基于 OpenClaw + Claude Code 的全流程自动化研发平台 | 系统架构设计报告
生成时间：2026-03-15 | 版本：v1.0.0
本系统是一个革命性的全流程自动化研发平台，整合了 OpenClaw 和 Claude Code 两大 AI 编程助手，实现从需求分析到自动部署的完整研发流程自动化。系统采用多角色 AI Agents 协同工作模式， 支持人机协同，大幅提升软件研发效率和质量。
覆盖需求→设计→开发→测试→部署全生命周期，无缝衔接各研发环节
产品、架构、后端、前端、测试、运维六大专业 Agent 分工协作
关键节点支持人工审核与干预，实时进度跟踪与状态可视化
自动生成系统架构图、数据库 ER 图、时序图等多种技术图表
从需求输入到自动部署的完整研发流程
展示系统整体架构，包含表现层、网关层、应用层、服务层和数据层五个层次
系统核心数据库实体关系图，包含 16 个主要实体和它们之间的关系
| 实体名称 | 说明 | 关键字段 | 关系 |
|---|---|---|---|
| users | 系统用户表，存储用户基本信息和权限 | id, username, email, role_id | N:1 → roles, 1:N → projects |
| projects | 项目核心表，所有研发活动的中心 | id, name, owner_id, status, progress | 1:N → 所有业务表 |
| requirements | 需求表，存储原始需求和用户故事 | id, project_id, title, priority | N:1 → projects |
| prd_documents | PRD 文档表，存储产品需求文档 | id, project_id, version, content | N:1 → projects |
| architecture_designs | 架构设计表，存储技术方案 | id, project_id, tech_stack, components | N:1 → projects |
| tasks | 任务表，追踪所有 AI 任务的执行 | id, project_id, assigned_agent, status | N:1 → projects, agents |
| agents | Agent 配置表，定义各 AI 助手 | id, name, type, model_provider | 1:N → tasks |
| model_calls | 模型调用审计表，追踪 AI 使用成本 | id, model_id, task_id, tokens, cost | N:1 → tasks, agents |
六大专业 AI Agent，覆盖软件研发全流程
职责: 需求分析与 PRD 生成
模型: Claude-3.5-Sonnet
能力:
职责: 系统架构设计与技术选型
模型: Claude-3.5-Sonnet
能力:
职责: 后端代码生成与 API 实现
引擎: OpenClaw + Claude Code
能力:
职责: 前端界面开发与交互实现
引擎: OpenClaw + Claude Code
能力:
职责: 测试用例生成与自动化测试
模型: Claude-3.5-Sonnet
能力:
职责: CI/CD 配置与自动部署
模型: Claude-3.5-Sonnet
能力:
RESTful API 设计规范 (基础路径：/api/v1)
| 方法 | 路径 | 描述 | 请求体 | 响应 |
|---|---|---|---|---|
| POST | /projects | 创建新项目 | {name, description} | Project |
| GET | /projects/{id} | 获取项目详情 | - | Project |
| POST | /projects/{id}/analyze | 启动需求分析 | {raw_input} | Task[] |
| POST | /projects/{id}/generate | 启动代码生成 | {options} | GenerationResult |
| GET | /projects/{id}/status | 获取项目状态 | - | ProjectStatus |
| POST | /diagrams/generate | 生成图表 | {type, spec} | DiagramResult |
| GET | /diagrams/{id} | 获取图表 | - | Diagram |
| WS | /ws/projects/{id} | WebSocket 实时推送 | - | Stream |
| POST | /deployments | 创建部署任务 | {config_id} | Deployment |
# 1. 克隆项目
git clone <repository-url>
cd end_to_end_research_system
# 2. 安装 Python 依赖
pip install -r requirements.txt
# 3. 安装 Node.js 依赖
npm install
# 4. 配置环境变量
cp .env.example .env
# 编辑.env 文件，填入 API 密钥等配置
# 5. 启动 Docker 服务
docker-compose up -d
# 6. 初始化数据库
python src/database/init_db.py
# 7. 启动应用
python src/main.py
# 8. 访问系统
# Web UI: http://localhost:3000
# API: http://localhost:8000/api/v1
# API Docs: http://localhost:8000/docsversion: '3.8'
services:
api:
build: ./src
ports:
- "8000:8000"
environment:
- DATABASE_URL=postgresql://user:pass@postgres:5432/e2e_research
- REDIS_URL=redis://redis:6379
depends_on:
- postgres
- redis
web:
build: ./web
ports:
- "3000:3000"
postgres:
image: postgres:15
volumes:
- postgres_data:/var/lib/postgresql/data
environment:
- POSTGRES_DB=e2e_research
- POSTGRES_USER=user
- POSTGRES_PASSWORD=pass
redis:
image: redis:7-alpine
volumes:
- redis_data:/data
minio:
image: minio/minio
command: server /data --console-address ":9001"
ports:
- "9000:9000"
- "9001:9001"
volumes:
- minio_data:/data
volumes:
postgres_data:
redis_data:
minio_data: