168 lines
No EOL
5.4 KiB
Markdown
168 lines
No EOL
5.4 KiB
Markdown
# Data Platform - Multi-Agent Service
|
|
|
|
Eine Full-Stack-Webapplikation für die Ausführung von Multi-Agent-Workflows zur Verarbeitung und Analyse von Daten basierend auf natürlichsprachlichen Benutzeranfragen.
|
|
|
|
Hier: http://localhost:8000/docs
|
|
|
|
## Übersicht
|
|
|
|
Das System ermöglicht Benutzern:
|
|
- Hochladen und Verwalten verschiedener Datendateien
|
|
- Definieren von Prompts/Anweisungen für KI-Agenten
|
|
- Auswählen und Kombinieren spezialisierter Agenten
|
|
- Ausführen von Workflows mit Echtzeit-Protokollierung
|
|
- Visualisieren und Verwalten der Ergebnisse
|
|
|
|
## Projektstruktur
|
|
|
|
Das Projekt besteht aus zwei Hauptkomponenten:
|
|
|
|
### Frontend (HTML/CSS/JavaScript)
|
|
|
|
- `index.html` - Hauptstruktur der Benutzeroberfläche
|
|
- `styles.css` - Umfangreiches CSS für das responsive Design
|
|
- `script.js` - Client-seitige Logik für Interaktionen
|
|
|
|
### Backend (Python/FastAPI)
|
|
|
|
- `app.py` - Hauptanwendung mit API-Endpunkten
|
|
- `models.py` - Datenmodelle und Validierungsschemas
|
|
- `database.py` - Datenpersistenz (JSON-basiert für Demo)
|
|
- `agent_service.py` - Multi-Agent-Orchestrierung
|
|
- `requirements.txt` - Python-Abhängigkeiten
|
|
|
|
## Hauptfunktionen
|
|
|
|
### Workspace-Management
|
|
- Mehrere Workspaces für verschiedene Projekte
|
|
- Organisierte Gruppenarbeit mit geteilten Ressourcen
|
|
|
|
### Datei-Verarbeitung
|
|
- Upload verschiedener Dateitypen (PDF, Excel, Bilder, etc.)
|
|
- Automatische Erkennung und Kategorisierung
|
|
|
|
### Agent-Orchestrierung
|
|
- Kombination verschiedener Agent-Typen:
|
|
- **Datenanalyse-Agent**: Extrahiert Insights aus strukturierten Daten
|
|
- **Visualisierungs-Agent**: Erstellt Diagramme und visuelle Darstellungen
|
|
- **Text-Generator**: Verfasst Berichte und Zusammenfassungen
|
|
- **Web-Scraper**: Sammelt externe Daten
|
|
- **Marktanalyse-Agent**: Spezialisiert auf Wettbewerbsanalyse
|
|
|
|
### Workflow-Ausführung
|
|
- Echtzeit-Protokollierung des Fortschritts
|
|
- Vollständige Nachverfolgbarkeit aller Schritte
|
|
|
|
### Ergebnis-Management
|
|
- Strukturierte Darstellung von Analysen, Diagrammen und Berichten
|
|
- Export- und Sharing-Funktionen
|
|
|
|
## Installation und Einrichtung
|
|
|
|
### Voraussetzungen
|
|
- Python 3.8+
|
|
- Ein moderner Webbrowser
|
|
- Optional: Node.js für Entwicklungswerkzeuge
|
|
|
|
### Frontend-Installation
|
|
1. Klonen des Repositories
|
|
2. Platzieren der Frontend-Dateien auf einem Webserver oder lokalen Entwicklungsserver:
|
|
```bash
|
|
# Mit Python einen einfachen HTTP-Server starten
|
|
python -m http.server 8080
|
|
```
|
|
|
|
### Backend-Installation
|
|
1. Virtuelle Umgebung erstellen und aktivieren:
|
|
```bash
|
|
python -m venv venv
|
|
source venv/bin/activate # Linux/Mac
|
|
venv\Scripts\activate # Windows
|
|
```
|
|
|
|
2. Abhängigkeiten installieren:
|
|
```bash
|
|
pip install -r requirements.txt
|
|
```
|
|
|
|
