团队项目第一次作业

锚：团队展示、选题报告与需求分析

项目	内容
作业所属课程	软件工程（https://edu.cnblogs.com/campus/gdgy/Class56-Grade2024-CS）
作业要求	团队项目第一次作业：团队展示、选题报告与需求分析
作业的目标	从真实使用场景里确定选题，把智能体嵌进一个打开就能用的软件，再用一套能重复的测试说明它到底做到了什么。
团队名称	对对队
团队成员学号－姓名	3124004179－王嵘烨、3124004170－李建鑫、3124004189－周微

一、团队展示

1.1 团队名称与项目名称

团队名称：对对队。

项目名称：锚

队名和项目名取的是"锚"的三件事，恰好也是这个产品的三件事。锚定：内核不在云上，就跑在你自己那台机器里，用的是你的文件、你的终端、你正登录着的那个浏览器。缆绳：一条隧道从机器牵出来，一头拴在它身上、一头在你手上，换设备、换网络、人在外地，拉住同一根绳就回到同一个会话。稳住：你走开的时候它不漂，定时任务、Webhook、代码评审该跑照跑，回来能看到跑到哪、成没成。

一句话说，锚是一个解压即用、跑在自己机器上的智能体工作台：本机是能力，隧道是入口，无人值守是它和别人不一样的地方。

端	地址	说明
本机工作台	http://10.21.76.30:4096/	解压启动后的默认入口，会话、文件、终端、浏览器都在这里

1.2 项目规划

阶段	时间	目标
阶段一：起点	2026.09	实验室的机器管不过来，先做一个能在机器上干活的入口
阶段二：能离开这台机器	2026.09—10	人在实验室之外也能用
阶段三：能长期用	2026.10—11	从"能用"到"敢每天用"
阶段四：让它自己干	2026.11—11.10	人不在也能推进
阶段五：文档与答辩	2026.11.10—11.26	需求、验收、演示统一成一套说法
阶段六：期末前	11 月末—期末	按验收标准逐条复测

第三阶段是最不"好看"的一段：两个多月没加任何新功能，全在修启动耗时、终端卡死、运行互斥。真正让一个产品从 demo 变成工具的，就是这些没人看见的地方。

1.3 队员风采与分工

姓名	学号	项目角色	性格或特点	技术特长或本项目实践方向	兴趣爱好
王嵘烨	3124004179	内核与运行时	话少，遇到问题往底层挖，不满足于"先绕过"	TypeScript / Bun 运行时、进程与并发、工具调度、多模型 Provider	乒乓球
李建鑫	3124004170	前端与浏览器中继	对细节敏感，愿意为一个交互改三版	Vue / TypeScript、SSE 流式渲染、扩展与 CDP 元素定位	跑步
周微	3124004189	平台适配、测试与文档	较真，会追着问"这条你怎么证明"	平台开放接口、包边界设计、测试设计、需求工程	篮球

1.4 团队首次合照

1.5 团队愿景

每个人自己那台机器上，都有一个真正能动手的智能体。它认识你的文件、会用你的浏览器、你关掉页面它也不会忘事；它不把你的资料传上云，也不要求你会配环境，下载、解压、双击就开始了。技术应该把能力交回个人手里，而不是把个人交到平台上。

二、选题报告

2.1 选题背景

实验室的机器管不过来，这是这个项目真正的起点。 我们要维护实验室里的几台机器。机器本身不贵，贵的是人得在跟前。想跑一次训练或编译，先 SSH 进去敲一长串命令，参数记错一个字就从头再来；几个人共用一台机器，谁在跑什么、占了多大内存没人说得清，直到进程互相踩死才发现；一个任务要跑一小时，人就得守一小时，中途走开就不知道跑到哪、有没有报错。

