CrewAI 产品规划助手

基于 CrewAI 构建的多 Agent 产品规划助手，部署在 EdgeOne Makers 上。产品经理、技术主管和评审员协作，通过交互式问答将你的产品想法转化为 PRD 和技术方案。

Framework: CrewAI · Category: Quick Start · Language: Python

概览

CrewAI 产品规划助手模拟一个产品团队：产品经理通过问答收集需求，然后与技术主管合作产出 PRD 和技术方案。评审员在每个阶段提供改进建议。整个过程基于对话驱动——你通过选择题或自由输入来引导方向。

多 Agent 协作 — 三个角色（PM、TL、Reviewer）通过 CrewAI Flow 按序协作
交互式问答 — PM 在起草前先提问澄清需求，你可以选择选项或自由输入
迭代优化 — 初稿完成后可持续反馈，直到满意为止
会话持久化 — 对话状态通过 Store 同步，跨实例可恢复
流式输出 — 通过 SSE 实时推送每个 Agent 的回复内容

环境变量

变量	必填	说明
`AI_GATEWAY_API_KEY`	是	模型网关 API Key。使用 Makers Models API Key，或任何 OpenAI 兼容的 Key。
`AI_GATEWAY_BASE_URL`	是	网关地址。Makers Models 使用 `https://ai-gateway.edgeone.link/v1`。
`AI_GATEWAY_MODEL`	否	模型 ID。默认为 `@makers/deepseek-v4-flash`（免费内置模型）。

本模板遵循 OpenAI 兼容标准，可对接 Makers Models 或任何兼容的模型网关。

如何获取 `AI_GATEWAY_API_KEY`

打开 Makers 控制台。
登录并开通 Makers。
进入 Makers → 模型 → API Key，创建一个 Key。
将 Key 填入 AI_GATEWAY_API_KEY（AI_GATEWAY_BASE_URL 填写 https://ai-gateway.edgeone.link/v1）。

内置模型（@makers/deepseek-v4-flash、@makers/hy3-preview、@makers/minimax-m2.7）免费但有频率限制，适合开发验证。生产环境建议在控制台绑定自有模型 Key（BYOK）。

本地开发

前置依赖： Node.js、npm、Python 3.11+

npm install
cp .env.example .env
edgeone makers dev

CLI 会自动从 agents/requirements.txt 安装 Python 依赖。

打开 http://localhost:8080/agent-metrics 查看本地可观测面板。

项目结构

crewai-planner-python/
├── agents/
│   ├── stream.py              # /stream — 主对话端点（SSE 流式）
│   ├── _lib/
│   │   ├── flow.py            # TurnFlow：基于 CrewAI Flow 的暂停/恢复机制
│   │   ├── llm.py             # LLM 单例初始化
│   │   ├── persistence.py     # 内存 + Store 持久化
│   │   ├── feedback_provider.py # 异步反馈提供者（抛出 HumanFeedbackPending）
│   │   └── logger.py          # 共享日志工厂
│   ├── _crews/
│   │   ├── agents.yaml        # Agent 角色定义（PM、TL、Reviewer）
│   │   ├── discovery_crew/    # 需求收集 Crew
│   │   ├── planning_crew/     # PRD + 技术方案生成 Crew
│   │   └── iteration_crew/    # 反馈迭代 Crew
│   └── requirements.txt       # Python 依赖
├── cloud-functions/
│   ├── history.py             # /history — 获取对话消息
│   └── delete.py              # /delete — 删除对话数据
├── src/                       # 前端（React + Tailwind）
├── edgeone.json               # Agent 运行时配置
└── package.json

以 _ 为前缀的文件是私有模块，不会被 EdgeOne 暴露为公开路由。

工作原理

Agent 以会话模式运行：相同 conversation_id 的请求路由到同一实例。

工作流

首轮 — 用户输入产品名称，PM 提出第一个问题，Flow 暂停（通过 @human_feedback）。
需求收集阶段 — PM 提 2-3 轮问题（A/B/C 选项），收集足够上下文后转入起草阶段。
起草阶段 — PM 编写 PRD，技术主管编写技术方案，评审员提出改进建议。Flow 暂停等待用户反馈。
迭代阶段 — 用户提供反馈（或选择"确认完成"），PM 和 TL 逐条回应。循环至用户确认定稿。
定稿 — PM 和 TL 输出最终版 PRD 和技术方案。

核心机制

CrewAI Flow + @human_feedback：每次暂停抛出 HumanFeedbackPending，下一次 HTTP 请求通过 resume_async(feedback) 恢复。
流式输出：CrewAI 的 FlowStreamingOutput 逐 token 推送 SSE 事件，附带 Agent 归属信息。
持久化：内存字典存储 Flow 状态，sync_pending_to_store() 同步到平台 Store，跨实例可恢复。
历史记录：/history（cloud function）读取存储的消息；/delete 清除对话数据。

路由

路由	方法	说明
`/stream`	POST	主对话轮次（SSE 流式）
`/history`	POST	获取对话消息
`/delete`	POST	删除对话及 Flow 状态

conversation_id 通过 makers-conversation-id 请求头传递。

License

MIT

框架	React.js
应用场景	Agents,AI

框架	React.js
应用场景	Agents,AI