3. Server starten:
|
|
```bash
|
|
uvicorn app:app --reload --host 0.0.0.0 --port 8000
|
|
```
|
|
|
|
4. Zugangspunkte:
|
|
- Frontend: `http://localhost:8080`
|
|
- Backend API: `http://localhost:8000`
|
|
- API-Dokumentation: `http://localhost:8000/docs`
|
|
|
|
## Verwendung: Der Customer Journey
|
|
|
|
### 1. Workspace auswählen oder erstellen
|
|
- Wählen Sie einen vorhandenen Workspace oder erstellen Sie einen neuen für Ihr Projekt
|
|
|
|
### 2. Dateien hochladen
|
|
- Laden Sie die zu analysierenden Dateien hoch
|
|
- Das System erkennt automatisch Dateitypen und bereitet sie für die Verarbeitung vor
|
|
|
|
### 3. Prompt formulieren
|
|
- Definieren Sie in natürlicher Sprache, was Sie analysieren möchten
|
|
- Je präziser Ihre Anweisungen, desto zielgerichteter die Ergebnisse
|
|
|
|
### 4. Agenten konfigurieren
|
|
- Wählen Sie die passenden Agenten für Ihre Aufgabe
|
|
- Kombinieren Sie Agenten für umfassendere Analysen
|
|
- Datenanalyse → Visualisierung → Textgenerierung
|
|
|
|
### 5. Workflow ausführen
|
|
- Starten Sie den Workflow und verfolgen Sie die Ausführung in Echtzeit
|
|
- Im linken Bereich sehen Sie die Konfiguration
|
|
- Im rechten Bereich werden Protokoll und Ergebnisse angezeigt
|
|
|
|
### 6. Ergebnisse verwenden
|
|
- Sehen Sie Analysen, Diagramme und Berichte ein
|
|
- Exportieren oder teilen Sie die Ergebnisse
|
|
- Iterieren Sie bei Bedarf mit angepassten Prompts oder Agent-Konfigurationen
|
|
|
|
## Anpassung und Erweiterung
|
|
|
|
### Integration mit echten KI-Diensten
|
|
Die aktuelle Implementierung simuliert die Agent-Verarbeitung. Für eine produktive Nutzung:
|
|
|
|
1. Erweitern Sie `agent_service.py` mit Integrationen zu:
|
|
- OpenAI GPT-Modellen (ChatGPT, GPT-4)
|
|
- Claude von Anthropic
|
|
- Eigenentwickelten Modellen mit spezieller Expertise
|
|
|
|
2. Implementieren Sie robuste Datei-Parser für:
|
|
- PDF-Dokumente mit OCR
|
|
- Excel- und CSV-Verarbeitung
|
|
- Bild- und Medienanalyse
|
|
|
|
3. Ergänzen Sie Authentifizierung und Autorisierung:
|
|
- Benutzer-Accounts mit Rollenkonzept
|
|
- API-Schlüsselverwaltung für externe Dienste
|
|
- Sichere Datenspeicherung
|
|
|
|
### Datenbank-Migration
|
|
Für größere Installationen die JSON-basierte Datenbank ersetzen durch:
|
|
- PostgreSQL für relationale Daten
|
|
- MongoDB für Dokumente und unstrukturierte Daten
|
|
- Redis für Caching und Workflow-Status
|
|
|
|
## Technische Details
|
|
|
|
### Frontend-Architektur
|
|
- Vanilla JavaScript ohne Framework-Abhängigkeiten
|
|
- Modularer CSS-Ansatz für einfache Anpassungen
|
|
- Responsive Design für Desktop und mobile Nutzung
|
|
|
|
### Backend-Architektur
|
|
- FastAPI für hohe Performance und automatische API-Dokumentation
|
|
- Asynchrone Verarbeitung für parallele Agent-Ausführung
|
|
- Erweiterbare Service-Struktur für einfache Integration neuer Agententypen
|
|
|
|
## Lizenz
|
|
|
|
PRIVATE LICENSE PATRICK MOTSCH ValueOn AG
|
|
---
|
|
Für Fragen oder Unterstützung wenden Sie sich bitte an p.motsch@valueon.ch |