# DjangoOaSystem **Repository Path**: rma-mun/DjangoOaSystem ## Basic Information - **Project Name**: DjangoOaSystem - **Description**: 基于 django5 + vue3 的前后端分离办公管理系统。 - **Primary Language**: Python - **License**: Not specified - **Default Branch**: main - **Homepage**: None - **GVP Project**: No ## Statistics - **Stars**: 0 - **Forks**: 0 - **Created**: 2025-11-28 - **Last Updated**: 2026-04-30 ## Categories & Tags **Categories**: Uncategorized **Tags**: None ## README # 智能办公自动化系统 (AI-Powered OA System) 一个前后端分离的智能办公自动化系统，深度集成AI能力，提供智能化的办公体验。系统采用Django + Vue 3构建前后端核心功能，通过独立的FastAPI微服务提供AI Agent、RAG知识库等智能服务。 ## 项目概述 本系统旨在为企业提供高效的办公自动化解决方案，同时融入人工智能技术，实现智能问答、知识库问答、自动化任务处理等AI增强功能。系统采用微服务架构，将传统OA功能与AI能力解耦，确保各部分独立开发、部署和扩展。 整体架构分为三个主要部分：Django后端提供核心业务API和数据持久化，Vue 3前端提供现代化用户界面，FastAPI微服务提供AI智能体能力。这种架构设计既保证了OA系统本身的稳定性和专业性，又为系统赋予了智能化升级的能力。 ## 整体架构 ```mermaid flowchart TD subgraph 前端层 A[Vue前端应用] --> B[API调用] A --> Z[直接API调用] end subgraph 中间层 B --> C[FastAPI Agent服务] C --> D[MainAgent 主调度] end subgraph Agent协作层 D --> E[TaskDecomposer 任务分解] D --> F[AgentRouter 路由选择] D --> G[ToolAgent 工具执行] D --> H[KnowledgeAgent 知识库] D --> I[MemoryAgent 记忆管理] D --> J[ParamExtractionAgent 参数提取] E --> F F --> G F --> H F --> I F --> J D --> I end subgraph 工具层 G --> K[OA系统工具] G --> L[RAG工具] K --> M[考勤管理] K --> N[部门管理] K --> O[用户管理] K --> P[通知管理] L --> Q[文档检索] L --> R[信息摘要] end subgraph 数据层 H --> S[向量数据库] I --> T[会话数据库] M --> U[Django后端] N --> U O --> U P --> U Z --> U end U --> V[数据库] ``` ### 多Agent协作流程 ```mermaid sequenceDiagram participant User as 用户 participant Frontend as 前端 participant FastAPI as FastAPI服务 participant MainAgent as 主Agent participant TaskDecomposer as 任务分解Agent participant AgentRouter as Agent路由器 participant ToolAgent as 工具执行Agent participant KnowledgeAgent as 知识库Agent participant MemoryAgent as 记忆管理Agent participant ParamExtractionAgent as 参数提取Agent participant Django as Django后端 participant RAG as 知识库 User->>Frontend: 发送请求 alt 智能交互请求 Frontend->>FastAPI: API调用 FastAPI->>MainAgent: 处理请求 MainAgent->>MemoryAgent: 获取会话历史 MemoryAgent-->>MainAgent: 返回历史记录 MainAgent->>TaskDecomposer: 分解任务 TaskDecomposer-->>MainAgent: 返回子任务列表 loop 处理每个子任务 MainAgent->>ParamExtractionAgent: 提取参数 ParamExtractionAgent-->>MainAgent: 返回提取的参数 MainAgent->>AgentRouter: 选择合适的Agent AgentRouter-->>MainAgent: 返回选择的Agent alt 选择ToolAgent MainAgent->>ToolAgent: 执行工具任务 ToolAgent->>Django: 调用OA工具 Django-->>ToolAgent: 返回结果 ToolAgent-->>MainAgent: 返回执行结果 else 选择KnowledgeAgent MainAgent->>KnowledgeAgent: 执行知识查询 KnowledgeAgent->>RAG: 检索知识库 RAG-->>KnowledgeAgent: 返回相关知识 KnowledgeAgent-->>MainAgent: 返回查询结果 else 选择MemoryAgent MainAgent->>MemoryAgent: 执行记忆操作 MemoryAgent-->>MainAgent: 返回操作结果 end end MainAgent->>MemoryAgent: 保存会话记忆 MemoryAgent-->>MainAgent: 确认保存成功 MainAgent-->>FastAPI: 返回最终响应 FastAPI-->>Frontend: 返回API响应 else 直接业务请求 Frontend->>Django: 直接API调用 Django-->>Frontend: 返回业务数据 end Frontend-->>User: 显示结果 ``` ### Agent职责说明 1. **MainAgent**：主调度Agent，负责协调各个子Agent的工作流程，是整个系统的核心。 