六顶思考帽多Agent分析系统

基于六顶思考帽理论打造的多Agent协作分析系统，能够对需求进行多角度、全方位分析，生成全面深入的分析报告。

目录

• 快速开始
• 系统架构
• 分析流程
• 环境变量配置
• 命令行参数
• 输入输出示例
• 常见问题
• 扩展系统
• 架构详细说明

快速开始

1. 克隆仓库

git clone https://github.com/your-username/six-hat-bot.git
cd six-hat-bot

2. 配置环境变量

在项目根目录创建.env文件，填入以下内容：

# 选择API类型: azure 或 openrouter
API_TYPE=azure

# 如果使用Azure OpenAI
AZURE_OPENAI_API_KEY=your_azure_api_key
AZURE_OPENAI_ENDPOINT=https://your-resource_name.openai.azure.com/
AZURE_OPENAI_DEPLOYMENT=your_deployment_name

# 如果使用OpenRouter
OPENROUTER_API_KEY=your_openrouter_api_key
OPENROUTER_MODEL=anthropic/claude-3-opus:beta

3. 安装依赖

pip install -r requirements.txt

4. 运行系统

python six_hat_bot.py

开启详细日志模式：

python six_hat_bot.py -v

系统架构概述

本系统基于六顶思考帽理论，采用多Agent协作方式，对需求进行多角度、全方位分析。系统核心由六种思考帽Agent、信息搜集Agent、报告生成Agent、工具管理器、共享内存和模型API接口组成。

系统架构图

@startuml
!theme spacelab
actor 用户 as User
User --> 系统 : 输入需求
package "六顶思考帽系统" {
  [六顶思考帽系统] as System
  [共享内存] as Memory
  [工具管理器] as ToolMgr
  [模型API] as ModelAPI
  [蓝帽Agent] as Blue
  [白帽Agent] as White
  [红帽Agent] as Red
  [黄帽Agent] as Yellow
  [黑帽Agent] as Black
  [绿帽Agent] as Green
  [信息Agent] as Info
  [报告Agent] as Report
  [反思Agent] as Reflect
  [评估模块] as Eval
  System --> Blue
  System --> White
  System --> Red
  System --> Yellow
  System --> Black
  System --> Green
  System --> Info
  System --> Report
  System --> Reflect
  System --> Eval
  Blue ..> Memory
  White ..> Memory
  Red ..> Memory
  Yellow ..> Memory
  Black ..> Memory
  Green ..> Memory
  Info ..> ToolMgr
  ToolMgr ..> ModelAPI
  Report ..> Memory
  Reflect ..> Memory
  Eval ..> Report
}
系统 --> 用户 : 输出报告和评估
@enduml

典型分析流程说明

1. 用户输入需求。
2. 系统保存需求到共享内存。
3. 蓝帽Agent设计分析流程。
4. 信息Agent自动检索相关信息。
5. 白/红/黄/黑帽Agent并行分析不同维度。
6. 绿帽Agent进行创新思维分析。
7. 反思Agent审视和优化分析结果。
8. 报告Agent整合所有分析结果，生成最终报告。
9. 评估模块对报告质量进行评分。
10. 系统输出报告给用户。

分析流程图

@startuml
!theme spacelab
start
:用户输入需求;
:系统保存需求到共享内存;
:蓝帽Agent设计分析流程;
:信息Agent检索信息;
fork
  :白帽Agent分析事实;
  :红帽Agent分析情感;
  :黄帽Agent分析价值;
  :黑帽Agent分析风险;
  :绿帽Agent创新分析;
end fork
:反思Agent审视和优化结果;
if (是否需要继续迭代?) then (是)
  :返回蓝帽Agent重新设计流程;
else (否)
  :报告Agent整合生成报告;
  :评估模块评估报告;
  :系统输出报告和评估;
endif
stop
@enduml

环境变量配置

系统支持两种大模型API：Azure OpenAI和OpenRouter。需要在.env文件中设置以下环境变量：

环境变量	说明	示例值
API_TYPE	选择API类型	azure 或 openrouter
AZURE_OPENAI_API_KEY	Azure OpenAI的API密钥	sk-xxxxxxxxxxxxxxxxxxxx
AZURE_OPENAI_ENDPOINT	Azure OpenAI的API端点	https://your-resource.openai.azure.com/
AZURE_OPENAI_DEPLOYMENT	Azure OpenAI的部署名称	gpt-4
OPENROUTER_API_KEY	OpenRouter的API密钥	sk-or-xxxxxxxxxxxxxxxxxxxx
OPENROUTER_MODEL	OpenRouter使用的模型名称	anthropic/claude-3-opus:beta

如何获取API密钥

Azure OpenAI API密钥

1. 访问Azure Portal
2. 创建或选择OpenAI资源
3. 在"密钥和终结点"部分获取API密钥和终结点
4. 在"部署"部分创建部署并记录部署名称

OpenRouter API密钥

1. 访问OpenRouter官网
2. 注册账号并登录
3. 在Dashboard中创建API密钥

命令行参数

系统支持以下命令行参数：

参数	说明
-v, --verbose	启用详细日志模式，输出详细的运行信息
-h, --help	显示帮助信息

示例：

# 普通模式运行
python six_hat_bot.py

# 详细日志模式运行
python six_hat_bot.py -v

输入输出示例

输入示例

当运行程序后，系统会提示输入需求描述：