当时的具体疑问	形成的产品需求
人在宿舍，怎么确认实验室那台机器上的任务还在跑？	会话与任务状态可远程查看，SSE 实时推送
内网系统必须登录后才能填表，脚本怎么进去？	接管用户正在用的浏览器，不用无头浏览器
训练要跑两小时，我不能一直守着	定时与 Webhook 触发，无人值守执行，可回看运行历史
三个人共用一台机器，怎么不互相踩？	会话隔离、运行权互斥、资源生命周期管理
实验室网络没有公网 IP，怎么从外面进来？	内置隧道加密码鉴权，开启前强制设密

2.2 问题定义

这句话里有三个约束，也正是所有设计取舍的来源：

• "在那台机器上"——内核必须跑本机，不能是云端容器。这一条直接否掉了"套一个云端智能体平台"的路线：扣子、Dify、GPTs 都跑在云上，碰不到实验室机器的磁盘和登录态浏览器。
• "人不在这台机器跟前"——必须有一条能从外面进来的路，且不能裸奔。隧道开启前强制设密码，就是这个约束的直接产物。
• "能看到它做了什么"——每一步工具调用都要留痕：读改了哪个文件、跑了哪条命令、浏览器点到了哪个元素，事后可回看、可复现。

2.3 产品定位与目标用户

用户群	典型场景	我们提供的价值
实验室 / 机房（第一优先，项目原点）	多台机器在固定场所，人常不在现场	每台机器一个入口，离开机房也能跑命令、看进度、进内网系统填表
独立开发者 / 学生	有代码仓库，需要 AI 协助改代码	真正读写文件系统与终端，不是把代码复制进对话框
异地 / 移动场景	出差、通勤、多设备切换	手机浏览器打开隧道地址，接着同一个会话继续
隐私敏感用户	医疗、法务、企业内部资料	会话、文件、密钥留在本地磁盘，云端只承担推理
小团队协作	需要 AI 参与代码评审	MR 触发评审并回帖，无需人盯

2.4 核心功能

编号	功能	说明
F01	会话与流式对话	会话绑定工作目录；推理、工具调用、正文按 part 增量推送，过程可折叠回看
F02	文件与终端操作	read / write / edit / glob / grep 与 bash；终端保留 scrollback，有超时与截断
F03	工具调用与权限审批	高风险动作先授权；跨项目默认拒绝；密钥不进上下文
F04	真实浏览器接管	经扩展中继驱动已登录的浏览器：定位、填写、提交、截图留证
F05	并发与资源治理	同一会话运行权互斥（busy 返回 409）；中断可恢复；旧代次写入丢弃
F06	无人值守自动化	Webhook 与 cron 触发；运行历史可回看、可重放；投递用 outbox 保证幂等
F07	平台适配	MR 评审并回帖；飞书消息通道；平台能力独立成包，不耦合内核
F08	鉴权与隧道	密码换会话令牌（TTL 720 分钟）；隧道一键开启，未设密码拒绝启动
F09	多模型与 MCP	Provider 可插拔（Anthropic / OpenAI / Gemini / 自定义）；MCP 支持 stdio 与远程 HTTP，热生效
F10	可观测性	请求量、工具耗时、失败率面板；每次运行有唯一编号可追

走一遍真实的任务

用户在会话里说一句话，系统拆成工具调用，一次一次做完，最后把过程折叠成一条可以展开的记录。下面用一次实际使用走一遍。

最下面这条是运行结束时它自己整理的结果——34 次调用、4 分 24 秒，README 的四部分写完了。

2.5 创新点

零依赖打包。 内置 Bun 运行时，下载解压就能跑，不需要装 Node、不需要包管理器、不需要 Docker，Windows、macOS(Apple Silicon)、Linux(x64/arm64) 四个平台开箱可用。这一条看着不"智能"，但它决定了实验室那台没人维护的机器上能不能装得上。

2.6 技术方案与可行性

总体架构分四层，用户只碰到最上面一层：

接入层是浏览器、手机隧道、Webhook 和 MR 事件，负责"从哪进来"；编排层管一次任务怎么调度；能力层是文件、终端、浏览器中继、平台包和 MCP；运行时层管进程、会话存储、租约和观测。分层的目的只有一个：换任何一层都不动其它三层。

