aiagent/backend/scripts/generate_android_agent.py

#!/usr/bin/env python3
"""
生成Android应用开发助手Agent
这是一个专门用于Android应用开发的Agent，能够帮助开发者快速生成、优化和调试Android应用
"""
import sys
import os
sys.path.insert(0, os.path.dirname(os.path.dirname(os.path.abspath(__file__))))

from sqlalchemy.orm import Session
from app.core.database import SessionLocal
from app.models.agent import Agent
from app.models.user import User
from datetime import datetime
import uuid


def generate_android_agent(db: Session, username: str = "admin"):
    """生成Android应用开发助手Agent"""
    print("=" * 60)
    print("生成Android应用开发助手Agent")
    print("=" * 60)
    print()
    
    # 查找用户
    user = db.query(User).filter(User.username == username).first()
    if not user:
        print(f"❌ 未找到用户 '{username}'，请先创建该用户")
        return
    print(f"✅ 找到用户: {user.username} (ID: {user.id})")
    print()
    
    # 生成Android应用开发助手工作流配置
    # 工作流结构：
    # 开始 -> 需求分析 -> 需求分类 -> [代码生成|架构设计|问题诊断|性能优化] -> 结果整合 -> 格式化输出 -> 结束
    
    nodes = []
    edges = []
    
    # 1. 开始节点
    start_node = {
        "id": "start-1",
        "type": "start",
        "position": {"x": 50, "y": 400},
        "data": {
            "label": "开始",
            "output_format": "json"
        }
    }
    nodes.append(start_node)
    
    # 2. 需求理解与分析节点（LLM节点）
    requirement_analysis_node = {
        "id": "llm-requirement-analysis",
        "type": "llm",
        "position": {"x": 250, "y": 400},
        "data": {
            "label": "需求理解与分析",
            "provider": "deepseek",
            "model": "deepseek-chat",
            "temperature": "0.3",
            "max_tokens": "2000",
            "prompt": """你是一个专业的Android开发顾问。请分析用户的需求，提取以下信息：

用户需求：{{query}}

请以JSON格式输出分析结果：
{
  "app_type": "应用类型（工具类、社交类、电商类、游戏类等）",
  "core_modules": ["模块1", "模块2", ...],
  "target_users": "目标用户群体",
  "complexity": "简单|中等|复杂",
  "estimated_weeks": 数字,
  "tech_stack": ["技术1", "技术2", ...],
  "summary": "需求摘要"
}

请确保输出是有效的JSON格式。"""
        }
    }
    nodes.append(requirement_analysis_node)
    edges.append({
        "id": "e1",
        "source": "start-1",
        "target": "llm-requirement-analysis"
    })
    
    # 3. 数据准备节点（Transform节点）- 用于传递数据
    data_prepare_node = {
        "id": "transform-prepare",
        "type": "transform",
        "position": {"x": 450, "y": 400},
        "data": {
            "label": "准备数据",
            "mode": "merge",
            "mapping": {
                "requirement_analysis": "{{output}}",
                "user_query": "{{query}}"
            }
        }
    }
    nodes.append(data_prepare_node)
    edges.append({
        "id": "e2",
        "source": "llm-requirement-analysis",
        "target": "transform-prepare"
    })
    
    # 4. 需求分类节点（条件节点）
    classify_condition = {
        "id": "condition-classify",
        "type": "condition",
        "position": {"x": 650, "y": 400},
        "data": {
            "label": "需求分类",
            "condition": "{user_query} contains '生成' or {user_query} contains '创建' or {user_query} contains '写代码' or {user_query} contains '代码'"
        }
    }
    nodes.append(classify_condition)
    edges.append({
        "id": "e3",
        "source": "transform-prepare",
        "target": "condition-classify"
    })
    
