tag: Qwen-Agent

1. 设计目标与整体思路 Qwen-Agent 路由层（Router）的核心目标是： 将多种能力（对话 / 图片 / 代码 / 文档 / 工作流）统一暴露为 单一入口 让 LLM 自动决策使用哪个 Agent 保证多轮对话中的 Agent identity 延续 保持低耦合、可扩展、可插拔 🔷 整体架构图 🔷 核心链路图 2. 核心组件说明 2.1 QwenAgentRouter（路由器） 路径：agents/core/routing/router.py 职责： 继承 FnCallAgent → 让 LLM 决策 继承 MultiAgentHub → 持有子 Agent 队列 强制输出格式 Call: 通过 stop=[’\n’] 限定只读第一行 🔷 QwenAgentRouter 内部逻辑图 2.2 子 Agent 类型 Agent 名称 文件 能力 基础对话助手 agents/chat/basic_chat_agent.py 通用问答、兜底 多模态助手 agents/multimodal/image_agent.py 图像识别、图像生成 规划助手 agents/planning/planning_agent.py 多步骤工作流拆解 代码助手 agents/code/code_agent.py 代码执行、调试、生成 文档助手（可扩展） 自定义 文件阅读、检索、翻译 3. 消息流与路由流程（核心链路） 🔷 路由行为时序图 ...

📘 Qwen-Agent 框架架构解析 对应源码仓库： https://github.com/QwenLM/Qwen-Agent 文档包含架构图、循环图、多 Agent 协作图、Memory RAG 数据流图、工具体系图与异常处理图。 所有流程均严格基于源码实现，无推测成分。 1. 🎯 设计理念（Design Philosophy） Qwen-Agent 的核心目标是： 通过统一抽象、模块化组件与 LLM+工具闭环，实现可扩展且可编排的智能 Agent 体系。 核心理念 统一抽象：所有 Agent 都继承 Agent，通过 _run 处理消息，上层只依赖统一入口。 LLM+工具闭环：FnCallAgent 完成 “LLM 推理 → 工具决策 → 工具执行 → 回写上下文” 的完整循环。 模块化扩展：工具、Memory、子 Agent 可自由组合，可复用性强。 默认流式：全链路支持流式输出，提高交互体验。 文件/RAG 模块独立：Memory 负责文件抽取、解析与检索。 2. 🧩 核心组件结构（Core Components） 2.1 Agent 基类（骨架层） Agent.run() 负责： 标准化消息 自动插入 system prompt 自动语言检测（如中文 → lang=zh） 统一构建 LLM 请求参数 调用子类 _run 2.2 Message Schema（所有信息流的基础） 来自 llm/schema.py，Qwen-Agent 完全兼容 OpenAI 格式。 ...