环节	选型	为什么
运行时	Bun（随包内置）	打包成一个可执行文件，解压就能跑，用户不用装 Node
前端	Vue 3 + Vite	单页应用，构建产物随包分发，离线也能打开
通信	HTTP + SSE	一条长连接推增量，工具调用、推理、正文按序到达
存储	SQLite	会话、消息、outbox 都在本地一个文件里，备份就是复制文件
浏览器中继	浏览器扩展 + WebSocket	直接驱动用户已登录的浏览器，不需要无头环境
模型	Provider 抽象	四家加自定义 baseURL，换模型只改配置

可行性上，最难的三块都已经跑通：四平台预编译包有 CI 冒烟；隧道与密码鉴权在手机上验证过；浏览器中继能稳定完成一次填表提交。剩下的四个开放问题都是"能用但不稳"，属于迭代范围，不影响答辩现场演示。

三、需求分析

以下按需求来源、功能结构、类图、功能描述、非功能、运行环境、验收组织，参考了两项软件文档国家标准。GB/T 9385—2008《计算机软件需求规格说明规范》 · GB/T 8567—2006《计算机软件文档编制规范》。完整文档另附，共 48 条功能需求（后端 31 条、前端 17 条）、20 条非功能需求、17 条验收标准。

3.1 系统功能结构

功能分为会话、工具、浏览器、自动化、访问与模型六块，落成四层。主流程依次经过会话绑定、上下文组装、工具调用、权限校验和结果回填。

下面这张表是用户侧行为与后端处理的对照。

编号	用户侧行为	后端或浏览器如何处理
F01	打开会话，说一句话，看到过程与结果	会话绑 cwd；按 part 增量推 SSE；工具调用、推理、正文按序出现
F02	让它读文件、改代码、跑命令	工具层执行 read/write/edit/bash；终端持久化，超时与截断有上限
F03	高风险操作被要求授权	调用前做权限与范围校验；跨项目默认拒绝；密钥不进上下文
F04	让它去网页填表、提交	中继连扩展；滚到视口取坐标、多选择器兜底、提交前比对、事后截图
F05	同一会话连发两条消息	运行权互斥，busy 返回 409；取消后释放租约；旧代次写入丢弃
F06	设"每天九点跑一次"或接 Webhook	触发一次完整运行；历史记输入、输出、耗时、失败原因；投递幂等
F07	提一个 MR，等它在下面回帖	MR 事件触发评审；拉 diff、跑检查、把结论发回；飞书走独立包
F08	手机上打开隧道地址并输密码	密码换令牌（TTL 720 分钟）；未设密码拒绝启动；HTTP 提示可被截获
F09	换模型，或加一个 MCP 服务	Provider 可插拔，改配置即可；MCP 支持 stdio 与远程 HTTP，热生效
F10	看这一周的失败率和耗时	指标按窗口聚合；每次运行有唯一编号，可从面板追到会话

3.3 核心类图

类 / 模块	职责	关键成员
AgentRuntime	会话与运行权的中枢	createSession、acquireRun、releaseRun、cancel
Controller	一次运行的编排	assembleContext、dispatch
Session	会话状态与消息序列	cwd、state、messages、appendPart、snapshot
Message / Part	消息由 part 组成，按序增量推送	role、parts
Tool	工具接口	schema、execute、checkPermission
ToolRegistry	按代次解析工具，旧代次失效	register、resolve、isAlive
PlatformManager	平台包激活与回滚	activate、snapshotTools、commit、rollback
Provider	模型接入	protocol、baseURL、chat
Automation	定时与事件触发	kind、trigger

3.4 功能描述

F01 会话与流式对话

项	内容
输入	一条自然语言消息，可带附件；会话必须绑定一个工作目录
处理	创建或复用会话 → 组装上下文 → 调用模型 → 按 part 增量推送 → 工具调用折叠
输出	SSE 流：推理片段、工具调用与结果、正文、完成状态
异常	模型不可用时保留已输入内容；同一会话 busy 返回 409，不落库不覆盖

