📋 架构设计指导文档

壹辰 AI 数据运营系统

基于 OpenClaw 的多 Agent 协同架构设计,目标实现:数据自动采集 → AI 智能分析 → 可视化报告 → 微信推送全链路无人值守运营。

📅 制定日期:2026-03-21 👤 设计者:小龙虾 AI 🔄 版本:v1.0 📁 文档位置:/workspace/SPEC-壹辰多Agent系统.md
🔍 一、现状痛点分析
问题现状影响
企微 Bot 未入群所有群发收集/催报均失败数据收集依赖 DM 手动
单点调度所有逻辑都在 Main Agent 里扩展性差,出问题无法定位
人工介入多pending 清理、报告生成都靠触发无法真正无人值守
数据碎片化消息解析、存储、汇总混在一起难以做历史分析和可视化
无可视化没有仪表盘,各店无法自助看数据运营效率低
🏗️ 二、系统整体架构
Layer 5 — 外部信号源
企微消息(用户上报) / 定时触发(Cron) / 手动请求
Layer 4 — OpenClaw Gateway(事件入口/路由)
接收企微消息 → 触发 Main Agent → 路由到对应 Sub-Agent
Layer 3 — Agent Orchestration(编排层)
Main Agent(总指挥/监督)   |   Collector(数据接收)   |   Analyzer(数据分析)   |   Reporter(报告生成)   |   Alerter(异常告警)
Layer 2 — 共享数据中枢
agent_queue.json — 实时任务队列 / pending 状态   |   /data/daily/YYYY-MM-DD.json — 历史数据持久化
Layer 1 — 输出层
React Dashboard(可视化看板)  |   HTML 日报(定时推送)  |   WeCom DM / 群消息推送
🤖 三、Agent 角色定义
Agent类型触发方式核心职责输出
Main Agent总指挥用户消息 / 事件触发 理解意图、拆解任务、协调监督、人工介入对话回复、调度决策
CollectorSub-agent收到消息 / cron 解析消息、提取数据、更新队列、验证数据写入 queue.json
AnalyzerSub-agent12:00 / 手动 统计分析、留客率计算、趋势对比、异常检测写入 memory / JSON
ReporterSub-agent12:00 / 手动 生成 HTML 日报、推送群/个人HTML 文件 + WeCom 消息
AlerterSub-agent11:00 / 15:00 cron 检测 pending 超时、异常数据、推送告警WeCom 告警消息
🗄️ 四、核心数据结构

4.1 任务队列(agent_queue.json)

{
  "tasks": [
    {
      "id": "task_20260321_001",
      "store": "十一店",
      "raw": "到店1 留客1 业绩722",
      "parsed": { "daodian": 1, "liuke": 1, "yeji": 722 },
      "status": "parsed",
      "created_at": "2026-03-21T11:24:00+08:00"
    }
  ],
  "pending_stores": ["三店","六店","九店","十五店","十六店"],
  "date": "2026-03-21"
}

4.2 日报数据(data/daily/YYYY-MM-DD.json)

{
  "date": "2026-03-21",
  "stores": {
    "十一店": { "daodian": 1, "liuke": 1, "yeji": 722,
                "channels": { "meituan":0,"douyin":0,"shangmen":1 },
                "reported_by": "aKeLiTiNaJinJin",
                "reported_at": "2026-03-21T11:24:00+08:00" }
  },
  "summary": {
    "total_daodian": 1, "total_liuke": 1, "total_yeji": 722,
    "report_rate": "3/8"
  }
}
✅ 核心设计原则:所有 Agent 通过读写 JSON 文件通信,实现真正的去中心化松耦合协作,任意一个 Agent 重启都不影响其他 Agent 运行。
五、Cron 调度时序
时间执行Agent动作
09:58System重置 agent_queue.json,pending 恢复为全部试点门店
10:00Collector发送昨日数据收集模板到 BanFenWei DM
10:30Analyzer检查 queue.json,标记超时门店
11:00AlerterDM 催报未提交门店(第一轮)
12:00Reporter + Analyzer汇总数据 → 生成日报 HTML → 推送链接
15:00Alerter下午催报(第二轮,仍未提交门店)
⚙️ 六、技术栈选型
层级技术选型说明
调度层OpenClaw Cron定时触发入口,配置在 openclaw.json
Agent 运行时OpenClaw Sessions SpawnSub-agent 执行环境,隔离运行
通信中枢JSON 文件(agent_queue.json)跨 Agent 共享状态,文件系统级别隔离
历史存储JSON 文件(data/daily/*.json)持久化数据,轻量无需额外服务
报告渲染React + Vite + TailwindCSS可视化仪表盘,HTML5 可分享
消息推送WeCom Bot(message tool)下发通道,对接企微
长期记忆MEMORY.md + memory/*.mdAgent 持久记忆
Web 服务OpenClaw 内置 / minimax spaceDashboard 部署

