史迹寻踪 - AI历史剧本创作系统

1. 项目概述

项目名称： 史迹寻踪 (Historical Traces)
Network ID： HistoricalScriptCreation

项目简介

史迹寻踪是一个基于OpenAgents框架的多智能体协作系统，通过5个专业AI Agent的协同工作，将用户输入的历史主题转化为完整的专业剧本。系统不仅生成剧本大纲，还提供5轮互动式历史场景体验，最终输出符合真实剧本格式的完整作品。

目标用户/使用场景

• 教育工作者：用于历史教学，让学生通过互动体验历史场景
• 编剧创作者：快速生成历史题材剧本大纲和完整剧本
• 历史爱好者：深度体验和了解历史事件
• 文化创意产业：用于影视、舞台剧等文化产品的创意开发

---

2. 技术架构

使用的OpenAgents版本与相关技术栈

• OpenAgents版本： 0.8.5
• Python版本： 3.10+
• LLM模型： DeepSeek Chat (deepseek-chat)
• 通信协议： gRPC (内部通信)、HTTP (Studio界面)
• 数据存储： SQLite (network.db)、JSON (消息历史)
• Mod驱动： openagents.mods.workspace.messaging

Agent Network设计思路

本系统采用线性工作流 + 双向互动的架构设计，核心设计理念：

1. 严格的频道隔离：每个Agent只订阅必要的频道
2. 中央协调模式：AgentG作为唯一与用户交互的Agent
3. 静默收集机制：AgentD全程静默收集互动数据
4. 状态驱动互动：AgentC采用严格的状态机

系统流程图

用户(#general) → AgentG(协调员) → AgentA(历史学家) → AgentB(剧本策划)
                      ↓                                      ↓
                    转发所有结果                        剧本大纲
                    到#general                              ↓
                      ↑                              AgentC(互动演绎) ⇄ 用户(5轮)
                      |                                      ↓
                    完整剧本                           互动完成信号
                      ↑                                      ↓
                  AgentD(剧本创作) ←────── AgentG(触发创作信号)

---

3. 智能体设计

AgentG - 协调员 (agent_g_coordinator)

• 职责：中央协调者，唯一与用户直接交互
• 订阅频道：general, user-input, historical-research, script-planning, interactive-performance, script-output
• 主要功能：转发主题、转发所有结果、双向转发互动消息、触发剧本创作

AgentA - 历史资料收集员 (agent_a_researcher)

• 职责：收集和整理历史背景资料
• 订阅频道：user-input, historical-research
• 输出内容：时代背景、关键人物、核心事件、文化特色

AgentB - 剧本策划师 (agent_b_planner)

• 职责：将历史资料转化为戏剧大纲
• 订阅频道：historical-research, script-planning
• 输出内容：3幕剧本大纲 + 角色设定

AgentC - 互动演绎师 (agent_c_performer)

• 职责：提供5轮互动式历史场景体验
• 订阅频道：script-planning, interactive-performance
• 关键特性：严格等待用户回复，4层过滤检查防止自动推进

AgentD - 完整剧本创作师 (agent_d_scriptwriter)

• 职责：创作符合真实剧本格式的完整作品
• 订阅频道：script-output
• 输出内容：2000-3000字专业剧本（含场景、对白、动作、神态、心理）

---

4. 协作场景与创新点

协作场景描述

完整的历史主题到专业剧本的全流程创作，包含：资料收集 → 剧本策划 → 互动演绎(5轮) → 完整剧本输出

创新性体现

1. 任务分配创新：渐进式内容生成、静默收集机制、中央协调模式
2. 决策机制创新：严格的状态机、去重机制、智能等待
3. 异常处理创新：消息来源检查、内容过滤、频道隔离

---

5. 实际应用价值

解决的问题

1. 历史教育痛点：通过互动演绎让学生身临其境
2. 编剧创作效率：自动生成完整剧本框架
3. 文化内容生产：快速生成多样化的历史剧本创意
4. 知识传播方式：互动式体验更符合现代人的学习习惯

可扩展性

• 近期：增加剧本类型、多语言支持、多媒体输出
• 长期：AgentE审核、AgentF优化、教育平台集成、影视产业应用

---

6. 开发、发布与使用说明

环境依赖

Python 3.10+
OpenAgents 0.8.5

安装与运行步骤

1. 创建虚拟环境

python3 -m venv openagents_env
source openagents_env/bin/activate

2. 安装OpenAgents

pip install openagents==0.8.5

3. 配置API密钥 编辑agents/*.yaml文件，替换API密钥：

config:
  api_key: "your-deepseek-api-key"

4. 启动网络

cd my_network
openagents network start .

5. 启动Agents

openagents agent start agents/agent_g_coordinator.yaml
openagents agent start agents/agent_a_researcher.yaml
openagents agent start agents/agent_b_planner.yaml
openagents agent start agents/agent_c_performer.yaml
openagents agent start agents/agent_d_scriptwriter.yaml

6. 访问界面 打开浏览器访问：http://localhost:8700

7. 开始使用 在#general频道输入：主题：苏轼夜游承天寺

---

7. 团队与分工

个人项目
开发者：Yasmine
工作内容：系统架构设计、Agent开发、调试优化、项目文档编写

---

8. 遇到的挑战与解决方案

挑战1：AgentC自动连续生成多段场景

解决方案：实施4层严格过滤机制（内容检查、来源检查、标记检查、状态检查）

挑战2：AgentG没有真正转发用户回复

解决方案：明确要求AgentG必须调用send_channel_message工具

挑战3：Agent重复响应和重复转发

解决方案：为所有Agent添加去重检查逻辑

挑战4：系统token消耗过大

解决方案：简化Agent数量(8→5)、优化互动轮数(10→5)、严格的频道隔离

---

9. 未来展望

• 短期：完善现有功能、增加配置选项、提升用户体验
• 中期：扩展Agent数量、多模态支持、数据积累
• 长期：教育平台化、影视产业应用、知识图谱、社区建设

---

10. 附录

项目结构

my_network/
├── agents/                          # Agent配置文件
│   ├── agent_a_researcher.yaml
│   ├── agent_b_planner.yaml
│   ├── agent_c_performer.yaml
│   ├── agent_d_scriptwriter.yaml
│   └── agent_g_coordinator.yaml
├── mods/                            # 模块数据
├── network.yaml                     # 网络配置文件
├── view_messages.py                 # 消息查看工具
└── README.md                        # 本文档

快速命令参考

# 启动网络
openagents network start .

# 查看消息历史
python3 view_messages.py

# 停止所有进程
ps aux | grep openagents | grep -v grep | awk '{print $2}' | xargs kill

---

最后更新时间： 2026年1月13日
OpenAgents版本： 0.8.5
项目状态： 已完成Hackathon提交版本