用途：面向需要把多智能体 AI 系统推向生产的开发者，提供一套参考架构与代码模板。
主要能力：按七个核心层组织——模块化代码库、数据持久化、安全与防护、服务层、多智能体编排、API 网关、可观测性。技术上使用 FastAPI 提供 API，LangGraph 做智能体编排，PostgreSQL 及 Supabase 持久化，包含 JWT 认证、bcrypt 密码哈希、限流、断路器与重试、Prometheus 指标、LangFuse 追踪，以及基于 LLM-as-a-Judge 的评估、单元测试与并发压测。
使用方式：需 Python ≥3.13、PostgreSQL、Docker 与 Docker Compose。克隆仓库后执行 pip install -e .，开发依赖 pip install -e .[dev]，测试依赖 pip install -e .[test]。在根目录创建 .env，配置 DATABASE_URL、SUPABASE_URL/KEY、OPENAI_API_KEY、SECRET_KEY、ALGORITHM、ACCESS_TOKEN_EXPIRE_MINUTES、LANGFUSE 三项、RATE_LIMIT_PER_MINUTE、APP_ENV、LOG_LEVEL。容器部署用 docker-compose up -d 启动应用、postgres、prometheus、grafana，日志用 docker-compose logs -f app，停止用 docker-compose down。代码按 app/api/v1、app/core/langgraph 与 prompts、app/models、app/schemas、app/services、app/utils，以及 evals、grafana、prometheus 目录组织。
适用场景：需要带认证、会话记忆、流式输出（SSE）、指标与追踪、可评估可压测的多智能体后端服务。
限制：具体模型版本、费用与价格、性能数据等资料暂未提供；示例中的 LLM 调用、评估解析等需按实际环境与密钥调整。