我用Python 实现了一个可以添加多Agent的类似“微信”的聊天桌面程序

前言

大家好！上篇的聊天程序又更新了，本次更新基于这样一个想法：能不能做一个类似微信的桌面聊天程序，但聊天对象不是真人，而是各种AI助手（比如“知识渊博的历史老师”“幽默的段子手”）？说干就！我用Python和PySide6做了界面，结合大语言模型（LLM）实现了多智能体（Agent）聊天功能。今天就和大家分享这个小项目的实现过程~

一、先看效果：像微信一样和AI聊天

程序运行后，界面是左右分栏设计：

• 左侧是“好友列表”（其实是各种AI Agent），支持右键添加/删除/编辑Agent；
• 右侧是聊天窗口，顶部显示聊天记录，底部是输入框和发送按钮。
  

我给程序加了个默认AI好友：“Friend A”。输入消息点击发送，AI会自动回复——就像和真人聊天一样！

当然，核心功能不止这些：
✅ 支持动态添加/删除AI好友；

✅ 聊天记录自动保存到本地；
✅ AI好友可以配置不同的“人设”（比如“历史老师”或“情感顾问”）；
✅ 底层用大语言模型（如Ollama或OpenAI）生成回复。

二、核心模块拆解：界面、消息中心、AI智能体

整个程序主要分三部分：界面交互、消息中心、AI智能体。下面逐个拆解~

1. 界面交互：用PySide6搭积木

界面部分我用了PySide6——这是Python的Qt框架绑定，适合快速做桌面程序。简单说，就是把“按钮”“输入框”“列表”这些组件像搭积木一样拼起来。

比如ChatBox类的initUI方法（核心代码片段）：

def initUI(self):
    self.setWindowTitle('AICQ')
    self.setGeometry(100, 100, 1000, 600)  # 窗口位置和大小

    # 主布局：左右分栏（左侧好友列表，右侧聊天区）
    main_splitter = QSplitter(Qt.Horizontal)
    
    # 左侧好友列表（支持右键菜单）
    self.contact_list = QListWidget()
    self.contact_list.setContextMenuPolicy(Qt.CustomContextMenu)  # 启用右键菜单
    self.contact_list.customContextMenuRequested.connect(self.show_contact_context_menu)  # 右键事件
    
    # 右侧聊天区：上下分栏（聊天记录显示区 + 输入区）
    chat_splitter = QSplitter(Qt.Vertical)
    self.scroll_area = QScrollArea()  # 聊天记录滚动区域
    self.input_box = QTextEdit()  # 输入框
    self.send_button = QPushButton('发送')  # 发送按钮
    self.send_button.clicked.connect(self.send_message)  # 点击发送消息

    # 组装所有组件
    main_splitter.addWidget(self.contact_list)
    main_splitter.addWidget(chat_splitter)
    self.setLayout(main_splitter)

这段代码的关键是用QSplitter（可拖动的分隔条）实现了灵活的布局。左侧好友列表支持右键菜单（比如“创建新Agent”），右侧聊天区用滚动区域显示历史记录，输入框和发送按钮放在底部。

2. 消息中心：所有消息的“中转站”

聊天程序的核心是消息的发送和接收。我设计了一个MessageCenter（消息中心），负责管理所有在线的AI智能体（Agent）和用户，处理消息的转发。

看MessageProcessor类的run方法（消息处理线程）：

class MessageProcessor(QThread):
    def run(self):
        while True:
            if self.stop:
                break
            message = self.messages.get()  # 从队列取消息（阻塞等待）
            print(f"MessageCenter received message: {message}")
            try:
                if message["type"] == "text":
                    # 先检查接收者是否是用户（user）
                    receiver_exists = False
                    for use in self.uses:
                        if use.name == message["receiver"]:
                            use.receive_message(message)  # 用户接收消息
                            receiver_exists = True
                            break
                    # 再检查接收者是否是AI Agent
                    if not receiver_exists:
                        for agent in self.agents:
                            if agent.name == message["receiver"]:
                                agent.receive_message(message)  # Agent接收消息
                                receiver_exists = True
                                break
                    if not receiver_exists:
                        print("接收者不存在")
            except Exception as e:
                print(f"处理消息出错: {e}")

这里用了多线程：MessageProcessor是一个后台线程，不断从消息队列（queue.Queue）中取消息，根据接收者（用户或AI Agent）转发。这样主线程（界面）不会被消息处理卡住，保证了操作流畅性。

3. AI智能体：会聊天的“AI好友”

最有意思的是AI智能体的实现！我封装了LLMClient类（在ADKAgent.py中），它集成了大语言模型（如Ollama或OpenAI），能接收用户消息并生成回复。

看LLMClient的核心方法：

class LLMClient:
    def __init__(self, name, model_type, MessageCenter):
        self.name = name  # AI好友的名字（如“历史老师”）
        self.MessageCenter = MessageCenter  # 关联消息中心
        self.messages = queue.Queue()  # 消息队列（接收用户消息）
        # 启动消息处理线程
        self.thread_message_server = threading.Thread(target=self.run_message_while)
        self.thread_message_server.start()

    async def run_message_while(self):
        while True:
            message = self.messages.get()  # 从队列取用户消息（阻塞）
            # 调用大模型生成回复
            res, response_text = self.respond(message["content"], message["sender"])
            # 通过消息中心回复用户
            if res and self.MessageCenter:
                self.MessageCenter.add_message({
                    "id": message["id"] + 1,
                    "type": "text",
                    "content": response_text,
                    "sender": self.name,  # 发送者是当前AI
                    "receiver": message["sender"]  # 接收者是用户
                })

    def respond(self, user_input, sender):
        # 调用大语言模型生成回复（这里用了Google ADK库）
        content = Content(role="user", parts=[Part.from_text(text=user_input)])
        events = self.runner.run(user_id=sender, new_message=content)
        # 提取模型回复的文本
        response_text = "".join([part.text for event in events for part in event.content.parts if part.text])
        return True, response_text