    # 5. 代码生成节点（LLM节点）- true分支
    code_generation_node = {
        "id": "llm-code-generation",
        "type": "llm",
        "position": {"x": 850, "y": 300},
        "data": {
            "label": "代码生成",
            "provider": "deepseek",
            "model": "deepseek-chat",
            "temperature": "0.2",
            "max_tokens": "4000",
            "prompt": """你是一个专业的Android开发工程师。根据以下需求分析，生成完整的Android代码。

用户原始需求：{{user_query}}
需求分析结果：{{requirement_analysis}}

请生成以下内容：
1. Java/Kotlin代码（包含必要的注释）
2. 布局XML文件
3. 资源文件配置（如需要）
4. 依赖配置（build.gradle，如需要）
5. 使用说明

代码要求：
- 遵循Android开发最佳实践
- 使用现代Android架构（推荐MVVM）
- 包含错误处理
- 代码注释清晰
- 支持Android API 24+

请以Markdown格式输出，包含代码块，使用正确的语言标识（java、kotlin、xml等）。"""
        }
    }
    nodes.append(code_generation_node)
    edges.append({
        "id": "e4-true",
        "source": "condition-classify",
        "target": "llm-code-generation",
        "sourceHandle": "true"
    })
    
    # 6. 架构设计节点（LLM节点）- false分支（当不是代码生成时）
    architecture_node = {
        "id": "llm-architecture",
        "type": "llm",
        "position": {"x": 850, "y": 500},
        "data": {
            "label": "架构设计/问题诊断/性能优化",
            "provider": "deepseek",
            "model": "deepseek-chat",
            "temperature": "0.3",
            "max_tokens": "3000",
            "prompt": """你是一个Android开发专家。根据用户需求，提供专业的开发建议。

用户原始需求：{{user_query}}
需求分析结果：{{requirement_analysis}}

请根据需求类型提供相应的帮助：

**如果是架构设计需求**，请提供：
1. 架构模式选择（MVP/MVVM/MVI）及理由
2. 模块划分方案
3. 技术栈选型（框架、库、工具）
4. 目录结构设计
5. 数据流设计
6. 扩展性考虑

**如果是问题诊断需求**（包含错误、崩溃、问题、bug等关键词），请提供：
1. 问题类型（崩溃/ANR/内存泄漏/网络错误等）
2. 根本原因分析
3. 解决方案（步骤清晰）
4. 修复代码示例
5. 预防措施

**如果是性能优化需求**（包含优化、性能、速度、卡顿等关键词），请提供：
1. 性能瓶颈分析
2. 优化方案（按优先级排序）
3. 具体优化代码
4. 优化前后对比
5. 性能测试建议

请以Markdown格式输出，确保内容专业、清晰、实用。"""
        }
    }
    nodes.append(architecture_node)
    edges.append({
        "id": "e4-false",
        "source": "condition-classify",
        "target": "llm-architecture",
        "sourceHandle": "false"
    })
    
    # 7. 结果整合节点（Transform节点）
    integration_node = {
        "id": "transform-integration",
        "type": "transform",
        "position": {"x": 1050, "y": 400},
        "data": {
            "label": "结果整合",
            "mode": "merge",
            "mapping": {
                "requirement_analysis": "{{requirement_analysis}}",
                "user_query": "{{user_query}}",
                "solution": "{{output}}",
                "agent_type": "Android应用开发助手",
                "timestamp": "{{$timestamp}}"
            }
        }
    }
    nodes.append(integration_node)
    
    # 连接代码生成节点到整合节点
    edges.append({
        "id": "e5-code",
        "source": "llm-code-generation",
        "target": "transform-integration"
    })
    
    # 连接架构设计节点到整合节点
    edges.append({
        "id": "e5-arch",
        "source": "llm-architecture",
        "target": "transform-integration"
    })
    
    # 8. 格式化输出节点（LLM节点）
    format_node = {
        "id": "llm-format",
        "type": "llm",
        "position": {"x": 1250, "y": 400},
        "data": {
            "label": "格式化输出",
            "provider": "deepseek",
            "model": "deepseek-chat",
            "temperature": "0.1",
            "max_tokens": "4000",
            "prompt": """请将以下Android开发方案整理成专业的Markdown文档格式。

