工作流动画效果
This commit is contained in:
309
backend/scripts/generate_complex_agent.py
Executable file
309
backend/scripts/generate_complex_agent.py
Executable file
@@ -0,0 +1,309 @@
|
||||
#!/usr/bin/env python3
|
||||
"""
|
||||
生成包含多个节点模板的复杂Agent
|
||||
"""
|
||||
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 app.models.node_template import NodeTemplate
|
||||
from datetime import datetime
|
||||
import uuid
|
||||
|
||||
|
||||
def generate_complex_agent_with_templates(db: Session, username: str = "admin"):
|
||||
"""生成包含多个节点模板的复杂Agent"""
|
||||
print("=" * 60)
|
||||
print("生成复杂Agent（包含多个节点模板）")
|
||||
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()
|
||||
|
||||
# 查找可用的节点模板（公开的或用户自己的）
|
||||
templates = db.query(NodeTemplate).filter(
|
||||
(NodeTemplate.is_public == True) | (NodeTemplate.user_id == user.id)
|
||||
).limit(10).all()
|
||||
|
||||
if len(templates) < 3:
|
||||
print(f"⚠️ 警告: 只找到 {len(templates)} 个节点模板，建议至少3个")
|
||||
if len(templates) == 0:
|
||||
print("❌ 没有可用的节点模板，请先创建节点模板")
|
||||
return
|
||||
|
||||
print(f"📋 找到 {len(templates)} 个可用节点模板:")
|
||||
for i, template in enumerate(templates[:5], 1):
|
||||
print(f" {i}. {template.name} (ID: {template.id})")
|
||||
print()
|
||||
|
||||
# 选择3-5个模板用于创建复杂Agent
|
||||
selected_templates = templates[:min(5, len(templates))]
|
||||
template_ids = [t.id for t in selected_templates]
|
||||
|
||||
# 生成复杂的工作流配置
|
||||
# 工作流结构：开始 -> 模板1 -> 条件判断 -> 模板2/模板3 -> 转换 -> 模板4 -> 结束
|
||||
nodes = []
|
||||
edges = []
|
||||
|
||||
# 开始节点
|
||||
start_node = {
|
||||
"id": "start-1",
|
||||
"type": "start",
|
||||
"position": {"x": 100, "y": 200},
|
||||
"data": {"label": "开始"}
|
||||
}
|
||||
nodes.append(start_node)
|
||||
|
||||
# 第一个模板节点
|
||||
if len(template_ids) > 0:
|
||||
template1_node = {
|
||||
"id": "template-1",
|
||||
"type": "template",
|
||||
"position": {"x": 300, "y": 200},
|
||||
"data": {
|
||||
"label": selected_templates[0].name,
|
||||
"template_id": template_ids[0],
|
||||
"provider": selected_templates[0].provider,
|
||||
"model": selected_templates[0].model,
|
||||
"temperature": selected_templates[0].temperature,
|
||||
"max_tokens": selected_templates[0].max_tokens,
|
||||
"prompt": selected_templates[0].prompt
|
||||
}
|
||||
}
|
||||
nodes.append(template1_node)
|
||||
edges.append({
|
||||
"id": "e1",
|
||||
"source": "start-1",
|
||||
"target": "template-1"
|
||||
})
|
||||
|
||||
# 条件判断节点
|
||||
condition_node = {
|
||||
"id": "condition-1",
|
||||
"type": "condition",
|
||||
"position": {"x": 500, "y": 200},
|
||||
"data": {
|
||||
"label": "判断处理结果",
|
||||
"condition": "{{result}} contains '需要' or {{result}} contains '重要'"
|
||||
}
|
||||
}
|
||||
nodes.append(condition_node)
|
||||
if len(template_ids) > 0:
|
||||
edges.append({
|
||||
"id": "e2",
|
||||
"source": "template-1",
|
||||
"target": "condition-1"
|
||||
})
|
||||
|
||||
# 条件分支：如果满足条件，使用模板2；否则使用模板3
|
||||
if len(template_ids) > 1:
|
||||
template2_node = {
|
||||
"id": "template-2",
|
||||
"type": "template",
|
||||
"position": {"x": 700, "y": 100},
|
||||
"data": {
|
||||
"label": selected_templates[1].name,
|
||||
"template_id": template_ids[1],
|
||||
"provider": selected_templates[1].provider,
|
||||
"model": selected_templates[1].model,
|
||||
"temperature": selected_templates[1].temperature,
|
||||
"max_tokens": selected_templates[1].max_tokens,
|
||||
"prompt": selected_templates[1].prompt
|
||||
}
|
||||
}
|
||||
nodes.append(template2_node)
|
||||
edges.append({
|
||||
"id": "e3",
|
||||
"source": "condition-1",
|
||||
"target": "template-2",
|
||||
"sourceHandle": "true"
|
||||
})
|
||||
|
||||
if len(template_ids) > 2:
|
||||
template3_node = {
|
||||
"id": "template-3",
|
||||
"type": "template",
|
||||
"position": {"x": 700, "y": 300},
|
||||
"data": {
|
||||
