English

[Project Logo]

VentureMind AI 🧠

---

一个面向创业想法评估的多智能体分析工作台。

VentureMind AI 将市场研究、产品判断、技术可行性、红队质疑和最终决策报告拆成一条可观察的工作流。它适合希望快速检验创业方向、对齐团队判断、沉淀结构化投资备忘录的产品团队、创始人和研究者。

[Hero Demo Image: show the VentureMind AI board, live agent states, logs, and final memo preview here]

Tip
如果你只想最快跑起来，请直接查看 快速开始。未配置模型 API Key 时，后端会自动使用 fallback 输出，仍可完成本地演示流程。

项目概览 🧭

VentureMind AI 是一个多智能体创业分析平台。用户输入一个创业想法后，系统会依次完成市场研究、产品需求判断、技术和运营可行性评估、红队质疑，并生成结构化的董事会备忘录。

它不是一个单轮聊天框，而是一套可观察、可追踪、可复查的分析工作流。前端会实时展示每个 Agent 的运行状态、日志、结论入口和最终报告，让用户知道系统正在做什么、为什么得出这个判断。

为什么做这个 💡

创业想法的早期判断经常卡在三个问题上：信息分散、结论不可追踪、乐观假设缺少质疑。传统的一次性 AI 回答速度很快，但很难说明证据来自哪里、哪一步需要复查、不同维度之间是否互相冲突。

VentureMind AI 将分析拆成多个专业角色，让市场、产品、技术和风险各自形成独立结论，再由 Supervisor 汇总为最终建议。它的重点不是替代人的判断，而是把模糊想法推进到一个更清晰、更可讨论的决策状态。

核心功能 ✨

• 多智能体协作分析：Research、Product、Technical、Critic 和 Supervisor 分别承担不同职责，避免单一模型一次性输出所有判断。
• 实时分析控制台：通过 SSE 推送任务状态、Agent 进度和运行日志，前端可以实时展示工作流进展。
• 红队复查机制：Critic Agent 会检查证据缺口和过度乐观假设，必要时触发定向复查。
• 可点击搜索引证：Research Agent 可接入 Tavily、Brave Search、SerpAPI 或 Exa，将来源 URL 渲染为可验证引用。
• 结构化董事会备忘录：Supervisor Agent 会整合分数、关键理由、共识和 Markdown 报告，前端再清洗为可读页面。
• OpenAI-compatible 模型接口：通过环境变量切换兼容 Chat Completions API 的模型服务；未配置 Key 时自动进入 fallback 模式。

效果展示 📸

[Main Screenshot: show the input console, five-agent workflow, and floating live logs window]

上图建议展示首页的完整分析工作台：顶部输入创业想法，中间是 Agent 工作流，右下角是实时日志窗口。

[Final Report Screenshot: show the board memorandum, decision score panel, agent consensus, and live logs]

最终报告页建议展示董事会结论、分数调和、Agent 共识和正文备忘录，让读者快速理解输出形态。

工作原理 ⚙️

VentureMind AI 的核心流程是先建立事实基础，再分支分析，随后进行红队审查，最后生成决策备忘录。

flowchart TD
    U["输入创业想法"] --> FE["React 分析控制台"]
    FE --> API["FastAPI /api/analyses"]
    API --> STORE["内存任务状态"]
    API --> SSE["SSE 实时事件流"]
    STORE --> R["Research Agent"]
    R --> PT["Product + Technical 并行分析"]
    PT --> C["Critic Agent"]
    C --> Q{"是否需要复查？"}
    Q -- "需要" --> RE["定向复查相关 Agent"]
    RE --> C
    Q -- "不需要" --> S["Supervisor Agent"]
    S --> M["董事会备忘录"]
    SSE --> FE

Loading

关键链路：

1. 前端提交创业想法，后端创建分析任务。
2. 后端用 LangGraph 编排 Agent；如果 LangGraph 不可用，则使用内置顺序流程。
3. Product Agent 和 Technical Agent 在 Research 之后并行运行。
4. Critic Agent 根据风险和证据缺口决定是否触发复查。
5. Supervisor Agent 汇总所有结果，生成最终报告。
6. 前端通过 EventSource 订阅实时事件并刷新页面状态。

快速开始 🚀

环境要求

工具	版本
Node.js	18+
npm	9+
Python	3.11+

1. 安装前端依赖

npm install

2. 安装后端依赖

Windows PowerShell:

cd backend
python -m venv .venv
.\.venv\Scripts\activate
pip install -e ".[test]"

macOS / Linux:

cd backend
python -m venv .venv
source .venv/bin/activate
pip install -e ".[test]"

3. 配置环境变量

cp backend/.env.example backend/.env

Windows PowerShell:

