项目介绍：构建多Agent工作流系统
如果你想真正理解和构建一个 AI 系统，而不仅仅是调一个 ChatGPT API，那么这个项目就是为你准备的。我们将从零开始，搭建一个具有完整 Agent 调度、知识检索、语言理解和任务管理能力的 AI 系统。项目设计以企业级应用为目标，围绕“Agentic System”的概念展开，涵盖当前主流的 AI 工程关键技术。
通过⼀次完整的 AI 应⽤开发流程，覆盖 AI ⼯程中的关键技术：Multiagent architecture, LangGraph、LangChain, LangSmith、RAG、MCP SDK、RBAC、安全认证、Synthetic Data、Eval pipeline 等。是能实现Enterprise级别的AI项目。
项目为期 8 周，采用“任务驱动式”的实战方式，每周发布一个开发任务（Milestone），你将像一名 AI 工程师一样独立完成系统搭建与功能实现。每周提供 2小时导师辅导和 debug 支持，帮助你突破关键技术难点，高效推进项目落地。
项目背景
本项目以真实的中小企业智能电话系统为应用场景，围绕企业级产品进行开发，是一个为中小企业设计的智能电话AI agent，能够自动接听客户电话、分析客户需求、执行相应的业务动作。用户无需技术背景，只需要简单配置，就能让AI代替人工处理日常的客户服务工作。
项目的目标是一个为中小企业设计的智能电话助理，用户不用会技术，只需要像发微信一样填写信息，就能设置好AI 语音客服助理，就能让AI帮你：
- 自动接听客户电话，听懂客户到底想要什么
- 分析客户需求（比如预约服务、咨询价格、投诉问题）
- 查找相关的业务信息（价格、政策、可用时间等）
- 执行具体行动：发短信、建工单、安排时间、调日历
- 还能自动回访、紧急提醒、甚至处理多步事务
目标用户是像房产中介、装修工、电工这样的背景的机构或个人，他们虽然不懂IT技术，但只要填写几句话，就可以设置一个电话助手来代替自己接听电话、处理事务、安排工作。
在这个项目里，你的角色不是做前端页面，而是：把背后的 AI 模块真正“接入进来”——让对话变得更聪明、更高效、更像一个能干活的真人助手。
项目的任务，就是让这个“助手”更聪明、更懂人话、更能自主完成任务。
核心学习目标
通过⼀次完整的 AI 应⽤开发流程，覆盖 AI ⼯程中的关键技术：Multiagent architecture, LangGraph、LangChain, LangSmith、RAG、MCP SDK、RBAC、安全认证、Synthetic Data、Eval pipeline 等。
这个项目的核心目标，是带你搭建一个完整的 agentic AI 系统，也就是一个由多个智能Agent协同工作、能够处理复杂业务流程的AI架构。
我们要做的是一个AI“虚拟客服助理”，它具有以下几种能力：
- 能听懂客户的问题（你输入一段话，AI知道你想问啥）
- 能回答和你业务有关的问题（比如“你们几点开门？”、“维修需要多长时间？”）
- 能从你给它的资料里自己找答案（比如从你的FAQ、产品介绍、预约记录里提取信息）
- 能安排任务或提醒事项（比如“帮我安排明天下午的维修”，它能查时间然后记录下来）
- 未来可以接入语音输入/电话客服接口
Dispatch AI 功能介绍
1. 智能消息管理中心
功能阐释：
- 智能消息管理中心，整合所有客户交互记录（电话、短信等）
- 自动分类消息状态（未接/已完成/需跟进）
- 提供对话摘要和关键点提取
- 支持历史记录检索和时间线查看
2. 智能信息服务记录（Service）
功能说明：
- 服务项目管理中心，记录每项服务的完整生命周期
- 详细服务记录包括创建者、状态、时间戳和完整描述
- 服务状态追踪（如"Completed"已完成状态）
- 与服务表单(Service Form)深度集成，记录客户原始请求
3. 智能信息服务管理（Service Management）
功能说明：
- 服务项目配置中心，可管理多项服务及其状态
- 实时显示服务激活状态和时间戳
- 支持服务项目的快速启用/停用
- 与服务日历、调度系统深度集成
4. AI智能手机助手设置（AI Setup）
功能说明：
- 新用户引导式配置界面
- 设备兼容性设置（iPhone/Android选择）
- 分步骤完成AI助理的基础配置
- 与其他功能模块的导航链接
5. 智能信息日志（Calendar）
功能说明：
- 可视化时间管理界面，集成所有服务任务
- 日/周/月视图切换，适应不同管理需求
- 任务状态直观展示（如待处理、进行中、已完成）
- 与服务管理系统双向同步
- 支持快速查看和操作每日任务
6. 智能信息订阅（Billing）
功能说明：
- 订阅计划管理（免费试用/基础版/专业版）
- 发票历史记录与下载功能
- 当前套餐详情展示
- 升级/降级/取消订阅操作入口
7. 用户信息设置（Settings）
功能说明：
- 个性化AI问候语配置
- 用户资料管理（姓名、联系方式、角色）
- 验证方式设置（手机号/邮箱）
- 第三方集成（如Google Calendar）
- 公司信息和账单地址管理
通过8周的实战开发，您将：
- 掌握多Agent协作系统的设计与实现
- 理解企业级AI系统的工程化开发流程
- 具备独立构建可部署AI产品的能力
- 建立从概念到落地的完整AI工程思维
我们会从最基础的对话问答能力入手，逐步构建起由 LangGraph 组织的 Agent 网络，在这个网络中，每个 Agent 使用 ReAct 框架独立执行任务，并与一个 MCP（Model Context Protocol）Server 建立连接，实现上下文共享和任务指令转发。
而这个过程，也正是从 Prompt 到 LLM、从 Embedding 到 Agent、从 RAG 到 MCP 的 AI 工程化落地实践。
系统能力目标
项目完成后，您构建的AI系统将具备以下核心能力：
- 智能对话理解：准确理解客户的自然语言输入，识别意图和关键信息
- 知识检索问答：基于企业私有知识库，提供准确的业务相关回答
- 任务自动执行：根据对话内容自动执行相应的业务操作，如安排预约、发送通知等
- 多Agent协作：通过多个专业化Agent的协同工作，处理复杂的业务流程
- 状态管理与追踪：维护对话状态和任务执行状态，确保业务流程的连续性
为什么要做这个项目？
现实痛点：大部分人学AI还停留在"调个ChatGPT API"的水平，但企业真正需要的是能解决实际问题的系统。
项目价值：你将亲手搭建一个真正在生产环境运行的AI系统，这种经验在简历上会非常亮眼。
技能提升：从会用AI工具，升级到会造AI系统，这是质的飞跃。
核心AI技术栈一览
AI核心模块开发阶段
