yml
├── docker-build.sh # 构建/导出脚本（--export 导出离线镜像）
├── deploy-fast.sh / deploy-fast.bat # 快速部署脚本
├── install-linux.sh # Linux 一键安装
├── update-server.sh # 服务器代码更新
├── full-requirements.txt # 完整离线依赖清单
├── QUICK-START-Linux.md # Linux 极简安装指南
├── DEPLOY.md # Docker 部署指南
├── DEPLOY-SOP.md # 完整部署 SOP（Windows → Linux 离线）
└── 更新手册.md # 日常代码更新手册
cd fmea-agent
cp .env.example .env.env 必填项：
| 变量 | 说明 | 示例 |
|---|---|---|
FMEA_MODEL_API_KEY |
LLM API Key | sk-xxxx |
FMEA_MODEL_NAME |
模型名称 | deepseek-chat / gpt-4o |
FMEA_MODEL_BASE_URL |
API 地址 | https://api.deepseek.com |
FMEA_DB_URL |
PostgreSQL 连接串 | postgresql+psycopg2://user:pass@host:5432/dbname |
FMEA_HOST |
监听地址 | 0.0.0.0（容器内必填） |
FMEA_PORT |
监听端口 | 7777 |
LOG_LEVEL |
日志级别 | INFO / DEBUG |
cd fmea-agent
pip install -r requirements.txt
# 初始化数据库：执行 db/migrations/ 下的 SQL 脚本
python main.py
# 浏览器访问 http://localhost:7777注意：agno 框架需本地注册（
agno/libs/agno），.env中可通过AGNO_PATH指定路径；若缺失会自动探测项目上级目录的agno/。
# 编辑 .env 填入 API Key → 构建并启动
chmod +x docker-build.sh
./docker-build.sh
# 验证
curl http://localhost:7777/health镜像内置 .env（含 API Key），可通过 docker save + docker load 直接搬运到任何服务器运行：
# 本地构建导出
./docker-build.sh --export # 生成 fmea-agent.tar.gz
# 目标服务器导入运行
docker load < fmea-agent.tar.gz
docker run -d --name fmea-agent --restart unless-stopped -p 7777:7777 fmea-agent:latest适用于无外网的服务器，详见 QUICK-START-Linux.md 与 DEPLOY-SOP.md：
- Windows 上准备离线依赖包（
wheels/+full-requirements.txt） - 将整个
agent-fmea文件夹拷到服务器（scp / U 盘） - 服务器执行
chmod +x install-linux.sh && ./install-linux.sh - 配置
.env（必改 4 项） - PostgreSQL 建库（执行
db/migrations/SQL） - 后台启动：
nohup python main.py >> logs/server.log 2>&1 & - 访问
http://服务器IP:7777
- 浏览器访问系统地址（默认
http://localhost:7777），用管理员分配的账号登录 - 进入「FMEA 工作台」，在右侧对话框输入：
「创建一个 FMEA 项目，名称：3_6KW，类型：DFMEA，描述：低压电池包」
- 等待 AI 创建项目，左侧项目列表出现该项目
- 从 Step 1 结构分析开始逐级推进（先「初始化项目知识库，SOR 文件夹路径：...」）
- 最后输入「生成报告」，在报告页面下载 Excel
各角色详细操作、审批流程、风险评分标准配置见
fmea-agent/FMEA-Agent 使用手册.md。
- 端口冲突：确保 7777 端口未被占用，或通过
-p 其他端口:7777映射 - 日志：
logs/fmea-agent.log（或logs/server.log），可用docker logs -f fmea-agent查看容器日志 - 数据持久化：Docker 使用 named volume，容器删除/重建不会丢失运行数据
- 换模型：修改
.env中FMEA_MODEL_NAME/FMEA_MODEL_BASE_URL/FMEA_MODEL_API_KEY后重启服务
详见 agno 框架 LICENSE 与本仓库说明。