2. **TaskDecomposer**：任务分解Agent，将复杂任务分解为可执行的子任务，定义子任务的优先级和依赖关系。 3. **AgentRouter**：Agent路由器，根据任务类型和内容智能选择合适的Agent来执行任务。 4. **ToolAgent**：工具执行Agent，负责调用外部工具执行任务，如OA系统操作、API调用等。 5. **KnowledgeAgent**：知识库Agent，负责查询和检索知识库信息，处理RAG相关任务。 6. **MemoryAgent**：记忆管理Agent，负责管理会话记忆，处理历史记录相关任务。 7. **ParamExtractionAgent**：参数提取Agent，专门从上下文中抽取子任务所需参数。 ### 系统特点 1. **模块化设计**：各个Agent职责明确，模块化程度高，便于维护和扩展。 2. **协作机制**：通过MainAgent协调，各个子Agent之间形成有效的协作机制。 3. **灵活路由**：AgentRouter根据任务类型智能选择合适的Agent，提高系统的适应性。 4. **记忆管理**：MemoryAgent负责管理会话记忆，提高系统的上下文理解能力。 5. **参数提取**：ParamExtractionAgent自动从上下文中提取参数，减少用户输入负担。 6. **工具集成**：ToolAgent集成了多种工具，可处理不同类型的任务。 7. **知识检索**：KnowledgeAgent通过RAG技术，可从知识库中获取相关信息。 ## 技术栈 ### 后端技术栈 后端采用Django作为主要框架，配合Django REST Framework提供标准化的RESTful API。数据库使用MySQL存储业务数据，Redis用于缓存和会话管理，Celery处理异步任务如邮件发送。认证机制采用JWT确保API安全性。 - **框架**：Django 5.2.6 + Django REST Framework - **数据库**：MySQL - **缓存**：Redis - **异步任务**：Celery - **认证**：JWT (JSON Web Token) - **跨域**：CORS - **邮件**：SMTP (QQ邮箱) ### 前端技术栈 前端基于Vue 3生态系统构建，使用Vite作为构建工具实现快速开发。状态管理采用Pinia，UI组件库使用Element Plus，富文本编辑使用WangEditor，图表展示使用ECharts。 - **框架**：Vue 3 + Vue Router 4 - **状态管理**：Pinia - **UI组件**：Element Plus - **构建工具**：Vite - **HTTP客户端**：Axios - **富文本编辑器**：WangEditor - **图表库**：ECharts - **代码规范**：Prettier ### AI服务技术栈 AI服务采用FastAPI构建高性能异步API，基于LangChain和LangGraph实现智能体协作系统。RAG模块使用ChromaDB作为向量数据库，Re-Ranker模型提升检索质量。整体设计遵循工具调用标准化、记忆管理层次化、认证机制安全化的原则。 - **框架**：FastAPI - **AI框架**：LangChain, LangGraph - **向量数据库**：ChromaDB - **记忆存储**：Redis - **认证**：JWT - **限流**：自定义中间件 - **日志**：结构化日志系统 ## 功能模块 ### 1. 用户认证系统 (officeAuth) 用户认证模块提供完整的用户生命周期管理功能。包括用户注册和邮箱激活流程，用户登录登出操作，JWT令牌的颁发和刷新，用户个人信息和密码管理，部门组织架构管理，以及部门领导指定等功能。该模块是整个系统安全的基础，所有其他模块的访问都依赖于认证模块提供的身份验证服务。 ### 2. 考勤管理系统 (officeAttendance) 考勤管理模块处理员工的考勤相关业务。员工可以提交请假申请，系统支持多种请假类型如事假、病假、年假等。申请提交后进入审批流程，由相应的审批人进行处理。员工和审批人可以查询各自的考勤记录，了解申请状态和审批历史。该模块与AI服务集成，允许通过自然语言查询考勤信息。 ### 3. 员工管理系统 (staff) 员工管理模块提供员工信息的完整CRUD操作，支持批量数据导出功能。异步邮件通知功能允许系统向员工发送入职欢迎、节假日关怀等邮件。模块设计了标准化的接口，能够被AI Agent调用，实现通过自然语言进行员工信息查询和统计。 ### 4. 文件管理系统 (file) 文件管理模块处理企业内部的文件存储和分发需求。支持文件上传下载操作，提供文件分类管理功能。文件存储在media目录中，支持各种类型的办公文档管理。 ### 5. 通知系统 (inform) 通知系统实现企业内部的信息发布和传递机制。管理员可以发布各类通知，支持按部门设置通知的可见性范围。系统跟踪通知的阅读状态，已读未读一目了然。员工可以查看历史通知，确保重要信息不遗漏。 ### 6. 首页功能 (home) 首页模块聚合展示各类关键信息，包括最新的系统通知、最近的考勤申请记录、部门人员统计等。为用户提供便捷的信息入口，快速了解工作动态。 ### 7. AI智能助手 (FastAPIAgentService) AI智能助手是本次重构新增的核心功能，通过独立的微服务形式与OA系统集成。系统采用多智能体协作架构，不同的智能体承担不同的职责：主智能体负责意图理解和对话管理，任务分解智能体将复杂请求拆分为可执行的子任务，参数提取智能体从用户话语中解析所需参数，工具调用智能体执行具体的API操作，知识库智能体提供RAG增强的问答能力，记忆智能体管理对话历史和上下文。 RAG知识库服务支持企业知识文档的向量化存储和语义检索，通过Re-Ranker模型优化检索结果排序。工具调用系统标准化了OA业务操作的接口定义，AI Agent能够查询考勤、员工、通知等各类业务数据，甚至完成请假申请提交等操作。记忆管理系统支持多会话隔离，Redis存储确保高速读写。 ## 项目结构 ### 整体项目结构 ``` OAProject/ ├── DjangoOfficeProject/ # Django后端项目 ├── oa-vue-project/ # Vue前端项目 └── FastAPIAgentService/ # FastAPI AI微服务 ``` ### 后端项目结构 ``` DjangoOfficeProject/ ├── DjangoOfficeProject/ # 项目主配置目录 │ ├── __init__.py # Celery应用初始化 │ ├── asgi.py # ASGI配置 │ ├── celery.py # Celery配置 │ ├── settings.py # Django配置 │ ├── urls.py # 主路由 │ └── wsgi.py # WSGI配置 ├── apps/ # 业务应用模块 │ ├── officeAuth/ # 用户认证 │ ├── officeAttendance/ # 考勤管理 │ ├── staff/ # 员工管理 │ ├── file/ # 文件管理 │ ├── inform/ # 通知系统 │ └── home/ # 首页功能 ├── media/ # 媒体文件 ├── templates/ # HTML模板 ├── manage.py # Django管理脚本 └── requirements.txt # 依赖清单 ``` ### 前端项目结构 ``` oa-vue-project/ ├── src/ │ ├── api/ # API请求封装 │ ├── assets/ # 静态资源 │ │ ├── css/ # 样式文件 │ │ ├── img/ # 图片资源 │ │ └── js/ # JavaScript文件 │ ├── components/ # 公共组件 │ │ ├── AIChatWindow.vue # AI聊天窗口 │ │ └── GlobalFloatingBall.vue # 全局悬浮球 │ ├── router/ # 路由配置 │ ├── stores/ # Pinia状态管理 │ ├── views/ # 页面组件 │ ├── App.vue # 根组件 │ └── main.js # 入口文件 ├── package.json └── vite.config.js ``` ### AI服务项目结构 ``` FastAPIAgentService/ ├── app/ │ ├── agent/ # 智能体实现 │ │ ├── main_agent.py # 主智能体 │ │ ├── tool_agent.py # 工具调用智能体 │ │ ├── knowledge_agent.py # 知识库智能体 │ │ ├── task_decomposer.py # 任务分解智能体 │ │ ├── param_extraction_agent.py # 参数提取智能体 │ │ ├── memory_agent.py # 记忆管理智能体 │ │ ├── agent_router.py # 智能体路由 │ │ ├── agent_middleware.py # 智能体中间件 │ │ └── workflow.py # 工作流定义 │ ├── router/ # API路由 │ │ ├── chat.py # 对话接口 │ │ ├── health.py # 健康检查 │ │ └── user.py # 用户接口 │ ├── rag/ # RAG实现 │ │ ├── rag_service.py # RAG服务 │ │ ├── reorder_service.py # 重排序服务 │ │ ├── vector_store.py # 向量存储 │ │ └── text_spliter.py # 文本分割 │ ├── tools/ # 工具定义 │ │ ├── oa_tools.py # OA业务工具 │ │ └── rag_tools.py # 知识库工具 │ ├── memory/ # 记忆管理 │ ├── db/ # 数据库配置 │ │ ├── db_config.py # 主数据库 │ │ └── redis_config.py # Redis缓存 │ ├── schemas/ # 数据模型 │ │ ├── oa_schemas.py # OA相关模型 │ │ └── rag_schemas.py # RAG相关模型 │ ├── core/ # 核心功能 │ │ ├── rate_limit.py # 限流中间件 │ │ ├── logger_handler.py # 日志处理 │ │ ├── success_response.py # 成功响应 │ │ └── failed_response.py # 失败响应 │ └── utils/ # 工具函数 ├── data/ # 数据存储 │ └── chromadb/ # ChromaDB数据 ├── main.py # 应用入口 └── requirements.txt # 依赖清单 ``` ## 环境要求 后端环境需要Python 3.8及以上版本，MySQL 5.7及以上版本，Redis 6.0及以上版本。前端环境需要Node.js 20.19.0及以上或22.12.0及以上版本。