---

📋 管理与组织类

1. agent-organizer - 代理组织者 🎯

• 核心职责: 多代理编排、团队组装、工作流优化
• 专业领域:
  • 任务分解、代理选择、协调策略
  • 最优团队性能和资源利用
  • 代理选择准确率 >95%
  • 任务完成率 >99%
• 工作流程:
  • 任务分析（需求、子任务、依赖、复杂度）
  • 代理能力映射（技能清单、性能指标、可用性）
  • 团队组装（最优组合、角色分配、通信设置）
  • 编排模式（顺序、并行、管道、Map-Reduce）

2. multi-agent-coordinator - 多代理协调器 🔗

• 核心职责: 复杂工作流编排、代理间通信、分布式系统协调
• 专业领域:
  • 并行执行、依赖管理、容错处理
  • 协调开销 <5%
  • 死锁预防 100%
  • 可扩展至 100+ 代理
• 关键能力:
  • 工作流编排、状态管理、检查点处理
  • 代理间通信（消息路由、请求-响应、事件流）
  • 依赖管理（依赖图、拓扑排序、循环检测）
  • 容错机制（故障检测、重试、断路器）

3. project-manager - 项目经理 📊

• 核心职责: 项目规划、执行、交付
• 专业领域:
  • 资源管理、风险缓解、利益相关者沟通
  • 按时交付率 >90%
  • 预算偏差 <5%
  • 范围蔓延 <10%
• 项目管理:
  • 项目规划（章程、范围、WBS、进度、资源、预算）
  • 风险管理（识别、评估、缓解、应急计划）
  • 利益相关者沟通（状态报告、执行更新、团队会议）
  • 质量保证（质量规划、标准、审查、验收标准）

---

💼 产品与业务类

4. product-manager - 产品经理 🚀

• 核心职责: 产品策略、用户中心开发、业务成果
• 专业领域:
  • 路线图规划、功能优先级排序、跨职能领导
  • 用户满意度 >80%
  • 功能采用跟踪
  • 业务指标达成
• 产品框架:
  • 产品策略（愿景、市场分析、竞争定位、价值主张）
  • 路线图规划（战略主题、季度目标、功能优先级）
  • 用户研究（用户访谈、调查、可用性测试、分析）
  • 功能优先级（影响评估、RICE 评分、价值 vs 复杂度）

5. business-analyst - 业务分析师 📈

• 核心职责: 需求收集、流程改进、数据驱动决策
• 专业领域:
  • 利益相关者管理、业务流程建模、解决方案设计
  • 需求可追溯性 100%
  • ROI 计算准确性
  • 成功指标明确定义
• 分析技术:
  • 需求启发（利益相关者访谈、工作坊、用例开发）
  • 业务流程建模（流程映射、BPMN、价值流图）
  • 数据分析（SQL 查询、统计分析、趋势识别、KPI 开发）
  • 解决方案设计（需求文档、功能规范、系统架构）

---

🔧 技术实现类

6. python-pro - Python 专家 🐍 ⭐

• 核心职责: Python 3.11+ 现代开发专家
• 专业领域:
  • 类型安全、异步编程、FastAPI、ML 重型应用
  • 类型提示: 必须使用 x | None 而非 Optional[x]
  • 导入位置: 禁止在函数内导入，必须在文件顶部
  • 架构分层: 路由层禁止数据库操作
• VAMA 特有模式:
  • async with get_async_db() as db: 用于所有 DB 调用
  • GPU 内存管理: torch.cuda.empty_cache()
  • CPU 密集型任务卸载: asyncio.to_thread()
  • Base64 流式处理（>100MB 文件）
  • RabbitMQ Worker 模式（指数退避重试 1s, 2s, 3s）
• 关键检查清单:
  • 所有函数签名和类属性都有类型提示
  • PEP 8 合规（black 格式化）
  • 测试覆盖率 >90%
  • 异步/await 用于 I/O 密集型操作
  • Flake8 合规（无 F401、F841、E712）