F04 真实浏览器接管

项	内容
输入	一句目标（"去办事大厅把这个表填了"）加当前浏览器已登录的会话
处理	中继建立 → 定位目标页 → 滚动取坐标 → 填写 → 提交前比对 → 截图 → 等回执
输出	每一步命中的元素、输入值、截图；失败时说明卡在哪一步
约束	不用无头浏览器；不代输密码；提交类动作前必须确认

F06 无人值守自动化

项	内容
输入	cron 表达式、Webhook（源加 secret）或 MR 事件
处理	触发 → 生成运行编号 → 执行完整任务 → 记录输入输出耗时 → 投递结果
输出	运行历史列表，可点开看单次详情，可重放
约束	重投必须幂等；失败可重试但有上限；同一任务实例不并发

F08 鉴权与隧道

项	内容
输入	访问密码；隧道服务选择（ngrok / NATAPP）
处理	密码换令牌 → 令牌随请求携带并校验 TTL → 隧道把本机端口映射到公网
输出	公网地址；未登录访问被拒绝
约束	未设密码拒绝启动隧道；密钥不得出现在 prompt、日志与前端响应里

接口需求

方法	路径	用途	鉴权
POST	/api/auth/login	密码登录换取会话令牌	否
GET	/api/projects	项目列表	是
POST	/api/sessions	创建会话（绑定工作目录）	是
POST	/api/session/{id}/message	发送消息，SSE 流式响应	是
GET	/api/session/{id}/snapshot	消息与待办快照	是
PUT	/api/settings/mcp	修改 MCP 配置（热生效）	是
GET	/api/metrics?window=	指标查询	是
POST	/webhooks/{sourceId}/	外部触发入口	secret

外部集成有五项：Provider API 走 HTTPS，兼容 OpenAI 与 Anthropic，支持自定义 baseURL；MCP Server 支持 stdio 和远程 HTTP 加 OAuth；浏览器中继走 WebSocket，命令与租约绑定连接代次；GitLab 走 API 与 Webhook；公网访问走隧道服务的 HTTPS/WSS。

3.5 非功能需求

类别	要求
性能	冷启动到可交互以 1 秒内为目标；首字延迟在常规网络下快于同类桌面客户端
并发	同一会话互斥；多会话并行不互相阻塞；高频切换终端不丢输入
可靠性	工具失败可重试且不重复产生副作用；中断可恢复；投递幂等
安全	密钥不进上下文与日志；隧道未设密码拒绝启动；跨项目默认拒绝；令牌有 TTL
隐私	会话、文件、密钥留在本机磁盘，云端只承担推理
可移植	Windows / macOS(Apple Silicon) / Linux(x64, arm64)；不依赖系统 Node
可维护	Provider、平台适配、工具各自成包，换一层不动其它层
可观测	请求量、工具耗时、失败率可查；每次运行有唯一编号

可观测这一条落成了统计页

3.6 运行环境

项	要求
客户端	现代浏览器（Chrome / Edge / Safari 移动端）；接管浏览器需安装扩展
服务端	本机运行，内置 Bun 运行时，无需系统级 Node
操作系统	Windows 10 及以上 / macOS（Apple Silicon）/ Linux（x64、arm64）
外部依赖	模型 Provider（需自备 API Key）、MCP（可选）、隧道服务、GitLab（评审需要）
网络	本机使用不需要外网；隧道与云端模型需要外网

3.7 验收标准与实测结果

实测截图：高风险动作会先停下来要授权，拒绝之后命令不再执行

四、小结

现在能做到的是：解压即用跑在自己机器上，本机文件和终端真能操作，需要登录态的浏览器真能接管，人离开后定时与事件触发的任务真能跑完，回来能看到每一步做了什么。

接下来先收敛四个开放问题。这四条都在"能长期用"这条线上，不解决就没法说"敢每天用"。然后是指标口径：从按会话聚合改成按调用聚合，才能回答"慢在哪一步"。

感谢阅读。