8 个 AI Agent 如何协作？Nexus 的 LLM Function Calling 元编排架构

编辑
2026-06-18·15 分钟阅读·nexus
AI AgentLLMFunction CallingFastAPITypeScript

引言

大多数 AI 应用的架构是"一个 LLM 处理所有任务"。但随着任务复杂度增加，单个 LLM 的提示词变得越来越长，性能和可控性都会下降。

Nexus 采用了一种不同的架构：一个主 LLM + 多个专业 Agent。主 LLM 负责理解用户意图，然后决定调用哪个专业 Agent 来处理具体任务。这种"元编排"模式让系统既能保持灵活性，又能保证每个任务的专业性。

1. 架构概览

用户输入
  ↓
AgentRouter.classify_intent() — 关键词匹配（中英双语）
  ↓
主聊天 LLM (Claude) — 看到 14 个工具的 function calling schema
  ├─ L2 工具（服务端立即执行）：add_card, edit_card, delete_card, ...
  ├─ L3 工具（服务端 Agent 执行）：
  │     challenge_thinking → SocraticAgent
  │     analyze_flow → FlowAnalyzerAgent
  │     synthesize_cards → ConclusionAgent
  │     discover_relations → RelationDiscovererAgent
  │     debate_mode → CognitiveDebateAgent
  │     research_path → ResearchPathAgent
  └─ 前端执行：普通画布工具等待用户审批
  ↓
SSE Stream → 前端渲染卡片/连接/Markdown

关键设计决策：

  • L3 Agent 在服务端执行——它们内部再调 LLM，用户无需等待
  • 最多 3 轮工具调用/消息——防止无限循环
  • 审批系统——写入/删除操作需要用户确认（有 YOLO 模式可自动审批）

2. 8 个专业 Agent 详解

2.1 蒸馏 Agent（Distillation Agent）

工具名：distill_text 核心功能：从对话中提取核心洞察，生成结构化卡片

输入：最近 10 条对话消息 + 画布现有关键词
  ↓
LLM 提取：
  - 压缩标题（≤50 字符）
  - 3-5 个关键词
  - 推荐的已有关键词（保持一致性）
  - 推理过程
  ↓
输出：distillation 类型卡片

设计亮点：

  • 扫描画布现有关键词，确保新卡片的关键词与已有卡片一致
  • original_text 字段保留原文，便于溯源

2.2 苏格拉底 Agent（Socratic Agent）

工具名：challenge_thinking 核心功能：用苏格拉底式追问挑战用户的思维，发现逻辑漏洞

输入：画布所有卡片
  ↓
扫描假设指标："显然"、"清楚"、"当然"（中英双语）
分类卡片状态：pending / verified / conclusion
  ↓
LLM 生成 5 维度追问：
  1. 澄清（Clarification）
  2. 挑战假设（Challenging Assumptions）
  3. 证据（Evidence）
  4. 视角（Perspective）
  5. 后果（Consequences）
  ↓
输出：socratic 类型卡片（含 questions 数组 + identified_gaps）

2.3 流分析 Agent（Flow Analyzer Agent）

工具名：analyze_flow 核心功能：分析思维过程的结构，检测模式和瓶颈

输入：画布所有卡片 + 连接关系
  ↓
构建双向连接图
识别：孤岛卡片（0 连接）、瓶颈卡片（≥4 连接）
  ↓
分析 5 维度：
  1. 流完整性（Flow Completeness）
  2. 逻辑结构（Logical Structure）
  3. 覆盖度（Coverage）
  4. 瓶颈识别（Bottleneck Identification）
  5. 优化建议（Optimization Suggestions）
  ↓
分类结构类型：chain / tree / network / cluster / fragmented
计算完整度评分（0-1）
  ↓
输出：flow_analysis 类型卡片

2.4 结论 Agent（Conclusion Agent）

工具名：synthesize_cards 核心功能：综合多张卡片生成结构化结论

输入：用户指定的卡片 ID / #N 引用 / 所有 pending+verified 卡片
  ↓
分析目标卡片间的连接关系
  ↓
LLM 生成：
  - 标题
  - 摘要
  - 关键要点
  - 共识点
  - 分歧点
  - 优势
  - 缺口
  - 推理过程
  ↓
输出：conclusion 类型卡片（含 chain_ids 链接源卡片）

2.5 关系发现 Agent（Relation Discoverer Agent）

工具名：discover_relations 核心功能：发现卡片间的语义关联

输入：目标卡片 + 画布所有其他卡片
  ↓
5 维度关系分析：
  1. 语义关系（Semantic）
  2. 因果关系（Causal）
  3. 支持/矛盾（Support/Contradiction）
  4. 扩展关系（Extension）
  5. 类比关系（Analogy）
  ↓
过滤：置信度 ≥ 0.6，排除已存在的连接
  ↓
输出：连接建议（含 reason + label + confidence）

2.6 认知辩论 Agent（Cognitive Debate Agent）

工具名：debate_mode 核心功能：结构化的正反方辩论分析

输入：关键词匹配的相关卡片
  ↓
生成正方论证（Pro）：
  - 支持证据
  - 强度评分
  ↓
生成反方论证（Con）：
  - 反驳证据
  - 逻辑缺口
  ↓
综合评估：
  - 整体强度评分
  - 关键分歧
  - 需要验证的假设
  - 下一步建议
  ↓
输出：debate 类型卡片（含 positions + synthesis）