"label": selected_templates[2].name,
|
||||
"template_id": template_ids[2],
|
||||
"provider": selected_templates[2].provider,
|
||||
"model": selected_templates[2].model,
|
||||
"temperature": selected_templates[2].temperature,
|
||||
"max_tokens": selected_templates[2].max_tokens,
|
||||
"prompt": selected_templates[2].prompt
|
||||
}
|
||||
}
|
||||
nodes.append(template3_node)
|
||||
edges.append({
|
||||
"id": "e4",
|
||||
"source": "condition-1",
|
||||
"target": "template-3",
|
||||
"sourceHandle": "false"
|
||||
})
|
||||
|
||||
# 数据转换节点
|
||||
transform_node = {
|
||||
"id": "transform-1",
|
||||
"type": "transform",
|
||||
"position": {"x": 900, "y": 200},
|
||||
"data": {
|
||||
"label": "数据转换",
|
||||
"mode": "mapping",
|
||||
"mapping": {
|
||||
"final_result": "{{result}}",
|
||||
"processed": "true"
|
||||
}
|
||||
}
|
||||
}
|
||||
nodes.append(transform_node)
|
||||
|
||||
# 连接条件分支到转换节点
|
||||
if len(template_ids) > 1:
|
||||
edges.append({
|
||||
"id": "e5",
|
||||
"source": "template-2",
|
||||
"target": "transform-1"
|
||||
})
|
||||
if len(template_ids) > 2:
|
||||
edges.append({
|
||||
"id": "e6",
|
||||
"source": "template-3",
|
||||
"target": "transform-1"
|
||||
})
|
||||
|
||||
# 最后一个模板节点（如果还有模板）
|
||||
if len(template_ids) > 3:
|
||||
template4_node = {
|
||||
"id": "template-4",
|
||||
"type": "template",
|
||||
"position": {"x": 1100, "y": 200},
|
||||
"data": {
|
||||
"label": selected_templates[3].name,
|
||||
"template_id": template_ids[3],
|
||||
"provider": selected_templates[3].provider,
|
||||
"model": selected_templates[3].model,
|
||||
"temperature": selected_templates[3].temperature,
|
||||
"max_tokens": selected_templates[3].max_tokens,
|
||||
"prompt": selected_templates[3].prompt
|
||||
}
|
||||
}
|
||||
nodes.append(template4_node)
|
||||
edges.append({
|
||||
"id": "e7",
|
||||
"source": "transform-1",
|
||||
"target": "template-4"
|
||||
})
|
||||
# 结束节点连接到最后一个模板
|
||||
end_node = {
|
||||
"id": "end-1",
|
||||
"type": "end",
|
||||
"position": {"x": 1300, "y": 200},
|
||||
"data": {"label": "结束"}
|
||||
}
|
||||
nodes.append(end_node)
|
||||
edges.append({
|
||||
"id": "e8",
|
||||
"source": "template-4",
|
||||
"target": "end-1"
|
||||
})
|
||||
else:
|
||||
# 如果没有更多模板，转换节点直接连接到结束节点
|
||||
end_node = {
|
||||
"id": "end-1",
|
||||
"type": "end",
|
||||
"position": {"x": 1100, "y": 200},
|
||||
"data": {"label": "结束"}
|
||||
}
|
||||
nodes.append(end_node)
|
||||
edges.append({
|
||||
"id": "e7",
|
||||
"source": "transform-1",
|
||||
"target": "end-1"
|
||||
})
|
||||
|
||||
# 检查是否已存在同名Agent
|
||||
agent_name = "复杂模板Agent（多节点）"
|
||||
existing = db.query(Agent).filter(
|
||||
Agent.name == agent_name,
|
||||
Agent.user_id == user.id
|
||||
).first()
|
||||
|
||||
if existing:
|
||||
print(f"⚠️ Agent '{agent_name}' 已存在，将更新它...")
|
||||
existing.workflow_config = {"nodes": nodes, "edges": edges}
|
||||
existing.description = f"包含 {len(selected_templates)} 个节点模板的复杂Agent，支持条件分支和数据转换"
|
||||
existing.updated_at = datetime.now()
|
||||
agent = existing
|
||||
else:
|
||||
# 创建Agent
|
||||
agent = Agent(
|
||||
name=agent_name,
|
||||
description=f"包含 {len(selected_templates)} 个节点模板的复杂Agent，支持条件分支和数据转换",
|
||||
workflow_config={"nodes": nodes, "edges": edges},
|
||||
status="published",
|
||||
user_id=user.id,
|
||||
version=1
|
||||
)
|
||||
db.add(agent)
|
||||
|
||||
try:
|
||||
db.commit()
|
||||
db.refresh(agent)
|
||||
print()
|
||||
print("=" * 60)
|
||||
print(f"✅ 成功创建/更新复杂Agent: {agent.name}")
|
||||
print(f" ID: {agent.id}")
|
||||
print(f" 状态: {agent.status}")
|
||||
print(f" 节点数量: {len(nodes)}")
|
||||
print(f" 连接数量: {len(edges)}")
|
||||
print(f" 使用的模板节点: {len(selected_templates)}")
|
||||
print("=" * 60)
|
||||
print()
|
||||
print("工作流结构:")
|
||||
print(" 开始 -> 模板1 -> 条件判断 -> 模板2/模板3 -> 数据转换 -> 模板4 -> 结束")
|
