local-multi-agent-company：本地化多智能体软件开发团队架构

local-multi-agent-company是面向Unraid平台的本地化多智能体软件开发团队架构项目，采用LangGraph编排17个专业Worker角色，支持GitHub自动化、分级部署和本地LLM路由，实现可控的AI驱动软件开发流程。项目核心是模拟专业开发团队分工协作，解决单一AI助手难以兼顾多环节专业要求的问题，兼顾数据隐私、可控性与开发效率。

在AI辅助编程普及的今天，单一AI助手难以同时兼顾需求分析、架构设计、编码实现、测试验证等多个环节的专业要求。local-multi-agent-company项目旨在通过构建多智能体系统，模拟完整软件开发公司运作流程，让AI像专业团队一样协作工作。

项目包含17个专门化Worker，分工明确：

• Orchestrator：核心编排器，负责任务接收、工作流控制与状态持久化；
• 需求分析层：requirements-worker提取需求，cost-worker估算资源，human-resources-worker推荐Worker配置；
• 研究设计层：research-worker分析仓库，architecture-worker设计架构，data-worker提供数据处理建议，ux-worker提供UI建议；
• 实现层：coding-worker执行编码，reviewer-worker审查代码，test-worker执行测试，security-worker识别风险；
• 交付层：validation-worker验证需求，documentation-worker创建文档，github-worker管理代码提交，deploy-worker执行分级部署，qa-worker执行测试，memory-worker持久化学习成果；
• 此外还有web-ui提供任务管理与监控界面。

项目采用本地优先设计，容器化部署在Unraid平台，使用本地LLM端点（默认Mistral和Qwen系列），数据保留本地保障隐私。可控性方面，默认分级部署（Staging到生产需人工审批），关键节点强制执行审批。编排使用LangGraph框架，支持复杂状态转换与并行执行；状态持久化到SQLite数据库，确保任务可恢复。

项目支持灵活模型路由：Mistral用于轻量任务（文档生成、分类），Qwen用于重负载任务（架构设计、安全审查），每个Worker可独立配置模型参数。深度集成GitHub作为代码管理来源，github-worker负责提交代码、创建PR，采用仓库白名单与变更确认机制保障安全。

安全机制包括：外部内容不可信处理、提示注入识别、密钥管理（本地文件存储，Docker只读挂载）、Shell命令白名单。Web界面提供任务管理、Worker配置、可信源管理等功能；Debug中心支持系统快照下载、运行时文件诊断，便于排查故障与优化配置。

适用场景：本地开发者/小型团队、隐私敏感企业、多智能体架构研究者、Unraid用户。使用建议：首次部署从简单任务开始；根据硬件调整模型路由与超时配置；利用审批机制保持关键节点监督；定期优化memory-worker积累的学习成果；生产环境先小规模验证再扩大应用。

local-multi-agent-company代表AI辅助编程向专业化、系统化方向发展的重要尝试。通过模拟真实团队分工，展示多智能体架构比单一AI更可靠可控的自动化能力。虽部署调优需技术投入，但对探索AI开发应用边界的用户具有重要研究价值。