6.1 目录结构

/workspace/
├── agent_queue.json           # ★ 实时任务队列(共享状态中枢)
├── agents/                    # ★ Agent 模块
│   ├── __init__.py           # 队列管理 + 消息解析引擎
│   ├── collector.py          # 数据接收 Agent
│   ├── analyzer.py           # 数据分析 Agent
│   ├── reporter.py           # 报告生成 Agent
│   └── alerter.py            # 异常告警 Agent
├── data/
│   ├── daily/               # ★ 日数据文件(YYYY-MM-DD.json)
│   │   ├── 2026-03-20.json
│   │   └── 2026-03-21.json
│   └── monthly/             # 月度汇总
├── reports/                  # 生成的 HTML 日报
├── cron_scripts/             # Cron 执行脚本
│   ├── daily_reset.py        # 09:58 重置队列
│   ├── send_template.py      # 10:00 发送模板
│   ├── check_pending.py      # 10:30 检查 pending
│   ├── reminder.py           # 11:00 / 15:00 催报
│   └── generate_report.py   # 12:00 生成报告
├── dashboard/                # React 可视化仪表盘
│   └── dist/                 # 构建产物
├── memory/                   # 每日日志 + 长期记忆
├── SPEC-壹辰多Agent系统.md  # ★ 本架构规格文档
└── 架构设计指导文档.html     # ★ 本文档(HTML版)
📊 七、可视化仪表盘
访问地址:https://v9y30vpkvotg.space.minimaxi.com   |   源码位置:/workspace/dashboard/yc-dashboard/

Dashboard 核心功能

技术实现

🚀 八、部署计划
Phase 1 · 进行中

核心调度自动化

  • ✅ Agent 模块代码(已完成)
  • ✅ Cron 脚本(已完成)
  • ✅ Dashboard 部署(已完成)
  • ⬜ 修复企微机器人加群问题
  • ⬜ 联调全流程(收→解析→生成→推送)
Phase 2 · 本周

告警与可视化

  • ⬜ Alerter Agent 上线
  • ⬜ Analyzer 增加趋势分析
  • ⬜ Dashboard 增加真实数据接口
  • ⬜ 月度报告自动推送
Phase 3 · 迭代

智能分析

  • ⬜ 异常检测算法(IQR / 环比)
  • ⬜ 门店历史查询对话
  • ⬜ 多渠道效果对比
  • ⬜ 推广 ROI 分析
☁️ 九、云服务选型方案

9.1 短期方案:国内低成本起步(现在)

项目选型月费用说明
服务器腾讯云国内 CVM(2核4G)¥228国内低延迟
数据库腾讯云 CDB MySQL 基础版¥68轻量业务足够
存储腾讯云 COS¥510GB
LLMMiniMax + DeepSeek¥70国内直达
合计≈ ¥371/月 ≈ ¥4,000/年

9.2 长期方案:迁移香港 + 海外 LLM

项目选型月费用说明
服务器腾讯云香港 CVM(2核4G)¥280访问 GPT-4 / Claude
数据库腾讯云 CDB MySQL¥68可留国内
LLM(国内)MiniMax + DeepSeek¥70保留
LLM(海外)OpenRouter(GPT-4o / Claude 3.5)¥500月均50万token
合计≈ ¥920/月 ≈ ¥11,000/年
💡 平滑迁移:OpenClaw 配置全在 openclaw.json,迁移到香港只需:打包工作目录 → 传到新服务器 → 改一行 LLM 配置 → 重启。30分钟搞定,数据不动。
🧠 十、多模型协同架构

10.1 Router 模式(意图路由)

用户消息 → 意图分类(小模型)→ 分发到对应 LLM
📊 数据分析任务
→ DeepSeek / Qwen
✍️ 内容创作任务
→ GPT-4o / Claude
🔍 深度推理任务
→ Claude 3.5 Opus

10.2 Pipeline 模式(串行处理链)

消息解析
小模型
数据分析
DeepSeek
报告生成
Qwen/GPT
安全审核
小模型

10.3 OpenClaw 中的模型配置

{
  "models": {
    "providers": {
      "minimax": { "baseUrl": "...", "apiKey": "sk-..." },
      "deepseek": { "baseUrl": "...", "apiKey": "sk-..." },
      "openrouter": {
        "baseUrl": "https://openrouter.ai/api/v1",
        "apiKey": "sk-or-xxxx"          // OpenRouter 支持支付宝
      }
    },
    "agents": {
      "defaults": {
        "model": {
          "primary": "deepseek/deepseek-chat",   // 默认模型
          "models": [
            { "id": "minimax/max",       "provider": "minimax"    },
            { "id": "deepseek/deepseek-chat", "provider": "deepseek" },
            { "id": "openai/gpt-4o",      "provider": "openrouter" },
            { "id": "anthropic/claude-3.5-sonnet", "provider": "openrouter" }
          ]
        }
      }
    }
  }
}
十一、关键技术决策
决策项选择原因
Agent 通信方式 JSON 文件共享 零额外服务、文件级隔离、重启互不影响
数据库选型 MySQL 轻量够用,腾讯云托管,低成本
Dashboard 框架 React + TailwindCSS 开发快,组件丰富,CDN 部署免费
云服务商 腾讯云 企微生态无缝集成,成本低于阿里云
国内 LLM MiniMax + DeepSeek MiniMax 免费额度大,DeepSeek 性价比极高
海外 LLM OpenRouter 支付宝可充值,支持几乎所有主流模型
初期服务器 国内 CVM 低成本,直连国内 LLM,延迟低
迁移路径 香港 CVM + OpenRouter 数据不动,OpenClaw 配置迁移,30分钟完成
⚠️ 十二、风险与对策
Created by MiniMax Agent
×
风险概率影响对策
企微 Bot 无法加群 改用 DM 方案作为主通道;BanFenWei 协助加群
消息解析失败 设置兜底机制(Main Agent 人工介入处理)