||||
print()
|
||||
return agent
|
||||
except Exception as e:
|
||||
db.rollback()
|
||||
print()
|
||||
print("=" * 60)
|
||||
print(f"❌ 创建失败: {e}")
|
||||
print("=" * 60)
|
||||
import traceback
|
||||
traceback.print_exc()
|
||||
raise
|
||||
|
||||
|
||||
if __name__ == "__main__":
|
||||
import argparse
|
||||
|
||||
parser = argparse.ArgumentParser(description="生成包含多个节点模板的复杂Agent")
|
||||
parser.add_argument(
|
||||
"--username",
|
||||
type=str,
|
||||
default="admin",
|
||||
help="创建Agent的用户名（默认: admin）"
|
||||
)
|
||||
|
||||
args = parser.parse_args()
|
||||
|
||||
db = SessionLocal()
|
||||
try:
|
||||
generate_complex_agent_with_templates(db, username=args.username)
|
||||
except Exception as e:
|
||||
print(f"❌ 发生错误: {e}")
|
||||
import traceback
|
||||
traceback.print_exc()
|
||||
finally:
|
||||
db.close()
|
||||
490
backend/scripts/generate_content_agent.py
Executable file
490
backend/scripts/generate_content_agent.py
Executable file
@@ -0,0 +1,490 @@
|
||||
#!/usr/bin/env python3
|
||||
"""
|
||||
生成内容生成助手Agent
|
||||
这是一个专门用于内容生成的Agent，能够根据用户需求生成各种类型的内容
|
||||
"""
|
||||
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 app.models.node_template import NodeTemplate
|
||||
from datetime import datetime
|
||||
import uuid
|
||||
import json
|
||||
|
||||
|
||||
def generate_content_agent(db: Session, username: str = "admin"):
|
||||
"""生成内容生成助手Agent"""
|
||||
print("=" * 60)
|
||||
print("生成内容生成助手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()
|
||||
|
||||
# 生成内容生成工作流配置
|
||||
# 工作流结构：
|
||||
# 开始 -> 需求分析 -> 内容类型判断 -> [文章生成分支 | 文案生成分支 | 脚本生成分支] -> 内容优化 -> 格式检查 -> 结束
|
||||
|
||||
nodes = []
|
||||
edges = []
|
||||
|
||||
# 1. 开始节点
|
||||
start_node = {
|
||||
"id": "start-1",
|
||||
"type": "start",
|
||||
"position": {"x": 50, "y": 300},
|
||||
"data": {
|
||||
"label": "开始",
|
||||
"output_format": "json"
|
||||
}
|
||||
}
|
||||
nodes.append(start_node)
|
||||
|
||||
# 2. 需求分析节点（LLM节点）
|
||||
requirement_analysis_node = {
|
||||
"id": "llm-requirement-analysis",
|
||||
"type": "llm",
|
||||
"position": {"x": 250, "y": 300},
|
||||
"data": {
|
||||
"label": "需求分析",
|
||||
"provider": "deepseek",
|
||||
"model": "deepseek-chat",
|
||||
"temperature": "0.7",
|
||||
"max_tokens": "1500",
|
||||
"prompt": """你是一位专业的内容需求分析师。请分析用户的内容生成需求，提取关键信息。
|
||||
|
||||
用户输入：{{query}}
|
||||
|
||||
请分析并提取以下信息：
|
||||
1. **内容类型**：文章、博客、营销文案、视频脚本、产品描述、社交媒体内容等
|
||||
2. **主题/话题**：用户想要生成什么主题的内容
|
||||
3. **目标受众**：内容面向的读者群体
|
||||
4. **内容风格**：正式、轻松、专业、幽默等
|
||||
5. **字数要求**：大概的字数范围
|
||||
6. **特殊要求**：格式要求、关键词、结构要求等
|
||||
|
||||
请以JSON格式输出分析结果：
|
||||
{
|
||||
"content_type": "内容类型",
|
||||
"topic": "主题",
|
||||
"target_audience": "目标受众",
|
||||
"style": "内容风格",
|
||||
"word_count": "字数要求",
|
||||
"special_requirements": "特殊要求",
|
||||
"keywords": ["关键词1", "关键词2"]
|
||||
}"""
|
||||
}
|
||||
}
|
||||
nodes.append(requirement_analysis_node)
|
||||
edges.append({
|
||||
"id": "e1",
|
||||
"source": "start-1",
|
||||
"target": "llm-requirement-analysis"
|
||||
})
|
||||
|
||||
# 3. 内容整合节点（Transform节点）- 用于传递数据
|
||||
content_prepare_node = {
|
||||
"id": "transform-prepare",
|
||||
"type": "transform",
|
||||
"position": {"x": 450, "y": 300},
|
||||
"data": {
|
||||
"label": "准备数据",
|
||||
"mode": "merge",
|
||||
"mapping": {
|
||||
"requirement_analysis": "{{output}}",
|
||||
"query": "{{query}}"
|
||||
}
|
||||
}
|
||||
}
|
||||
nodes.append(content_prepare_node)
|
||||
edges.append({
|
||||
"id": "e2",
|
||||
"source": "llm-requirement-analysis",
|
||||
"target": "transform-prepare"
|
||||
})
|
||||
|
||||
# 4. 内容类型判断节点（条件节点）
|
||||
# 简化：直接根据需求分析结果判断，使用LLM输出中的关键词
|
||||
content_type_condition = {
|
||||
"id": "condition-content-type",
|
||||
"type": "condition",
|
||||
"position": {"x": 650, "y": 300},
|
||||
"data": {
|
||||
"label": "内容类型判断",
