AI 应用与 Agent 工程 · 工具调用 · 工作流编排 · 自动化验证
我用 Python 将 LLM 接入数据生成与设备测试流程，重点处理模型输出校验、工具权限、异常恢复和执行追溯。维护开源项目 sqlseed，以离线数据引擎为基础，提供 Web 工作台、可选 AI 配置助手与 MCP 工具接口；在设备测试实践中使用 LangGraph / Dify 组织工作流。
Python · LangGraph · Dify · LLM APIs · MCP · SQLite · pytest · GitHub Actions
代表作 sqlseed · 使用文档 · 能力与证据 · 项目实践 · 开源协作
| 能力方向 | 具体实践 | 证据入口 |
|---|---|---|
| LLM 应用与工具接入 | 从数据库 schema 构建上下文，生成并校验数据配置，通过 MCP 暴露工具。 | sqlseed AI · Core MCP · AI MCP |
| Agent 编排与自动化测试 | 用 LangGraph 组织测试、诊断与恢复；用 Dify 串联设备事件测试，明确模型分析与规则判定的边界。 | 设备稳定性测试 Agent · 下文脱敏案例 |
| Python API / SDK 工程 | 将认证与业务接口分层，定义令牌响应类型和错误语义，并完成 Python 包发布。 | EZVIZ SDK · Dify SDK 贡献 |
| 可靠性与工具交付 | 对 AI 修复设置重试与时间预算；提供运行快照、失败恢复、Python API、CLI 与 Web 入口。 | 系统架构 · 测试与 CI · 版本发布 |
公开项目链接可查看实现与验证记录；设备测试案例为已脱敏的非开源实践，以下单独标注。
作者 / 维护者 · 项目 · 架构 · AI 实现 · Core MCP · AI MCP
为 SQLite / PostgreSQL 开发与测试场景生成可重复的数据。核心引擎离线运行，AI 作为可选的配置生成与修复能力；用户可先检查规则与样例，再确认写入。
快速开始（无需模型 API key） · 工作台指南 · 可复现订单示例
流程示意：数据库结构与字段规则 → 配置校验、依赖检查和样例预览 → 生成并写入关联数据。
查看真实工作台截图与 AI / MCP 工程实现
实际工作台截图，使用虚构订单数据；可交互体验请按上方快速开始与工作台指南在本地运行。
主分支已实现：
- 给模型提供数据库上下文：整理 schema、索引、外键、数据样本及分布信息，生成可复用的数据规则。
- 验证与反馈修正：配置经过结构校验、列名核对和少量样本预览；把错误摘要反馈给模型，在限定重试次数内修正配置。
- 通过 MCP 接入 AI 助手：Core MCP 提供规则式 YAML 生成与单表填充；独立的 AI MCP 提供模型辅助配置生成、表分析与分析后填充。
- 处理实际的数据约束：表依赖拓扑排序、循环依赖检测、外键关联和固定 seed，让配置能接入可复现的数据生成流程。
工作台 PR #10 已合入 main。 将字段规则调整、预览、生成、运行记录和候选包交付串成完整流程：
2026.06 · GDG 上海 Gemma 4 开发者大赛 · AI Agent 赛道
围绕自然语言需求、SQLite schema 理解、配置生成和反馈修正，提交 GemmaSQLSeed 参赛作品与技术报告。作品与 sqlseed 共用技术基础，重点呈现模型如何参与数据生成工作流。
参赛材料通过两次 PR 合并收录，可查看问题定义、工具设计与技术方案：
将萤石开放平台的认证客户端与设备 API 分层封装，便于 Python 工作流集成设备接口。提供双语文档与测试用例，并以 Python 包发布。
- 接口与错误处理：认证客户端负责令牌与请求会话，API 层封装设备操作，以自定义异常表达认证失败、API 错误与设备能力限制。认证客户端 · API 实现
- 类型与验证入口：为令牌响应定义 TypedDict，提供认证相关测试用例；真实接口测试需要配置凭据。令牌响应类型 · 测试用例
工程实践 · 非开源案例（脱敏）
将设备稳定性测试拆成可配置的动作、检查项与 LangGraph 状态图，处理长时间运行中的异常检测、故障归因与环境恢复。
异常处理示意：执行测试动作 → 并行采集状态与事件、规则判定、Agent 归因 → 输出失败结果与诊断信息。
- 模型建议与测试判定分工：LLM 提供结构化故障诊断和风险注解，通过／失败仍由规则和采集事实决定；模型不可用时回退规则诊断。
- 按阶段限制工具：测试循环提供查询与探测工具，环境恢复工具仅在相应阶段开放，恢复动作进入诊断记录。
- 诊断经验可追溯：可按场景归档诊断，并将历史摘要用于后续风险先验，同时限制先验的影响范围。
- 离线验证：通过 FakeClient 和图执行测试检查流程、能力依赖、诊断降级及模型不翻转规则判定的通过／失败结果这一边界。
工程实践 · 非开源案例（脱敏）
将 Python／pytest 与 Dify Workflow 用于多协议设备事件测试，串联环境准备、测试数据构造、动作触发和事件校验。
流程示意：一项设备事件测试 → 触发操作、采集事件、程序与模型分层校验 → 回填结果和问题说明。
- 分层校验：程序处理事件采集、能力预检和基础核对，模型参与复杂事件内容分析。
- 工作流工具化：将准备环境、构造测试数据和触发操作拆成可组合的工作流，提供统一的 Python 调用入口。
- 运行约束：处理查询限流、超时、设备能力差异，并将判定结果写回统一记录。
上游代码贡献者 · 上游项目
参与 Agent 安全工具的工程实现与回归验证，以下贡献已合并至上游：
- Skills 分发兼容验证：新增文件树比较、CLI smoke 与自动化测试，检查文件内容和可执行位的一致性。PR #29
- Windows 运行时适配：参与任务调度、状态诊断及跨平台启动器的改进，并补充回归验证。PR #40
- 私密状态保护与中断恢复：参与 Windows 状态与凭据 ACL 检查、迁移和恢复流程。PR #82
与上游维护者协作完成，具体改动和平台验收范围见对应 PR。
代码贡献 · PR 审阅中 · 上游 PR #3 · 我的 fork
为 SDK 补充 7 类 API 的同步与异步实现，覆盖知识库检索、文档与分段访问、生成任务控制、反馈及终端用户信息，并补充 mock 测试。
这部分工作聚焦 AI 应用集成中的具体接口：让知识库检索与文档能力可以从 Python 工作流调用，并维护同步、异步客户端的接口一致性。
将 HTML 清理与 Markdown 批量转换封装为可安装的 Agent Skill，支持编码检测、增量处理和预览，并通过 Claude Code Marketplace 分发。
展开技术选型、组件使用与关注项目
从我的 Star 中精选，围绕 Python 数据与测试、Agent 工作流、MCP 与文档处理。已用于项目的部分附实践依据，其余记录具体关注点。
| 项目 | 关系 | 关注点与实践 |
|---|---|---|
| SQLAlchemy | 项目实践 | sqlseed 采用：数据库连接、结构检查与事务管理，见 sqlseed 适配实现（已合入 main）。 |
| factory_boy | 关注 | 测试数据工厂的复用方式，以及与声明式数据生成的取舍。 |
| LangChain | 使用部分组件 | 测试 Agent 使用 Core／OpenAI 组件定义工具、接入模型；状态图编排由 LangGraph 完成，见项目实践。 |
| Hermes Agent | 关注 | Agent 的工具组织、记忆机制与长期任务处理。 |
| FastMCP | 关注 | MCP 工具定义、参数约束与错误反馈的设计。 |
| MarkItDown | 关注 | 文档转 Markdown 的格式兼容与内容清洗质量。 |
