Opencord AI

2023-10｜商业项目

Next-Gen Social Media Operations with AI Agent

项目简介

随着人工智能的不断发展，AI 创作、绘画、配音的能力越来越强，互联网上由 AI 产生的内容正变得越来越普遍。 我们相信在不远的未来，互联网上几乎所有用户生成的内容（UGC）都将由 AI 生成或参与制作。

Opencord AI 是下一代的社交媒体运营 AI Agent 平台。 简而言之，就是让 AI Agent 无缝接管您的社交账号运营，通过可视化/无代码的方式，灵活定制社交媒体运营 AI Workflow，实现内容创作、分发、互动的自动化，为企业和个人的品牌传播、内容营销和社群运营赋能。

项目亮点

1. 支持主流社交媒体账号：可与 Twitter、Instagram、YouTube 等主流社交媒体平台无缝集成，方便用户集中管理不同平台的账号。只需安装 Opencord AI 浏览器插件，即可轻松启用自动化运营功能。
2. AI 驱动的内容创作：AI Agent 可以根据用户提供的主题、关键词等信息自动生成高质量的原创内容。同时，AI 还可以对现有内容进行优化和润色，确保内容质量和可读性。
3. 自动化发布和互动：平台支持自动化内容发布，用户可以预先设定发布时间和频率。此外，AI Agent 还可以根据用户偏好和行为数据，自动与粉丝互动，提高用户粘性和参与度。
4. 7x24 小时不间断运行：AI Agent 可以 7x24 小时不间断运行，确保账号内容持续更新和互动，从而提高曝光率和影响力。
5. 降低运营成本：通过自动化流程，平台可以显著降低社交媒体账号运营的人力和时间成本，提高运营效率，为企业和个人节省更多时间，创造更多价值。

技术浅析

在这个项目中，我主要负责前期 Python 版本基于 LangChain 的 AI Agent 的架构与优化工作。随着业务的不断发展，基于 LangChain 的 Agent 方案，弊端愈加明显：

1. 业务要求对 AI Agent 内部的实现有极高的灵活度和可控性，LangChain 对 AI Agent 的层层抽象与封装，与我们的业务逻辑无法契合，可扩展性差，阻碍了正常业务需求的实现和快速迭代。
2. LangChain 框架对 AI Agent 的实现方案比较落后，未利用 JSON mode 等特性，且系统 Prompt 比较简单，对复杂场景和特殊 case 未作任何处理，不适合用于生产环境。
3. Python 环境消耗机器资源比较高，无法支撑高并发环境。在平台早期，为了快速迭代和方便管理，AI Agent 都是有状态的，用户创建的每一个 AI Agent 实例，都会起一个独立的 docker 容器来运行，内存消耗较高。
4. 团队后端技术栈以 Go-lang 为主，Python 版本的 AI Agent 实现，前期主要是我一个人在负责，团队缺少 Python 技术储备，等新迭代较慢。

鉴于上述的几点原因，后期我们在整个 AI Agent 的架构实现上，迁移到了基于 Go 的 Workflow 方案。

主要贡献

除了上面提及的平台早期 Python 版本 AI Agent 框架的架构与优化工作之外，我主要负责完成了前端 Workflow 可视化预览与编辑模块的实现。

前端流程图的技术选型是 ReactFlow，除了我们前端本身的技术栈是 React, ReactFlow 的更新频率、社区流行度、稳定性和可扩展性等方面综合考量下来，与我们的需求最为相符。另外，国内滴滴开源的 LogicFlow 还有蚂蚁集团出品的 X6 等，对于简单图编辑场景来说，也都是不错的选择。

基于 ReactFlow，我主要解决了以下几个核心问题：

1. Node 自动布局算法

• 支持 Dagre, ELK, D3-hierarchy, D3-dag 等自动布局算法
• 支持 Node 动态宽高自适应布局
• 支持多个 Subflows 自动布局
• 支持动态调整布局方向、节点间隔、端口排序等布局参数

2. Edge 自动路由算法

• 使用 A* 搜索算法¹结合曼哈顿距离²求解最优路径³
• Edge 与两端 Node 尽量不产生交叉和重合
• Edge 路径长度相同时，优先选择轴对称且端点最少的路径

3. Edge 折线拖拽编辑

• Edge 使用带圆角的直角折线 Path 绘制
• Edge 由控制点组成，控制点之间可以通过拖拽控制柄来移动线段
• 拖拽时自动合并相近的控制点和线段，也可以自动拆分出新的控制点

最终实现的效果，基本可以媲美 Figma 和飞书的流程图编辑体验。