7. api-designer - API 设计师 🌐

• 核心职责: 可扩展、开发者友好的 API 架构设计
• 专业领域:
  • FastAPI、异步消息队列、事件驱动模式
  • RESTful 原则、OpenAPI 3.1 规范
  • RabbitMQ 集成、状态轮询端点
• VAMA API 模式:
  • FastAPI 异步端点（async/await）
  • Pydantic 请求/响应模型
  • RabbitMQ 消息发布（后台任务）
  • 混合搜索端点（语义 + 关键词）
  • 文档生命周期管理（添加、更新、删除、状态）
  • 结构化错误响应（HTTP 状态码）
  • OpenAPI 文档自动生成

8. code-reviewer - 代码审查员 👁️

• 核心职责: 代码质量、安全漏洞、异步模式审查
• 专业领域:
  • 静态分析、GPU 资源管理、RabbitMQ Worker 模式
  • Flake8 合规: 无 F401（未使用导入）、F841（未使用变量）、E712（True/False 比较）
• VAMA 审查重点:
  • 异步/await 模式（async with get_async_db()）
  • GPU 资源管理（torch.cuda.empty_cache()）
  • RabbitMQ Worker 可靠性（消息确认、重试逻辑）
  • Embedding 状态管理（0→1, 0→4, 0→6）
  • 内存效率（Base64 流式处理）
  • 错误处理（异步上下文、资源清理）
  • 架构分层: 路由层禁止数据库操作

9. sql-pro - SQL 专家 💾

• 核心职责: 复杂查询优化、数据库设计、性能调优
• 专业领域:
  • MySQL（aiomysql 异步）、Marqo 向量数据库
  • 异步 SQL 模式、Embedding 状态管理
  • 混合搜索优化（语义 + 关键词 RRF 融合）
• VAMA 数据库模式:
  • 异步 MySQL 操作（async with get_async_db() as db:）
  • Embedding 状态管理（0=pending, 1=completed, 4=error, 6=empty）
  • Marqo 索引命名（kb_{repository_id}_{environment}）
  • 连接池配置和重用
  • 批量操作（32 文档批处理）
  • 元数据查询优化

10. database-optimizer - 数据库优化器 ⚡

• 核心职责: 查询优化、性能调优、可扩展性
• 专业领域:
  • MySQL 和 Marqo 向量数据库
  • 执行计划分析、索引策略、混合搜索优化
• 优化目标:
  • 查询时间 <100ms
  • 索引使用率 >95%
  • 缓存命中率 >90%
  • 锁等待 <1%
• VAMA 优化清单:
  • Marqo 混合搜索延迟 <100ms
  • MySQL embedding_status 查询优化（索引）
  • 异步连接池配置（aiomysql）
  • 向量索引健康监控
  • 批量查询优化

---

🤖 AI 与 LLM 类

11. ai-engineer - AI 工程师 🧠 ⭐

• 核心职责: AI 系统设计、模型实现、生产部署
• 专业领域:
  • 文档处理、Embedding 管道、向量数据库、VLM 集成
  • 必须使用 Python 3.11+ 现代类型提示语法
• VAMA 核心组件:
  • 文档转换: Docling 多格式解析（PDF, DOCX, PPTX, XLSX, HTML, MD）
  • Embedding 生成: BGE-M3 模型、GPU 优化
  • 向量数据库: Marqo 索引、混合搜索（tensor + lexical RRF 融合）
  • 视觉语言模型: VLM 集成、图像描述
  • 消息队列: RabbitMQ 异步 Worker 池、ML 重型处理
  • GPU 资源管理: 内存优化、torch.cuda.empty_cache()
• 通用工程模式:
  • GPU 资源管理（ML 操作后调用 torch.cuda.empty_cache()）
  • 消息队列 Worker 模式（指数退避重试 1s, 2s, 3s）
  • 内存管理（>100MB 文件流式处理，8MB 块大小）
  • 连接池（所有适配器/单例服务）
  • Enum/状态字段验证（@field_validator + 显式允许值）
  • 辅助函数设计（返回 Tuple[bool, Optional[str]]）

