传统电商客服系统存在三大痛点：意图识别单一（难以处理跨域复杂请求）、响应延迟高（人工介入环节多）、个性化程度低（千人一面）。
本项目基于 Multi-Agent 架构构建电商智能服务平台，通过专业智能体分工协作，实现从商品发现、订单管理到售后履约的全链路智能化服务。
1 个编排器智能体统一调度，4 个专业智能体独立部署，通过 A2A 协议通信，各司其职
Orchestrator
系统入口，负责意图识别路由、A2A 协议封装、流式响应聚合。将用户请求分发至对应的专业智能体，并聚合返回结果。
关键词多条件筛选、向量语义搜索、相似商品推荐、趋势商品榜、商品详情与规格查询、多商品横向对比、实时库存查询、价格趋势分析、用户画像个性化匹配、跨会话偏好存储。
订单列表与详情查询、物流状态时间线追踪、取消/修改订单（走 HITL 审批）、退货资格校验与退款处理、购物车增删改查、收货地址与账单地址管理。
当前生效促销活动查询（满减/折扣/赠品，含截止时间提示）、商品价格波动分析（辅助判断优惠真实性）、结合用户画像与购买历史做分层优惠推荐。
实时库存与多仓分布查询、补货计划、运费估算与多承运商比价（时效/成本权衡）、物流追踪与智能分仓发货路径规划、缺货登记下单（走 HITL 审批）。
基于 LangGraph 搭建通用 ReAct 智能体框架，统一封装 5 个智能体的构建流程。
实现跨智能体可靠通信，支持同步与流式双模式。
基于 PostgreSQL 16 + pgvector 实现商品语义检索。
Local/OAuth 双模式一键切换，高风险操作引入人机协作。
设计 Multi-Agent 分层架构，制定 A2A 通信协议规范，明确各智能体职责边界。
搭建基于 LangGraph 的通用智能体框架，实现 ReAct 循环、多 LLM 兼容补丁、步骤时间线追踪。
完成编排器与专业智能体间双模式（流式/同步）HTTP 通信，含认证透传、降级策略、OTel 埋点。
设计 pgvector 向量库 Schema 与索引方案，落地语义搜索、相似推荐、趋势分析三类检索。
实现 Local/OAuth 双模式切换，完成 JWT 校验、密钥强度校验、OAuth client_credentials 全流程。
编写 Docker Compose 多服务编排、Pydantic 配置中心、数据库初始化与种子脚本；完成智能对话页 SSE 流式渲染、管理后台审批流页、智能体运行轨迹可视化。