简单说，LLMClient做了两件事：

1. 接收用户消息（通过消息中心的队列）；
2. 调用大模型生成回复，再通过消息中心把回复发给用户。

这样，用户发送的消息会先到消息中心，消息中心转发给对应的AI智能体，AI生成回复后再通过消息中心回传给用户，形成完整的聊天闭环。

三、关键功能实现：添加/编辑AI好友

程序支持动态添加AI好友，这是怎么做到的？看ChatBox类的create_new_agent方法（右键菜单“创建Agent”的逻辑）：

def create_new_agent(self):
    # 1. 选择模型类型（Ollama或OpenAI）
    model_type, ok0 = QInputDialog.getItem(self, "创建新Agent", "请选择模型类型:", ["ollama", "openai"])
    if ok0:
        # 2. 输入Agent名称（需符合命名规则）
        agent_name, ok1 = QInputDialog.getText(self, "创建新Agent", "请输入Agent名称:")
        if ok1:
            # 3. 输入描述和提示词（决定AI的“人设”）
            description, ok2 = QInputDialog.getText(self, "创建新Agent", "请输入Agent描述:", text="ollama chatbot.")
            instruction, ok3 = QInputDialog.getText(self, "创建新Agent", "请输入提示词:", text="You are an unbiased AI.")
            if ok0 and ok1 and ok2 and ok3:
                # 4. 创建LLMClient实例并添加到消息中心
                new_agent = LLMClient(agent_name, model_type, description, instruction, self.MessageCenter)
                self.agents.append(new_agent)
                self.add_contact_item(agent_name)  # 好友列表添加新条目
                self.MessageCenter.add_agent(new_agent)  # 消息中心注册Agent

用户通过对话框一步步输入信息后，程序会创建一个LLMClient实例（即新的AI好友），并把它添加到好友列表和消息中心。这样新AI就能接收和回复消息了！

四、遇到的坑：界面更新和线程安全

开发时遇到两个主要问题：

1. 界面更新延迟：消息处理在后台线程，但界面更新（比如显示新消息）必须在主线程。解决方法是用PySide6的Signal（信号）机制——后台线程处理完消息后，通过信号通知主线程更新界面。
   例子：MessageProcessor类有一个message_processed = Signal(dict)信号，消息处理完后发送信号，ChatBox类连接这个信号，触发界面更新。

2. 线程安全的消息队列：多个线程可能同时往消息队列里塞消息，需要保证线程安全。Python的queue.Queue是线程安全的，直接用它就可以避免竞态条件。

五、总结

这个项目虽然简单，但覆盖了桌面程序开发的多个关键点：界面布局、多线程消息处理、大模型集成。一个有用的组件是“消息中心”在通信系统中的核心作用——它就像邮局，负责把每封“消息邮件”准确送到收件人手里。 后续可以将他单独分离出来，挂到公网上，这样就可以向微信一样连接上网的所有pc上的Agent了。

后续我打算扩展这些功能：

• 支持文件传输（现在只能发文字）；
• 添加AI好友的头像自定义；
• 支持语音输入和语音合成（用pyttsx3、tts等实现）。
• 加入知识库
• 加入工具等

如果你也对桌面程序或AI应用感兴趣，不妨动手试试！😊

-----------------本篇完------------------

PS.扩展阅读

————————————————————————————————————————

对于python机器人编程感兴趣的小伙伴，可以进入如下链接阅读相关咨询

ps1.六自由度机器人相关文章资源

(1) 对六自由度机械臂的运动控制及python实现（附源码)

(2) N轴机械臂的MDH正向建模，及python算法

ps2.四轴机器相关文章资源

(1) 文章：python机器人编程——用python实现一个写字机器人

（2）python机器人实战——0到1创建一个自动是色块机器人项目-CSDN直播

(3)博文《我从0开始搭建了一个色块自动抓取机器人，并实现了大模型的接入和语音控制-(上基础篇)》的vrep基础环境
(3)博文《我从0开始搭建了一个色块自动抓取机器人，并实现了大模型的接入和语音控制-(上基础篇)》的vrep基础环境
(4)实现了语音输入+大模型指令解析+机器视觉+机械臂流程打通

ps3.移动小车相关文章资源

（1）python做了一个极简的栅格地图行走机器人，到底能干啥？[第五弹]——解锁蒙特卡洛定位功能-CSDN博客
(2) 对应python资源：源码地址

(3)python机器人编程——差速AGV机器、基于视觉和预测控制的循迹、自动行驶（上篇）_agv编程-CSDN博客
(4)python机器人编程——差速AGV机器、基于视觉和预测控制的循迹、自动行驶（下篇）_agv路线规划原则python-CSDN博客
对应python及仿真环境资源：源码链接

ps3.wifi小车控制相关文章资源

web端配套资源源代码已经上传(竖屏版)，下载地址
仿真配套资源已经上传：下载地址
web端配套资源源代码已经上传(横屏版)，下载地址