|
||||
"condition": "{requirement_analysis} contains '文章' or {requirement_analysis} contains '博客' or {requirement_analysis} contains 'article'"
|
||||
}
|
||||
}
|
||||
nodes.append(content_type_condition)
|
||||
edges.append({
|
||||
"id": "e2-1",
|
||||
"source": "transform-prepare",
|
||||
"target": "condition-content-type"
|
||||
})
|
||||
|
||||
# 4. 文章生成节点（LLM节点）
|
||||
article_generation_node = {
|
||||
"id": "llm-article-generation",
|
||||
"type": "llm",
|
||||
"position": {"x": 650, "y": 200},
|
||||
"data": {
|
||||
"label": "文章生成",
|
||||
"provider": "deepseek",
|
||||
"model": "deepseek-chat",
|
||||
"temperature": "0.8",
|
||||
"max_tokens": "4000",
|
||||
"prompt": """你是一位专业的内容创作专家。请根据用户需求生成一篇高质量的文章。
|
||||
|
||||
**用户原始需求**：{{query}}
|
||||
|
||||
**需求分析结果**：
|
||||
- 主题：{{topic}}
|
||||
- 目标受众：{{target_audience}}
|
||||
- 内容风格：{{style}}
|
||||
- 字数要求：{{word_count}}
|
||||
- 特殊要求：{{special_requirements}}
|
||||
- 关键词：{{keywords}}
|
||||
|
||||
请生成一篇结构完整、内容丰富的文章，要求：
|
||||
1. **标题**：吸引人且准确反映内容
|
||||
2. **引言**：引人入胜的开头，概述文章要点
|
||||
3. **正文**：
|
||||
- 分多个段落，逻辑清晰
|
||||
- 每个段落有明确的主题
|
||||
- 使用适当的过渡词连接段落
|
||||
- 包含具体例子、数据或案例（如适用）
|
||||
4. **结论**：总结要点，给出行动建议或思考
|
||||
5. **格式**：使用Markdown格式，包含标题、列表、加粗等
|
||||
|
||||
**重要**：确保内容完全符合用户需求，不要偏离主题。"""
|
||||
}
|
||||
}
|
||||
nodes.append(article_generation_node)
|
||||
|
||||
# 6. 文案生成节点（LLM节点）
|
||||
copywriting_node = {
|
||||
"id": "llm-copywriting",
|
||||
"type": "llm",
|
||||
"position": {"x": 850, "y": 300},
|
||||
"data": {
|
||||
"label": "文案生成",
|
||||
"provider": "deepseek",
|
||||
"model": "deepseek-chat",
|
||||
"temperature": "0.9",
|
||||
"max_tokens": "2000",
|
||||
"prompt": """你是一位资深的营销文案专家。请根据用户需求生成吸引人的营销文案。
|
||||
|
||||
**用户原始需求**：{{query}}
|
||||
|
||||
**需求分析结果**：
|
||||
- 主题：{{topic}}
|
||||
- 目标受众：{{target_audience}}
|
||||
- 内容风格：{{style}}
|
||||
- 字数要求：{{word_count}}
|
||||
- 特殊要求：{{special_requirements}}
|
||||
- 关键词：{{keywords}}
|
||||
|
||||
请生成营销文案，要求：
|
||||
1. **标题/口号**：简洁有力，吸引眼球
|
||||
2. **核心卖点**：突出产品或服务的核心价值
|
||||
3. **情感共鸣**：触动目标受众的情感
|
||||
4. **行动号召**：明确的行动指引
|
||||
5. **语言风格**：符合目标受众的阅读习惯
|
||||
|
||||
**重要**：确保文案具有说服力和吸引力，能够有效传达信息并促使行动。"""
|
||||
}
|
||||
}
|
||||
nodes.append(copywriting_node)
|
||||
|
||||
# 7. 脚本生成节点（LLM节点）
|
||||
script_generation_node = {
|
||||
"id": "llm-script-generation",
|
||||
"type": "llm",
|
||||
"position": {"x": 850, "y": 400},
|
||||
"data": {
|
||||
"label": "脚本生成",
|
||||
"provider": "deepseek",
|
||||
"model": "deepseek-chat",
|
||||
"temperature": "0.8",
|
||||
"max_tokens": "3000",
|
||||
"prompt": """你是一位专业的视频/音频脚本创作专家。请根据用户需求生成专业的脚本。
|
||||
|
||||
**用户原始需求**：{{query}}
|
||||
|
||||
**需求分析结果**：
|
||||
- 主题：{{topic}}
|
||||
- 目标受众：{{target_audience}}
|
||||
- 内容风格：{{style}}
|
||||
- 字数要求：{{word_count}}
|
||||
- 特殊要求：{{special_requirements}}
|
||||
- 关键词：{{keywords}}
|
||||
|
||||
请生成脚本，要求：
|
||||
1. **开场**：吸引注意力的开头
|
||||
2. **主体内容**：
|
||||
- 分场景/段落
|
||||
- 标注说话者（如适用）
|
||||
- 包含动作提示（如适用）
|
||||
- 时间控制建议
|
||||
3. **结尾**：有力的总结或行动号召
|
||||
4. **格式**：清晰标注场景、角色、动作等
|
||||
|
||||
**重要**：确保脚本结构清晰，适合视频或音频制作。"""
|
||||
}
|
||||
}
|
||||
nodes.append(script_generation_node)
|
||||
|
||||
# 8. 通用内容生成节点（兜底）
|
||||
general_generation_node = {
|
||||
"id": "llm-general-generation",
|
||||
"type": "llm",
|
||||
"position": {"x": 850, "y": 500},
|
||||
"data": {
|
||||
"label": "通用内容生成",
|
||||
"provider": "deepseek",
|
||||
"model": "deepseek-chat",
|
||||
"temperature": "0.8",
|
||||
"max_tokens": "3000",
|
||||
"prompt": """你是一位专业的内容创作专家。请根据用户需求生成高质量的内容。
|
||||
|
||||
**用户原始需求**：{{query}}
|
||||
|
||||
**需求分析结果**：
|
||||
- 内容类型：{{content_type}}
|
||||
- 主题：{{topic}}
|
||||
- 目标受众：{{target_audience}}
|
||||
- 内容风格：{{style}}
|
||||
- 字数要求：{{word_count}}
|
||||
- 特殊要求：{{special_requirements}}
|
||||
- 关键词：{{keywords}}