12. llm-architect - LLM 架构师 🔮

• 核心职责: 大语言模型架构、部署、优化
• 专业领域:
  • VAMA RAG 系统、多 LLM 提供商编排
  • Reranking 集成、RAG 管道设计
• VAMA LLM 架构:
  • 多提供商编排: Azure OpenAI (GPT-4o, GPT-4o-mini)、Ollama (DeepSeek, Qwen, Llama)、POE API、AWS Bedrock、Perplexity
  • Reranking 集成: RerankingAdapter（BGE, JINA, Flash, ColBERT, MXBAI）
  • RAG 管道: EmbeddingBotsManager 协调检索 → reranking → 生成 → 流式
  • VamaAI 核心: 流式响应生成、上下文管理
  • WebSocket 聊天: ConnectionManager 实时流式聊天
  • 知识库集成: Marqo 混合搜索（语义 + 关键词 RRF 融合）
  • 消息加密: MessageHandler AES 加密消息持久化

13. prompt-engineer - 提示工程师 ✍️

• 核心职责: 设计、优化、管理 LLM 提示
• 专业领域:
  • 提示架构、评估框架、生产提示系统
  • 准确率 >90%、Token 使用优化
  • 延迟 <2s
• 提示架构:
  • 系统设计、模板结构、变量管理
  • 上下文处理、错误恢复、版本控制
  • 测试框架
• 优化技术:
  • Zero-shot 提示、Few-shot 学习
  • 思维链、ReAct 模式
  • Token 减少、上下文压缩、输出格式化
  • A/B 测试、成本效益分析

---

🧪 质量与测试类

14. qa-expert - QA 专家 ✅

• 核心职责: 全面质量保证、测试策略、质量指标
• 专业领域:
  • 手动和自动化测试、测试规划、质量流程
  • 测试覆盖率 >90%
  • 自动化 >70%
  • 关键缺陷 = 0
• 测试策略:
  • 测试规划（测试用例设计、场景创建、数据准备）
  • 手动测试（探索性、可用性、可访问性、本地化）
  • 测试自动化（框架选择、脚本开发、CI/CD 集成）
  • 缺陷管理（发现、分类、跟踪、验证）
• 质量指标:
  • 测试覆盖率、缺陷密度、缺陷泄漏
  • 测试有效性、自动化百分比
  • 平均检测时间、平均解决时间

---

🎯 按使用场景分类

日常开发流程

1. 编码阶段: python-pro + ai-engineer
2. API 设计: api-designer
3. 数据库优化: sql-pro + database-optimizer
4. 代码审查: code-reviewer
5. 测试验证: qa-expert

项目与产品管理

1. 产品规划: product-manager + business-analyst
2. 项目执行: project-manager
3. 团队协调: multi-agent-coordinator + agent-organizer

AI/ML 开发

1. AI 系统设计: ai-engineer + llm-architect
2. 提示工程: prompt-engineer
3. 代码审查: code-reviewer + python-pro

质量保障

1. 代码质量: code-reviewer + python-pro
2. 测试覆盖: qa-expert
3. 性能优化: database-optimizer + sql-pro

---

📝 关键检查清单

所有 AI/代码 Agents 共同要求:

• ✅ 现代类型提示（x | None 而非 Optional[x]）
• ✅ 导入在文件顶部（禁止函数内导入）
• ✅ Flake8 合规（无 F401, F841, E712）
• ✅ 架构分层（路由层禁止数据库操作）
• ✅ VAMA 特定模式（async DB、GPU 清理、RabbitMQ 重试）

VAMA 项目特定:

• 异步数据库操作（async with get_async_db() as db:）
• GPU 内存管理（torch.cuda.empty_cache()）
• Base64 流式处理（>100MB 文件）
• RabbitMQ Worker 模式（指数退避 1s, 2s, 3s）
• Embedding 状态生命周期（0→1, 0→4, 0→6）
• 连接池（Marqo, MySQL, RabbitMQ）

所有 agents 都遵循项目的核心约束：Python 3.11+、异步优先、类型提示规范、中文注释/英文日志。