ThinkFlow - AI 思维教练

基于 HelloAgents 框架的智能思维拆解工具，帮助你从混沌走向清晰

📝 项目简介

ThinkFlow 是一款 AI 思维教练，通过"黄金三角"方法论引导用户完成"从混沌到清晰"的思考旅程。

解决的问题：

思绪混乱、不知从何下手
目标模糊、难以拆解
选择困难、决策焦虑

核心价值：

将咨询公司的专业工具（麦肯锡 MECE、WBS、决策矩阵）融入 AI
通过提问引导用户主动思考，而非直接给答案
支持递归式决策跳转，符合真实项目管理逻辑

✨ 核心功能

澄清期（ClarifyAgent）：黄金圈法则挖掘真实动机，5W1H 界定问题边界
拆解期（DecomposeAgent）：WBS 工作分解结构，将大目标拆解为可执行任务
决策期（DecideAgent）：决策矩阵，多维度评估选项
MECE 校验：确保拆解相互独立、完全穷尽
递归跳转：Decompose 阶段遇二选一场景可返回 Decide 阶段

🛠️ 技术栈

框架：HelloAgents（SimpleAgent + 多智能体架构）
LLM：DeepSeek（deepseek-v4-flash）
方法论：黄金圈法则、5W1H、WBS、决策矩阵、MECE 原则
状态管理：上下文快照 + 决策回传协议

🚀 快速开始

环境要求

Python 3.10+
hello-agents >= 0.2.7

安装依赖

pip install -r requirements.txt

配置 LLM

# 创建 .env 文件
cp .env.example .env

# 编辑 .env 文件，配置 DeepSeek API

运行项目

# 方式1: Python脚本运行（推荐）
python main.py

# 方式2: Jupyter Notebook运行
jupyter lab
# 打开 main.ipynb 并运行所有单元格（如有）

📖 核心设计

黄金三角模型

用户需求
    ↓
澄清期（Clarify）──→ 决策期（Decide）──→ 拆解期（Decompose）
    (黄金圈+5W1H)        (决策矩阵)          (WBS分解)
          ↓                   ↓                   ↓
        定义目标           选择路径           执行任务

三智能体架构

智能体	角色	核心任务	输入	输出
ClarifyAgent	认知脚手架工程师	挖掘动机，界定边界	用户模糊需求	明确定义的目标+约束条件
DecideAgent	理性决策教练	多维度评估选项	选项列表	唯一优选方案
DecomposeAgent	结构化架构师	WBS 任务分解	目标或方案	可执行任务列表

递归调用机制

当 Decompose 阶段检测到互斥选项时：

自动冻结当前 WBS 状态
生成标准化决策请求传递给 DecideAgent
DecideAgent 返回携带路径标识的方案
DecomposeAgent 精准续接分解

🎯 项目亮点

方法论驱动：将麦肯锡、BCG 等顶级咨询公司的工具固化为 AI 能力
状态机设计：支持动态跳转，符合真实项目管理逻辑
MECE 校验：确保拆解的完整性和独立性
教练语气：通过提问引导，而非直接给出答案

📊 测试用例

测试环节 A：ClarifyAgent（问题澄清）

输入："老板让我提升用户留存，我不知道从哪下手。" 预期输出：通过黄金圈和 5W1H 追问，收敛到具体目标

测试环节 B：DecomposeAgent（结构拆解）

输入："策划一场公司年会" 预期输出：WBS 层级分解，识别潜在决策点

测试环节 C：DecideAgent（决策收敛）

输入："自研风控系统 vs 接入第三方SDK" 预期输出：决策矩阵对比，输出优选方案

🔮 未来计划

可视化思维导图输出
支持多人协作模式
增加更多思维工具（SWOT、SCAMPER）
Web 界面开发

📄 许可证

MIT License

👤 作者

GitHub: @alan-6-6-6
项目链接: ThinkFlow

🙏 致谢

感谢 Datawhale 社区和 Hello-Agents 项目！

README.md 4.1 KB 히스토리 Raw