AI服务环境需要Python 3.10及以上版本，足够存储向量模型和Reranker模型的磁盘空间，建议16GB及以上内存以支持模型推理。 ## 快速开始 ### 1. 克隆项目 ```bash git clone https://github.com/RMA-MUN/oa-brain cd oa-brain ``` ### 2. 后端配置与启动 #### 2.1 创建虚拟环境并安装依赖 ```bash cd DjangoOfficeProject python -m venv venv venv\Scripts\activate # 安装uv（如果未安装） pip install uv # 使用uv uv sync ``` #### 2.2 配置数据库 在`DjangoOfficeProject/settings.py`中配置MySQL连接信息： ```python DATABASES = { 'default': { 'ENGINE': 'django.db.backends.mysql', 'NAME': 'django_oa', 'USER': 'root', 'PASSWORD': 'your_password', 'HOST': 'localhost', 'PORT': '3306', } } ``` #### 2.3 配置邮件服务 在settings.py中配置邮件服务，用于用户激活等功能： ```python EMAIL_BACKEND = 'django.core.mail.backends.smtp.EmailBackend' EMAIL_HOST = 'smtp.qq.com' EMAIL_PORT = 587 EMAIL_USE_TLS = True EMAIL_HOST_USER = 'your_email@qq.com' EMAIL_HOST_PASSWORD = 'your_email_password' ``` #### 2.4 初始化数据库 ```bash python manage.py migrate ``` #### 2.5 启动Redis 确保Redis服务运行中： ```bash redis-server.exe ``` #### 2.6 启动Celery Worker ```bash celery -A DjangoOfficeProject worker -l INFO -P gevent -Q celery,email ``` #### 2.7 启动Django服务 ```bash python manage.py runserver ``` 后端服务运行于 ### 3. 前端配置与启动 ```bash cd oa-vue-project npm install npm run dev ``` 前端服务运行于 ### 4. AI服务配置与启动 #### 4.1 创建环境变量文件 ```bash cd FastAPIAgentService cp .env.example .env ``` 编辑.env文件，配置以下关键变量： ```env DJANGO_API_URL=http://127.0.0.1:8000 REDIS_HOST=localhost REDIS_PORT=6379 OPENAI_API_KEY=your_api_key ``` #### 4.2 启动AI服务 ```bash cd FastAPIAgentService python -m venv venv venv\Scripts\activate pip install -r requirements.txt uvicorn main:app --host 0.0.0.0 --port 8001 --reload ``` AI服务运行于 API文档地址： ### 5. AI服务API接口 #### 对话接口 - `POST /api/agent/chat/` - 处理用户对话请求，支持多轮对话和工具调用 #### 工具接口 - `POST /api/agent/tools/execute` - 执行工具调用 - `GET /api/agent/tools/list` - 获取可用工具列表 #### 知识库接口 - `POST /api/agent/knowledge/search` - 语义搜索知识库 - `POST /api/agent/knowledge/add` - 添加文档到知识库 - `DELETE /api/agent/knowledge/{doc_id}` - 删除知识库文档 #### 记忆接口 - `POST /api/agent/memory/` - 保存对话记忆 - `GET /api/agent/memory/{session_id}` - 获取会话记忆 - `DELETE /api/agent/memory/{session_id}` - 清除会话记忆 ## 开发说明 ### 后端开发 Django应用遵循标准的MTV模式，视图函数通过装饰器实现认证和权限控制。异步任务通过Celery分发到独立worker执行，邮件发送等耗时操作不应阻塞主请求响应。业务逻辑封装在应用层的views.py中，序列化器负责数据验证和格式化。 ### 前端开发 前端采用组件化开发模式，公共组件放在components目录，页面组件放在views目录。状态管理使用Pinia，跨组件共享的状态如用户信息存放在stores目录。AI聊天功能通过全局悬浮球触发，聊天窗口作为独立组件支持展开和收起。 ### AI服务开发 AI服务采用智能体协作架构，新的工具函数定义在tools目录，使用@tool装饰器实现标准化。智能体逻辑定义在agent目录，通过LangGraph定义工作流状态和转移。RAG相关配置包括向量模型路径、重排序模型路径、提示词模板等存放在config目录。 ## API文档 各模块API端点： - 用户认证：`/officeAuth/` - 考勤管理：`/Attendance/` - 员工管理：`/staff/` - 文件管理：`/file/` - 通知管理：`/inform/` - 首页功能：`/home/` - AI对话：`/api/agent/chat/`