方案内容：{{input}}

文档结构：
1. **需求分析摘要**
   - 应用类型
   - 核心模块
   - 技术复杂度
   - 开发周期估算

2. **解决方案**
   - 详细说明
   - 代码示例（如有）
   - 架构设计（如有）

3. **实施步骤**
   - 步骤清晰的实施指南

4. **注意事项**
   - 重要提醒
   - 常见问题

5. **参考资料**
   - 相关文档链接

请确保格式清晰、代码高亮正确、结构完整。如果输入中已经包含格式良好的内容，请保持原有格式并适当优化。"""
        }
    }
    nodes.append(format_node)
    edges.append({
        "id": "e6",
        "source": "transform-integration",
        "target": "llm-format"
    })
    
    # 9. 结束节点
    end_node = {
        "id": "end-1",
        "type": "end",
        "position": {"x": 1450, "y": 400},
        "data": {
            "label": "结束",
            "description": "返回最终结果"
        }
    }
    nodes.append(end_node)
    edges.append({
        "id": "e7",
        "source": "llm-format",
        "target": "end-1"
    })
    
    # 创建或更新Agent
    workflow_config = {
        "nodes": nodes,
        "edges": edges
    }
    
    agent = db.query(Agent).filter(
        Agent.name == "Android应用开发助手",
        Agent.user_id == user.id
    ).first()
    
    if agent:
        agent.workflow_config = workflow_config
        agent.description = "帮助开发者快速生成、优化和调试Android应用。支持代码生成、架构设计、问题诊断、性能优化等功能。"
        agent.updated_at = datetime.now()
        agent.status = "published"  # 设置为已发布状态，可直接使用
        print("⚠️  Agent 'Android应用开发助手' 已存在，将更新它...")
    else:
        agent = Agent(
            id=str(uuid.uuid4()),
            name="Android应用开发助手",
            description="帮助开发者快速生成、优化和调试Android应用。支持代码生成、架构设计、问题诊断、性能优化等功能。",
            workflow_config=workflow_config,
            status="published",  # 直接设置为已发布状态，可立即使用
            user_id=user.id,
            version=1
        )
        db.add(agent)
    
    try:
        db.commit()
        db.refresh(agent)
        print()
        print("✅ Agent创建/更新成功！")
        print()
        print(f"📋 Agent信息：")
        print(f"   - ID: {agent.id}")
        print(f"   - 名称: {agent.name}")
        print(f"   - 状态: {agent.status} (已发布，可直接使用)")
        print(f"   - 版本: {agent.version}")
        print(f"   - 节点数: {len(nodes)}")
        print(f"   - 连接数: {len(edges)}")
        print()
        print("🎯 功能特性：")
        print("   ✅ 需求分析与理解")
        print("   ✅ 代码生成（Activity、ViewModel、Repository等）")
        print("   ✅ 架构设计建议（MVP/MVVM/MVI）")
        print("   ✅ 问题诊断与修复")
        print("   ✅ 性能优化建议")
        print("   ✅ 格式化输出")
        print()
        print("💡 使用提示：")
        print("   1. 在Agent管理页面找到 'Android应用开发助手'")
        print("   2. 点击 '使用' 按钮开始使用")
        print("   3. 输入你的Android开发需求，例如：")
        print("      - '帮我生成一个登录功能的代码'")
        print("      - '设计一个电商应用的架构'")
        print("      - '我的应用崩溃了，错误信息是...'")
        print("      - '如何优化列表页面的滚动性能？'")
        print()
        return agent
    except Exception as e:
        db.rollback()
        print(f"❌ 创建Agent失败: {str(e)}")
        import traceback
        traceback.print_exc()
        return None


def main():
    """主函数"""
    db = SessionLocal()
    try:
        generate_android_agent(db, username="admin")
    finally:
        db.close()


if __name__ == "__main__":
    main()