MediaFlow Agent Go 是一个用 Go 实现的 AI 视频本地化与内容运营 Agent。它把视频脚本本地化、知识检索、TTS 执行计划、内容包生成、安全校验和质量评分串成一条可观测的工作流，并通过浏览器界面实时展示执行过程。
- 端到端 Agent 工作流：输入一段视频/脚本需求，Agent 自动完成需求分析、知识检索、脚本本地化、TTS/语音克隆执行计划、内容包生成和质量评分。
- 端到端全栈：Go 后端提供 Agent 服务、SSE 流式事件、文件持久化；
web/提供可交互的浏览器界面。 - 可观测工具链：把翻译、TTS、语音克隆、内容生成拆成独立工具，每个步骤都有耗时、结果和质量指标。
- 工程化组件：内置 Guardrails、技能系统、轻量 RAG、Mock LLM、OpenAI-compatible LLM 客户端、Job 存储，方便从 demo 迭代到生产。
- 向量数据库：支持 Milvus standalone，启动时把
knowledge/导入向量库，Agent 检索时优先走 Milvus 召回。
| 模块 | 实现 |
|---|---|
| LLM Client | internal/llm/openai.go 实现 OpenAI-compatible 调用 |
| Agent Loop | internal/agent 调度 internal/tools 工具链 |
| SSE Streaming | /api/agent/run 以 SSE 输出状态、工具调用和结果事件 |
| Persistence | Job 文件持久化 + 每次执行 trace 化 |
| RAG | retrieve_knowledge 优先从 Milvus 检索，失败时回退 knowledge/ |
| Skills | skills/*.md 加载场景技能 |
| Guardrails | internal/guardrails 检查语音克隆、冒充、欺诈等风险 |
| Metrics | score_quality 输出质量分、成功率代理、成本和时长风险 |
cd mediaflow-agent-go
cp .env.example .env
go run ./cmd/mediaflow-agent打开浏览器访问：
http://localhost:8080
不配置 LLM_API_KEY 时，项目使用 deterministic demo provider，方便在无外部模型服务的情况下完整跑通链路。配置 OpenAI-compatible 服务后，脚本本地化和内容包生成会优先调用真实模型。
Linux 机器只需要安装 Docker 和 Docker Compose v2：
git clone https://github.com/roookiiee/mediaflow-agent-go.git
cd mediaflow-agent-go
docker compose up --build启动后访问：
http://localhost:8080
Compose 会同时启动：
mediaflow-agent：Go Web + Agent 服务milvus-standalone：Milvus 向量数据库，端口19530milvus-etcd：Milvus 元数据milvus-minio：Milvus 对象存储，控制台端口9001
Docker 模式默认设置：
MILVUS_ENABLED=true
MILVUS_ADDRESS=http://standalone:19530
MILVUS_COLLECTION=mediaflow_knowledge
服务启动时会自动创建 Milvus collection，并把 knowledge/*.md 写入向量库。为了保证没有外部 embedding 服务也能直接跑通，项目内置了一个确定性 hash embedding；真实上线时可以把 internal/vector/embedding.go 替换成 OpenAI、BGE、Jina 或自部署 embedding 模型。
curl -N -X POST http://localhost:8080/api/agent/run \
-H "Content-Type: application/json" \
-d '{
"brief": "把一条 45 秒中文产品介绍视频本地化成英文 TikTok 版本，需要 TTS 和标题文案",
"source_script": "大家好，今天介绍一款可以自动整理会议纪要的 AI 工具...",
"target_locale": "English",
"channel": "TikTok"
}'MediaFlow Agent Go 不依赖重型 Web 框架，后端主要使用 Go 标准库实现 HTTP 服务、SSE 流式传输、JSON 编解码、文件持久化和 Milvus REST 调用。项目默认提供 Mock LLM 和本地 hash embedding，因此没有 API Key 或外部 embedding 服务时也能运行；接入真实模型后，可以把同一套工具链用于更高质量的脚本本地化和内容生成。
cmd/mediaflow-agent/ HTTP 服务入口
internal/agent/ Agent 编排与 trace
internal/tools/ 产品工具链
internal/llm/ Mock + OpenAI-compatible LLM 客户端
internal/skills/ 技能发现与加载
internal/guardrails/ 安全边界
internal/store/ Job 文件持久化
knowledge/ RAG 知识库
skills/ 场景技能
web/ 浏览器交互界面
docs/ 项目说明与扩展材料
docker-compose.yml Linux 一键启动 Go 服务 + Milvus