|
||||
|
||||
请生成符合要求的内容，确保：
|
||||
1. 内容完整、结构清晰
|
||||
2. 符合目标受众的阅读习惯
|
||||
3. 风格与要求一致
|
||||
4. 包含必要的关键词
|
||||
5. 满足字数要求
|
||||
|
||||
**重要**：确保生成的内容完全符合用户需求。"""
|
||||
}
|
||||
}
|
||||
nodes.append(general_generation_node)
|
||||
|
||||
# 连接条件节点到各个生成节点
|
||||
edges.append({
|
||||
"id": "e3",
|
||||
"source": "condition-content-type",
|
||||
"target": "llm-article-generation",
|
||||
"sourceHandle": "true",
|
||||
"targetHandle": "input",
|
||||
"condition": "article"
|
||||
})
|
||||
edges.append({
|
||||
"id": "e4",
|
||||
"source": "condition-content-type",
|
||||
"target": "llm-copywriting",
|
||||
"sourceHandle": "true",
|
||||
"targetHandle": "input",
|
||||
"condition": "copywriting"
|
||||
})
|
||||
edges.append({
|
||||
"id": "e5",
|
||||
"source": "condition-content-type",
|
||||
"target": "llm-script-generation",
|
||||
"sourceHandle": "true",
|
||||
"targetHandle": "input",
|
||||
"condition": "script"
|
||||
})
|
||||
edges.append({
|
||||
"id": "e6",
|
||||
"source": "condition-content-type",
|
||||
"target": "llm-general-generation",
|
||||
"sourceHandle": "false",
|
||||
"targetHandle": "input"
|
||||
})
|
||||
|
||||
# 9. 内容整合节点（Transform节点）
|
||||
content_integration_node = {
|
||||
"id": "transform-integration",
|
||||
"type": "transform",
|
||||
"position": {"x": 1050, "y": 300},
|
||||
"data": {
|
||||
"label": "内容整合",
|
||||
"mode": "merge",
|
||||
"mapping": {
|
||||
"generated_content": "{{output}}",
|
||||
"original_query": "{{query}}",
|
||||
"requirement_analysis": "{{requirement_analysis}}"
|
||||
}
|
||||
}
|
||||
}
|
||||
nodes.append(content_integration_node)
|
||||
|
||||
# 连接所有生成节点到整合节点
|
||||
for gen_node_id in ["llm-article-generation", "llm-copywriting", "llm-script-generation", "llm-general-generation"]:
|
||||
edges.append({
|
||||
"id": f"e-{gen_node_id}-integration",
|
||||
"source": gen_node_id,
|
||||
"target": "transform-integration"
|
||||
})
|
||||
|
||||
# 10. 内容优化节点（LLM节点）
|
||||
content_optimization_node = {
|
||||
"id": "llm-optimization",
|
||||
"type": "llm",
|
||||
"position": {"x": 1250, "y": 300},
|
||||
"data": {
|
||||
"label": "内容优化",
|
||||
"provider": "deepseek",
|
||||
"model": "deepseek-chat",
|
||||
"temperature": "0.7",
|
||||
"max_tokens": "4000",
|
||||
"prompt": """你是一位专业的内容编辑和优化专家。请对生成的内容进行优化和润色。
|
||||
|
||||
**用户原始需求**：{{original_query}}
|
||||
|
||||
**需求分析结果**：{{requirement_analysis}}
|
||||
|
||||
**生成的内容**：{{generated_content}}
|
||||
|
||||
请对内容进行优化，确保：
|
||||
1. **内容质量**：
|
||||
- 检查逻辑是否清晰
|
||||
- 确保信息准确、完整
|
||||
- 优化表达，使其更流畅
|
||||
2. **格式规范**：
|
||||
- 检查Markdown格式是否正确
|
||||
- 确保标题层级合理
|
||||
- 优化段落结构
|
||||
3. **风格一致性**：
|
||||
- 确保风格符合要求
|
||||
- 统一用词和语调
|
||||
4. **用户体验**：
|
||||
- 确保内容易读易懂
|
||||
- 优化可读性
|
||||
|
||||
**输出要求**：
|
||||
- 直接输出优化后的完整内容（纯文本Markdown格式）
|
||||
- 不要包含JSON格式或其他包装
|
||||
- 确保内容完整、专业、易读"""
|
||||
}
|
||||
}
|
||||
nodes.append(content_optimization_node)
|
||||
edges.append({
|
||||
"id": "e7",
|
||||
"source": "transform-integration",
|
||||
"target": "llm-optimization"
|
||||
})
|
||||
|
||||
# 11. 结束节点
|
||||
end_node = {
|
||||
"id": "end-1",
|
||||
"type": "end",
|
||||
"position": {"x": 1450, "y": 300},
|
||||
"data": {
|
||||
"label": "结束",
|
||||
"output_format": "text" # 默认纯文本格式，适合对话场景
|
||||
}
|
||||
}
|
||||
nodes.append(end_node)
|
||||
edges.append({
|
||||
"id": "e8",
|
||||
"source": "llm-optimization",
|
||||
"target": "end-1"
|
||||
})
|
||||
|
||||
# 创建或更新Agent
|
||||
workflow_config = {
|
||||
"nodes": nodes,
|
||||
"edges": edges
|
||||
}
|
||||
|
||||
agent = db.query(Agent).filter(
|
||||
Agent.name == "内容生成助手",
|
||||
Agent.user_id == user.id
|
||||
).first()
|
||||
|
||||
if agent:
|
||||
agent.workflow_config = workflow_config
|
||||
agent.updated_at = datetime.now()
|
||||
print("⚠️ Agent '内容生成助手' 已存在，将更新它...")
