这是款面向服饰电商行业运营人员的AI Agent产品demo。核心思路是用LLM驱动的Agent Pipeline自动化完成选品分析、竞品对标、趋势洞察等专业分析任务，输出结构化可视化报告。 核心特点： ✅ 全LLM 驱动：从意图识别到前置校验再到DAG拆解到报告生成，不依赖固定模板或规则引擎； ✅ Provider无关：LLM和搜索均支持任意提供商（DeepSeek/OpenAI/兼容API），用户通过配置文件切换，不改代码； ✅ 反思修正闭环：报告生成后自动评分，低于 7 分触发重试修正（最多 2 次），保留最高分版本； ✅ 可视化报告：JSON结构化数据 👉 前端渲染引擎 👉 包含指标卡片、柱状图、SWOT矩阵、品牌对比卡、洞察框等9种组件； ✅ 工作记忆系统：有短期和长期记忆，工作记忆支持滑动窗口 + 递归摘要。 缺点很明显： ⚠️ 数据源为通用网页搜索（博查 + Tavily）非结构化数据，缺少电商API获取精确价格/销量数据； ⚠️ 工具没有运行时注册/发现机制，打算后续接入skills和mcp的时候再重构（docs目录下有文档规划）。 📌 本质上是一次基于我熟悉场景的理论实践，距离生产还有不少距离，后续我还会利用业余时间来优化它，把更多理论融合进去。 感兴趣的朋友可以去仓库克隆下来把玩一下：pmshaw2045-ops/zhijing-agent.git #agent #Agent #智能体 #vibecoding #vibecoding实践 #ai产品经理 #AI产品经理 #AI