Copy-Item backend\.env.example backend\.env

OPENAI_API_KEY 可以留空。留空时系统会使用 fallback 输出，便于本地演示。

4. 启动后端

cd backend
uvicorn app.main:app --reload --port 8000

后端地址：http://localhost:8000
接口文档：http://localhost:8000/docs

5. 启动前端

npm run dev

前端地址：http://localhost:3000

使用方式 🛠️

分析一个创业想法

1. 打开 http://localhost:3000。
2. 在输入框中填写创业想法，例如：

在中国高速服务区开设低度酒精饮品吧，为非驾驶乘客提供短暂停留消费体验

3. 点击 Start Analysis。
4. 观察 Agent 状态、实时日志和最终报告入口。
5. 分析完成后进入 Board Memorandum 页面查看最终备忘录。

通过 API 创建任务

POST /api/analyses

{
  "idea": "AI-powered personal finance coach for college students",
  "context": "Optional extra context",
  "constraints": {}
}

订阅实时事件

GET /api/analyses/{analysis_id}/stream

事件类型包括 snapshot、status、agent、log、result 和 report。

配置说明 🧰

变量名	作用	默认值	是否必填
OPENAI_API_KEY	模型服务 API Key，留空时使用 fallback 模式	空	否
OPENAI_BASE_URL	兼容 OpenAI 的 API 地址	https://api.deepseek.com	否
OPENAI_MODEL	模型名称	deepseek-v4-flash	否
OPENAI_TIMEOUT_SECONDS	模型请求超时时间	60	否
MAX_REFLECTION_LOOPS	Critic 可触发复查的最大轮数	1	否
CORS_ORIGINS	允许访问后端的前端地址	http://localhost:3000,http://127.0.0.1:3000	否
SEARCH_PROVIDER	搜索供应商，可选 none、tavily、brave、serpapi、exa	none	否
SEARCH_API_KEY	搜索服务 API Key	空	启用搜索时必填
SEARCH_MAX_RESULTS	每个 query 的最大搜索结果数	5	否
VITE_API_BASE_URL	前端访问后端的基础地址	http://localhost:8000	否

技术架构 🧩

模块	位置	说明
前端控制台	src/pages/Home.tsx	输入创业想法、展示 Agent 流程、订阅实时事件
Agent 详情页	src/pages/*Agent.tsx	展示单个 Agent 的摘要、分数、证据和风险
最终报告页	src/pages/FinalReport.tsx	展示董事会备忘录、评分和 Agent 共识
API 路由	backend/app/api/routes.py	创建任务、读取快照、提供 SSE 流
工作流编排	backend/app/core/orchestrator.py	编排 Research、Product、Technical、Critic、Supervisor
状态存储	backend/app/services/store.py	内存任务存储、状态更新、事件发布
搜索服务	backend/app/services/search.py	封装 Tavily、Brave、SerpAPI、Exa
模型服务	backend/app/services/llm.py	调用 OpenAI-compatible 接口并提供 fallback

项目结构：

venturemind-ai/
├── src/
│   ├── components/
│   ├── lib/
│   ├── pages/
│   ├── App.tsx
│   └── main.tsx
├── backend/
│   ├── app/
│   │   ├── agents/
│   │   ├── api/
│   │   ├── core/
│   │   ├── prompts/
│   │   ├── services/
│   │   └── schemas.py
│   ├── tests/
│   └── pyproject.toml
├── package.json
├── vite.config.ts
└── README.md

路线图 🗺️

• 持久化分析任务和历史报告。
• 增加用户账户、项目列表和团队协作视图。
• 支持导出 PDF、DOCX 或 Markdown 格式的董事会备忘录。
• 增加 Pitch Deck、行业报告或用户访谈资料上传能力。
• 基于上传资料做 RAG 检索增强。
• 增加引用质量评分和来源可信度排序。
• 增加 Docker Compose 一键启动。
• 增加 CI 类型检查、后端测试和前端构建流程。

常见问题 ❓

没有配置 OPENAI_API_KEY 能运行吗？

可以。后端会进入 fallback 模式，返回可演示的结构化结果，适合本地预览工作流。

搜索功能默认开启吗？

不开启。SEARCH_PROVIDER=none 时不会调用外部搜索。要启用搜索，需要设置供应商和对应的 SEARCH_API_KEY。

当前任务会持久化保存吗？

不会。当前实现使用内存任务存储，适合演示和开发；生产环境需要接入数据库或持久化队列。

最终报告能直接用于投资或法务决策吗？

不建议。它是决策辅助材料，仍需要人工复核、事实核验和专业判断。

贡献指南 🤝

欢迎通过 issue 和 pull request 参与改进。建议的最小流程：

1. Fork 仓库并创建新分支。
2. 聚焦一个清晰问题：功能、Bug、文档或测试。
3. 本地运行前端构建和后端测试。
4. 提交 PR，并说明改动目的、验证方式和潜在影响。

如果你要调整 Agent 提示词，请同时说明预期输出变化，避免影响结构化字段的稳定性。

许可证 📄

当前许可证：[License]

如果仓库准备公开分发，请补充明确的开源许可证文件，例如 MIT、Apache-2.0 或其他适合项目目标的协议。

维护者信息 📬

维护者：[Maintainer]

项目地址：https://github.com/dakjdakd/VentureMind-AI