|
||||
else:
|
||||
agent = Agent(
|
||||
id=str(uuid.uuid4()),
|
||||
name="内容生成助手",
|
||||
description="智能内容生成助手，能够根据用户需求生成各种类型的高质量内容，包括文章、博客、营销文案、视频脚本等。支持需求分析、内容生成、优化润色等完整流程。",
|
||||
workflow_config=workflow_config,
|
||||
status="published",
|
||||
user_id=user.id,
|
||||
version=1
|
||||
)
|
||||
db.add(agent)
|
||||
|
||||
try:
|
||||
db.commit()
|
||||
db.refresh(agent)
|
||||
print()
|
||||
print("=" * 60)
|
||||
print(f"✅ 成功创建/更新内容生成助手Agent")
|
||||
print(f" ID: {agent.id}")
|
||||
print(f" 状态: {agent.status}")
|
||||
print(f" 节点数量: {len(nodes)}")
|
||||
print(f" 连接数量: {len(edges)}")
|
||||
print("=" * 60)
|
||||
print()
|
||||
print("工作流结构:")
|
||||
print(" 开始 -> 需求分析 -> 内容类型判断 -> [文章生成 | 文案生成 | 脚本生成 | 通用生成] -> 内容整合 -> 内容优化 -> 结束")
|
||||
print()
|
||||
print("节点说明:")
|
||||
print(" 1. 开始节点：接收用户输入（主题、类型、要求等）")
|
||||
print(" 2. 需求分析节点：分析用户需求，提取内容类型、主题、风格等关键信息")
|
||||
print(" 3. 数据准备节点：整合需求分析结果和原始查询")
|
||||
print(" 4. 内容类型判断节点：根据内容类型进行分支处理")
|
||||
print(" 5. 文章生成节点：生成结构完整的文章内容")
|
||||
print(" 6. 文案生成节点：生成营销文案、广告文案等")
|
||||
print(" 7. 脚本生成节点：生成视频/音频脚本")
|
||||
print(" 8. 通用内容生成节点：处理其他类型的内容生成需求")
|
||||
print(" 9. 内容整合节点：整合生成的内容和需求信息")
|
||||
print(" 10. 内容优化节点：优化和润色内容，确保质量")
|
||||
print(" 11. 结束节点：返回最终优化后的内容")
|
||||
print()
|
||||
print("使用示例:")
|
||||
print(" 输入：'帮我写一篇关于人工智能发展趋势的博客文章，2000字左右，风格轻松易懂'")
|
||||
print(" 输入：'生成一个产品推广的营销文案，面向年轻白领群体'")
|
||||
print(" 输入：'写一个5分钟的产品介绍视频脚本'")
|
||||
print()
|
||||
return agent
|
||||
except Exception as e:
|
||||
db.rollback()
|
||||
print()
|
||||
print("=" * 60)
|
||||
print(f"❌ 创建失败: {e}")
|
||||
print("=" * 60)
|
||||
import traceback
|
||||
traceback.print_exc()
|
||||
raise
|
||||
|
||||
|
||||
if __name__ == "__main__":
|
||||
import argparse
|
||||
|
||||
parser = argparse.ArgumentParser(description="生成内容生成助手Agent")
|
||||
parser.add_argument("--username", type=str, default="admin", help="用户名")
|
||||
|
||||
args = parser.parse_args()
|
||||
|
||||
db = SessionLocal()
|
||||
try:
|
||||
generate_content_agent(db, username=args.username)
|
||||
finally:
|
||||
db.close()
|
||||
468
backend/scripts/generate_smart_agent.py
Executable file
468
backend/scripts/generate_smart_agent.py
Executable file
@@ -0,0 +1,468 @@
|
||||
#!/usr/bin/env python3
|
||||
"""
|
||||
生成智能需求分析与解决方案生成Agent
|
||||
这是一个复杂的多节点Agent，能够理解用户需求并生成专业的解决方案
|
||||
"""
|
||||
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 app.models.node_template import NodeTemplate
|
||||
from datetime import datetime
|
||||
import uuid
|
||||
import json
|
||||
|
||||
|
||||
def generate_smart_agent(db: Session, username: str = "admin"):
|
||||
"""生成智能需求分析与解决方案生成Agent"""
|
||||
print("=" * 60)
|
||||
print("生成智能需求分析与解决方案生成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()
|
||||
|
||||
# 查找可用的节点模板（优先选择特定类型的模板）
|
||||
# 优先查找：工作流设计、API集成、数据分析、业务流程等类型的模板
|
||||
preferred_categories = ["工作流设计", "API集成", "数据分析", "业务流程", "技术方案"]
|
||||
|
||||
templates = []
|
||||
for category in preferred_categories:
|
||||
category_templates = db.query(NodeTemplate).filter(
|
||||
((NodeTemplate.is_public == True) | (NodeTemplate.user_id == user.id)) &
|
||||
(NodeTemplate.category == category)
|
||||
).limit(2).all()
|
||||
templates.extend(category_templates)
|
||||
|
||||
# 如果没找到足够的模板，补充其他公开模板
|
||||
if len(templates) < 3:
|
||||
other_templates = db.query(NodeTemplate).filter(
|
||||
(NodeTemplate.is_public == True) | (NodeTemplate.user_id == user.id)
|
||||
).limit(5).all()
|
||||
for t in other_templates:
|
||||
if t not in templates:
|
||||
templates.append(t)
|
||||
if len(templates) >= 5:
|
||||
break
|
||||
|
||||
if len(templates) < 2:
|
||||
print(f"⚠️ 警告: 只找到 {len(templates)} 个节点模板，将使用LLM节点代替")
|
||||
use_templates = False
|
||||
else:
|
||||
use_templates = True
|
||||
print(f"📋 找到 {len(templates)} 个可用节点模板")
|
||||
for i, template in enumerate(templates[:5], 1):
|
||||
print(f" {i}. {template.name} ({template.category})")
|
||||
print()
