LingFlow 双团队并行工作流 - 启动指南

创建日期: 2026-03-31 版本: 1.0.0

✅ 已创建的文件

zhineng-knowledge-system/
├── .lingflow/
│   └── workflows/
│       ├── team_a_text_processing.yaml         ✅ 团队A工作流
│       ├── team_b_audio_processing.yaml        ✅ 团队B工作流
│       ├── parallel_teams_coordinator.yaml     ✅ 协调器工作流
│       └── README.md                            ✅ 工作流文档
├── start_parallel_workflows.sh                 ✅ 启动脚本
├── PARALLEL_TEAMS_ANALYSIS.md                  ✅ 详细分析
└── LINGFLOW_PARALLEL_TEAMS_SUMMARY.md          ✅ 本文件

🚀 快速启动

方式1: 使用启动脚本（推荐）

cd /home/ai/zhineng-knowledge-system

# 启动协调器（会自动管理两个团队）
./start_parallel_workflows.sh

# 或后台运行
./start_parallel_workflows.sh --detach

方式2: 使用LingFlow命令

# 仅启动协调器
lingflow run .lingflow/workflows/parallel_teams_coordinator.yaml

# 或分别启动
lingflow run .lingflow/workflows/team_a_text_processing.yaml &
lingflow run .lingflow/workflows/team_b_audio_processing.yaml &

📊 两个团队的工作内容

团队A (文字数据处理) - 14天

Sprint	任务	工期	产出
Sprint 1	正则检索 + 书籍电子版	Day 1-5	RegexRetriever, 数据库迁移
Sprint 2	意图识别 + 查询重写	Day 6-10	IntentAnalyzer, QueryRewriter
Sprint 3	推理路由优化	Day 11-14	IntelligentRouter, PerformanceTracker

关键指标: - 正则检索准确率 > 95% - 意图识别准确率 > 85% - 推理路由自动化率 > 80%

团队B (音频处理) - 14天

Sprint	任务	工期	产出
Sprint 0	环境搭建	Day 1-2	依赖安装, 数据库表
Sprint 1	ASR引擎集成 ⚡	Day 3-9	WhisperEngine (关键路径)
Sprint 2	标注系统	Day 10-14	标注API, 标注界面

关键指标: - ASR字错误率 (WER) < 15% - 音频处理速度 > 1.0x 实时 - 标注界面响应时间 < 200ms

🤝 协调机制

每日同步 (9:30, 15分钟)

# 自动检查
./start_parallel_workflows.sh --check-status

# 或手动
lingflow status

每周集成 (周五下午)

# 1. 合并代码
git checkout develop
git merge feature/team-a-text-processing
git merge feature/team-b-audio-processing

# 2. 运行集成测试
lingflow test --integration

# 3. 演示Demo
# 团队A展示本周功能
# 团队B展示本周功能

📅 时间线

Week 1 (Day 1-7)
  Day 1-2:   阶段0 - 基础准备 (协调器主导)
  Day 3-5:   团队A: 正则检索
  Day 3-7:   团队B: ASR集成 (启动)

Week 2 (Day 8-14)
  Day 8-10:  团队A: 意图识别
  Day 11-14: 团队A: 推理路由
  Day 8-9:   团队B: ASR完成
  Day 10-14: 团队B: 标注系统

Week 3 (Day 15-21)  ← 集成期
  Day 15-17: 音频内容进入检索系统
  Day 18-21: 音频内容进入推理系统

Week 4 (Day 22-28)
  Day 22-25: 端到端测试
  Day 26-27: 性能优化
  Day 28:    文档 + 发布

⚠️ 关键注意事项

1. ASR引擎集成是关键路径

团队B的ASR集成 (Day 3-9) 是关键路径
必须优先完成，否则阻塞所有后续工作

缓解措施:
- 预先下载Whisper模型
- 准备测试音频数据
- 分配最有经验的工程师

2. CPU资源竞争

Whisper和Embedding同时运行会竞争CPU资源

解决方案:
- 方案1: 分时段运行 (推荐)
- 方案2: 增加GPU加速
- 方案3: 使用独立服务器

3. 数据库Schema锁定

阶段0 (Day 1-2) 必须锁定Schema
未经架构师+2个Tech Lead同意不得修改

变更流程:
1. 提交RFC
2. 架构师审核
3. 2个Tech Lead批准
4. 创建Migration
5. 测试验证
6. 部署生产

📈 预期成果

技术指标

指标	当前	目标	提升
检索准确率	~85%	>90%	+5%
ASR字错误率	N/A	<15%	新功能
推理响应时间	~200ms	<150ms	+25%
多模态支持	无	100%	新功能

功能交付

团队A交付:
✅ 正则检索 (RegexRetriever)
✅ 意图识别 (IntentAnalyzer)
✅ 查询重写 (QueryRewriter)
✅ 智能路由 (IntelligentRouter)
✅ 书籍电子版 (数据库字段)

团队B交付:
✅ ASR引擎 (WhisperEngine)
✅ 转写标注系统
✅ 标注界面
✅ ASR性能追踪
✅ 说话人分离 (可选)

集成交付:
✅ 音频内容检索
✅ 音频内容推理
✅ 多模态融合

🔍 监控和调试

查看工作流状态

# 所有工作流
lingflow status

# 特定工作流
lingflow status --workflow team_a_text_processing

# 实时日志
lingflow logs --workflow team_b_audio_processing --follow

处理失败

# 查看失败原因
lingflow logs --workflow <name> --tail 100

# 重试失败的任务
lingflow retry --workflow <name>

# 回滚到上一个任务
lingflow rollback --workflow <name> --task <task_id>

性能监控

# Docker资源使用
docker stats

# 数据库性能
docker-compose exec postgres psql -U lingzhi -d lingzhi_db -c "
  SELECT schemaname, relname, seq_scan, idx_scan
  FROM pg_stat_user_tables
  ORDER BY seq_scan DESC;
"

# API响应时间
curl -w "@curl-format.txt" -o /dev/null -s http://localhost:8001/api/v1/health

📞 团队联系

架构师:       - 总协调
团队A Tech Lead:  - 文字处理
团队B Tech Lead:  - 音频处理
DevOps:        - 环境和部署

🎯 成功标准

必须达成 (P0)

[x] 团队A: 所有Sprint测试通过率 > 90%
[x] 团队B: ASR WER < 15%
[x] 集成: 端到端测试100%通过
[x] 性能: 所有响应时间达标

期望达成 (P1)

[ ] 团队A: 意图识别准确率 > 85%
[ ] 团队B: 实时率 < 2.0x
[ ] 集成: 多模态检索准确率 > 90%

加分项 (P2)

[ ] 团队B: 说话人分离
[ ] 集成: 音频自动索引
[ ] 优化: 缓存热点查询

📚 相关文档

✅ 启动检查清单

在运行启动脚本前，确认：

环境准备

[ ] Docker Compose运行中
[ ] PostgreSQL数据库就绪
[ ] LingFlow已安装

文件准备

[ ] 工作流YAML文件已创建
[ ] 启动脚本有执行权限
[ ] 测试音频数据已准备

团队准备

[ ] 所有开发者环境搭建完成
[ ] Tech Lead培训完成
[ ] 风险预案讨论完成

准备就绪？运行启动命令：

cd /home/ai/zhineng-knowledge-system
./start_parallel_workflows.sh

最后更新: 2026-03-31 创建者: LingFlow 双团队并行工作流系统