智能体干活会涉及文件——你上传给它的输入文件（PDF、CSV），它产出的输出文件（写的报告、生成的代码）。这些统称资源（Resource），由资源管理器管理。目录 resource_manager/。

FileManager（resource_manager/file_manager.py:11）是工具（如 CodingTool、WriteFileTool）读写文件的入口。核心模式："先写本地磁盘，再同步到 S3"：

# write_file (file_manager.py:48)
final_path = ResourceHelper.get_agent_write_resource_path(file_name, agent=..., agent_execution=...)
with open(final_path, mode="w") as file:
    file.write(content)
self.write_to_s3(file_name, final_path)   # 再同步 S3
# write_to_s3 (:35)：先在 DB 登记 Resource 记录；storage_type==S3 时才真上传

get_agent_write_resource_path 算出 agent + execution 专属的写入路径。

Resource 模型（models/resource.py:6）登记每个文件：

class Resource(DBBaseModel):
    storage_type = Column(String)   # FILESERVER / S3
    path = Column(String)
    channel = Column(String)        # INPUT（用户给的）/ OUTPUT（智能体产的）
    agent_id / agent_execution_id
    summary = Column(String)

ResourceManager.save_document_to_vector_store（resource_manager/resource_manager.py:72）用 LlamaIndex 解析文件、灌进向量库：

for docs in documents:
    docs.metadata["agent_id"] = str(self.agent_id)     # 打标签
    docs.metadata["resource_id"] = resource_id
vector_store = LlamaVectorStoreFactory(...).get_vector_store()  # 默认 Redis
index = VectorStoreIndex.from_documents(documents, storage_context=...)

ResourceSummarizer.generate_agent_summary（resource_manager/resource_summary.py:50）把该智能体所有 INPUT 资源的名字拼起来，写进 AgentConfiguration 的 resource_summary 键。LlamaDocumentSummary 用 LLM 生成单个文档的内容摘要。

write_to_s3 里 if resource.storage_type == StorageType.S3.value: S3Helper().upload_file(...)——存储后端（FILE/S3）由配置的 StorageType 枚举决定。

✋ 动手

P=superagi/resource_manager
sed -n '35,64p' file_manager.py               # 双写
sed -n '72,109p' resource_manager.py          # 灌向量库
grep -n 'def generate_agent_summary' resource_summary.py
sed -n '6,33p' ../models/resource.py          # Resource 表