|
||||
|
||||
# 生成智能工作流配置
|
||||
# 工作流结构：
|
||||
# 开始 -> 需求理解 -> 需求分类 -> [技术方案分支 | 业务流程分支 | 数据分析分支] -> 方案整合 -> 输出优化 -> 结束
|
||||
|
||||
nodes = []
|
||||
edges = []
|
||||
|
||||
# 1. 开始节点
|
||||
start_node = {
|
||||
"id": "start-1",
|
||||
"type": "start",
|
||||
"position": {"x": 50, "y": 300},
|
||||
"data": {
|
||||
"label": "开始",
|
||||
"output_format": "json"
|
||||
}
|
||||
}
|
||||
nodes.append(start_node)
|
||||
|
||||
# 2. 需求理解节点（LLM节点）
|
||||
requirement_analysis_node = {
|
||||
"id": "llm-requirement-analysis",
|
||||
"type": "llm",
|
||||
"position": {"x": 250, "y": 300},
|
||||
"data": {
|
||||
"label": "需求理解与分析",
|
||||
"provider": "deepseek",
|
||||
"model": "deepseek-chat",
|
||||
"temperature": "0.7",
|
||||
"max_tokens": "2000",
|
||||
"prompt": """你是一位专业的需求分析师。请分析用户的需求，并提取关键信息。
|
||||
|
||||
用户需求：{input}
|
||||
|
||||
请按照以下格式输出JSON：
|
||||
{{
|
||||
"requirement_type": "技术方案|业务流程|数据分析|工作流设计|其他",
|
||||
"key_points": ["关键点1", "关键点2", ...],
|
||||
"complexity": "简单|中等|复杂",
|
||||
"domain": "领域（如：电商、金融、教育等）",
|
||||
"summary": "需求摘要"
|
||||
}}"""
|
||||
}
|
||||
}
|
||||
nodes.append(requirement_analysis_node)
|
||||
edges.append({
|
||||
"id": "e1",
|
||||
"source": "start-1",
|
||||
"target": "llm-requirement-analysis"
|
||||
})
|
||||
|
||||
# 3. 需求分类节点（条件节点）
|
||||
classification_node = {
|
||||
"id": "condition-classify",
|
||||
"type": "condition",
|
||||
"position": {"x": 450, "y": 300},
|
||||
"data": {
|
||||
"label": "需求分类",
|
||||
"condition": "{{requirement_type}} == '技术方案' or {{requirement_type}} == 'API集成'"
|
||||
}
|
||||
}
|
||||
nodes.append(classification_node)
|
||||
edges.append({
|
||||
"id": "e2",
|
||||
"source": "llm-requirement-analysis",
|
||||
"target": "condition-classify"
|
||||
})
|
||||
|
||||
# 4. 技术方案分支（如果使用模板）
|
||||
if use_templates and len(templates) > 0:
|
||||
# 查找技术方案相关的模板
|
||||
tech_template = None
|
||||
for t in templates:
|
||||
if "技术" in t.category or "API" in t.category or "集成" in t.name:
|
||||
tech_template = t
|
||||
break
|
||||
if not tech_template:
|
||||
tech_template = templates[0]
|
||||
|
||||
tech_solution_node = {
|
||||
"id": "template-tech-solution",
|
||||
"type": "template",
|
||||
"position": {"x": 650, "y": 200},
|
||||
"data": {
|
||||
"label": tech_template.name,
|
||||
"template_id": tech_template.id,
|
||||
"provider": tech_template.provider or "deepseek",
|
||||
"model": tech_template.model or "deepseek-chat",
|
||||
"temperature": str(tech_template.temperature) if tech_template.temperature else "0.7",
|
||||
"max_tokens": str(tech_template.max_tokens) if tech_template.max_tokens else "2000",
|
||||
"prompt": tech_template.prompt
|
||||
}
|
||||
}
|
||||
nodes.append(tech_solution_node)
|
||||
edges.append({
|
||||
"id": "e3",
|
||||
"source": "condition-classify",
|
||||
"target": "template-tech-solution",
|
||||
"sourceHandle": "true"
|
||||
})
|
||||
else:
|
||||
# 使用LLM节点代替
|
||||
tech_solution_node = {
|
||||
"id": "llm-tech-solution",
|
||||
"type": "llm",
|
||||
"position": {"x": 650, "y": 200},
|
||||
"data": {
|
||||
"label": "技术方案设计",
|
||||
"provider": "deepseek",
|
||||
"model": "deepseek-chat",
|
||||
"temperature": "0.7",
|
||||
"max_tokens": "3000",
|
||||
"prompt": """你是一位资深的技术架构师。根据需求分析结果，设计一个完整的技术方案。
|
||||
|
||||
需求分析结果：{{requirement_analysis}}
|
||||
|
||||
请提供：
|
||||
1. 技术选型建议
|
||||
2. 架构设计
|
||||
3. 实施步骤
|
||||
4. 风险评估
|
||||
5. 最佳实践建议
|
||||
|
||||
输出格式：结构化的Markdown文档"""
|
||||
}
|
||||
}
|
||||
nodes.append(tech_solution_node)
|
||||
edges.append({
|
||||
"id": "e3",
|
||||
"source": "condition-classify",
|
||||
"target": "llm-tech-solution",
|
||||
"sourceHandle": "true"
|
||||
})
|
||||
|
||||
# 5. 业务流程分支（优先使用LLM节点，确保能理解用户需求）
|
||||
# 使用LLM节点而不是模板节点，因为LLM节点可以更好地理解需求上下文
|
||||
process_solution_node = {
|
||||
"id": "llm-process-solution",
|
||||
"type": "llm",
|
||||
"position": {"x": 650, "y": 400},
|
||||
"data": {
|
||||
"label": "业务流程设计",