2.7 研究路径 Agent（Research Path Agent）

工具名：research_path 核心功能：从主题卡片生成结构化研究简报

输入：主题卡片
  ↓
BFS 构建研究图（2 跳）
识别：结论卡片、待定卡片
  ↓
分析：
  - 当前理解状态（含置信度）
  - 盲点（含重要性）
  - 研究路径步骤（含优先级和工作量）
  - 参考建议
  ↓
输出：research_path 类型卡片（含 steps + blind_spots + references）

2.8 知识图谱 Agent

核心功能：从画布卡片抽取实体和关系

输入：最多 30 张卡片
  ↓
LLM 抽取：
  - 实体（6 类）：concept / person / theory / tool / method / event
  - 关系（6 类）：is_a / part_of / causes / uses / related_to / contradicts
  - 每个实体链接到源卡片 ID
  - 关系含置信度评分（0.6-1.0）
  ↓
存储：SQLite 表 entities + entity_relations
可视化：力导向图 SVG 渲染

3. LLM Function Calling 元编排

Nexus 的核心创新在于让 LLM 自己决定调用哪个 Agent。

3.1 工具定义

主聊天 LLM 看到的工具 schema：

3.2 Agent 执行流程

3.3 混合上下文管理

为了优化 token 使用，Nexus 使用混合上下文加载：

4. 无限画布系统

Nexus 的前端使用纯 TypeScript（零框架）实现了完整的无限画布。

4.1 13 种卡片类型

类型图标来源用途
note📝用户基础文本卡片
distillation💎蒸馏 Agent提炼的洞察
socratic❓苏格拉底 Agent追问和逻辑缺口
flow_analysis🔄流分析 Agent思维结构诊断
choice🎯用户决策卡片
vote🗳️用户投票卡片
conclusion🎓结论 Agent综合结论
debate⚖️辩论 Agent正反方分析
research_path🗺️研究路径 Agent研究路线图
progress📊用户进度追踪
checklist✅用户任务清单
quote💬用户引用内容
image🖼️用户粘贴的图片

4.2 连接系统

5 种默认关系标签：

  • 🟢 支撑（Supports）
  • 🟠 质疑（Questions）
  • ⚪ 相关（Related）
  • 🔵 导致（Leads to）
  • 🔴 反对（Opposes）

4 套自定义标签包：通用 / 软件开发 / 学术研究 / 决策分析

4.3 高级功能

  • [[wikilink]]：在卡片中引用其他卡片
  • #N 引用：创建指向特定卡片的可点击链接
  • 高亮传播：选中卡片时高亮其邻域（可配置深度）
  • KaTeX LaTeX：$...$ 行内公式，$$...$$ 块级公式
  • 50 级撤销/重做：Ctrl+Z / Ctrl+Y
  • 自动保存：防抖 1.5 秒

5. 知识拓扑可视化

5.1 力导向图

使用 SVG 渲染力导向图，实现：

  • 交互式节点拖拽
  • 鼠标滚轮缩放/平移
  • 实体类型过滤（6 种可切换）
  • 颜色编码（按实体/关系类型）
  • 详情面板（实体描述 + 关联卡片）
  • 点击跳转到画布卡片

5.2 实体和关系类型

实体类型：concept / person / theory / tool / method / event

关系类型：is_a / part_of / causes / uses / related_to / contradicts

6. 工程质量

6.1 代码架构

backend/
├── agents/           # 8 个 Agent（继承 BaseAgent）
├── api/              # FastAPI 路由
├── core/             # AgentRouter, ContextManager, ToolRegistry
├── llm/              # LLM 客户端 + 提示词
├── providers/        # Anthropic Provider 实现
├── graph/            # 知识图谱存储
└── db/               # SQLite 持久化

frontend/
├── core/             # Runtime, Session, State
├── features/         # Canvas, Chat, Graph, Inbox
├── shared/           # 38 个可复用组件
└── styles/           # 7 个 CSS 文件

6.2 设计模式

  • 抽象基类：Agent / Tool 都有 ABC
  • Registry 模式：工具和 Provider 动态注册
  • Strategy 模式：Runtime Provider 可切换
  • Factory 模式：LLM Provider 工厂

6.3 安全措施

  • Token 认证（NEXUS_API_TOKEN）
  • Rate Limiting（LLM 10/min，其他 30/min）
  • Prompt 注入防护（HTML 转义）
  • CORS 配置

总结

Nexus 的核心理念是：让 AI 成为思维的催化剂，而不是替代品。通过 8 个专业 Agent，系统能在不同维度分析用户的思考——从微观的逻辑漏洞（苏格拉底 Agent）到宏观的思维结构（流分析 Agent），从正反方论证（认知辩论 Agent）到未来方向（研究路径 Agent）。

LLM Function Calling 元编排让这一切自动化——用户只需要思考，系统会自动选择最合适的分析工具。

技术栈：FastAPI + TypeScript + Vite + SQLite + Claude API + Docker

项目地址：https://github.com/wanxiayushaonian/OuterBrainSystem