|
||||
"provider": "deepseek",
|
||||
"model": "deepseek-chat",
|
||||
"temperature": "0.7",
|
||||
"max_tokens": "4000",
|
||||
"prompt": """你是一位资深的业务流程设计专家。请根据用户的需求，设计一个完整、详细的业务流程方案。
|
||||
|
||||
**重要**：请仔细阅读用户原始需求，确保设计方案完全符合用户的具体需求。
|
||||
|
||||
用户原始需求：{{query}}
|
||||
|
||||
需求分析结果：{{requirement_analysis}}
|
||||
|
||||
请提供以下内容：
|
||||
1. **流程概述**：整体流程的目标、范围和价值
|
||||
2. **详细流程设计**：
|
||||
- 流程的各个阶段和环节
|
||||
- 每个环节的输入、输出和处理逻辑
|
||||
- 状态流转图（用Mermaid或文字描述）
|
||||
3. **关键步骤说明**：
|
||||
- 每个步骤的具体操作
|
||||
- 前置条件和后置条件
|
||||
- 异常情况处理
|
||||
4. **角色与职责**：
|
||||
- 涉及的角色/系统
|
||||
- 每个角色的职责和权限
|
||||
5. **数据流转**：
|
||||
- 关键数据在各环节的流转
|
||||
- 数据格式和验证规则
|
||||
6. **异常处理机制**：
|
||||
- 常见异常场景
|
||||
- 异常处理流程
|
||||
7. **流程优化建议**：
|
||||
- 性能优化点
|
||||
- 用户体验优化
|
||||
8. **实施路线图**：
|
||||
- 分阶段实施计划
|
||||
- 关键里程碑
|
||||
|
||||
**重要**：请确保设计方案完全符合用户的需求，不要偏离主题。如果用户需求是电商订单流程，就设计电商订单流程；如果是其他业务，就设计对应的业务流程。
|
||||
|
||||
输出格式：结构化的Markdown文档，使用清晰的标题和列表"""
|
||||
}
|
||||
}
|
||||
nodes.append(process_solution_node)
|
||||
edges.append({
|
||||
"id": "e4",
|
||||
"source": "condition-classify",
|
||||
"target": "llm-process-solution",
|
||||
"sourceHandle": "false"
|
||||
})
|
||||
|
||||
# 6. 方案整合节点（Transform节点）
|
||||
integration_node = {
|
||||
"id": "transform-integration",
|
||||
"type": "transform",
|
||||
"position": {"x": 850, "y": 300},
|
||||
"data": {
|
||||
"label": "方案整合",
|
||||
"mode": "merge",
|
||||
"mapping": {
|
||||
"solution": "{{result}}",
|
||||
"requirement_analysis": "{{requirement_analysis}}",
|
||||
"query": "{{query}}",
|
||||
"timestamp": "{{timestamp}}"
|
||||
}
|
||||
}
|
||||
}
|
||||
nodes.append(integration_node)
|
||||
|
||||
# 连接分支到整合节点
|
||||
if use_templates and len(templates) > 0:
|
||||
edges.append({
|
||||
"id": "e5",
|
||||
"source": "template-tech-solution" if use_templates else "llm-tech-solution",
|
||||
"target": "transform-integration"
|
||||
})
|
||||
else:
|
||||
edges.append({
|
||||
"id": "e5",
|
||||
"source": "llm-tech-solution",
|
||||
"target": "transform-integration"
|
||||
})
|
||||
|
||||
# 业务流程分支始终使用LLM节点
|
||||
edges.append({
|
||||
"id": "e6",
|
||||
"source": "llm-process-solution",
|
||||
"target": "transform-integration"
|
||||
})
|
||||
|
||||
# 7. 输出优化节点（LLM节点）
|
||||
optimization_node = {
|
||||
"id": "llm-optimization",
|
||||
"type": "llm",
|
||||
"position": {"x": 1050, "y": 300},
|
||||
"data": {
|
||||
"label": "输出优化与格式化",
|
||||
"provider": "deepseek",
|
||||
"model": "deepseek-chat",
|
||||
"temperature": "0.5",
|
||||
"max_tokens": "4000",
|
||||
"prompt": """你是一位专业的技术文档编辑。请对方案进行优化和格式化，确保方案完全符合用户需求。
|
||||
|
||||
用户原始需求：{{query}}
|
||||
需求分析结果：{{requirement_analysis}}
|
||||
整合后的方案：{{solution}}
|
||||
|
||||
**重要检查**：
|
||||
1. 确保方案内容与用户需求完全匹配
|
||||
2. 如果方案偏离了用户需求，请重新生成符合需求的方案
|
||||
3. 如果方案是关于数据清洗的，但用户需求是业务流程设计，请重新生成业务流程设计方案
|
||||
|
||||
请：
|
||||
1. 检查方案是否完全符合用户需求
|
||||
2. 优化文档结构，使其更清晰
|
||||
3. 补充关键细节和实施建议
|
||||
4. 确保格式统一、专业
|
||||
5. 如果发现方案不符合需求，请重新生成正确的方案
|
||||
|
||||
**输出要求**：
|
||||
- 只输出纯文本的Markdown文档内容
|
||||
- 不要包含任何JSON格式、代码块标记或其他格式包装
|
||||
- 直接输出方案文档的正文内容
|
||||
- 确保内容完整、专业、易读
|
||||
|
||||
输出格式：直接输出完整的Markdown文档正文（纯文本）"""
|
||||
}
|
||||
}
|
||||
nodes.append(optimization_node)
|
||||
edges.append({
|
||||
"id": "e7",
|
||||
"source": "transform-integration",
|
||||
"target": "llm-optimization"
|
||||
})
|
||||
|
||||
# 8. 结束节点
|
||||
end_node = {
|
||||
"id": "end-1",
|
||||
"type": "end",
|
||||
"position": {"x": 1250, "y": 300},
|
||||
"data": {
|
||||
"label": "结束",
|
||||
"output_format": "text" # 默认纯文本格式，适合对话场景
|
||||
}
|
||||
}
|
||||
nodes.append(end_node)
|
||||
edges.append({
|
||||
"id": "e8",
|
||||
"source": "llm-optimization",
|
||||
"target": "end-1"
|
||||
})
|
||||
|
||||
# 检查是否已存在同名Agent
|
||||
agent_name = "智能需求分析与解决方案生成器"
|
||||
existing = db.query(Agent).filter(
|
||||
Agent.name == agent_name,
|
||||
Agent.user_id == user.id
|
||||
).first()
|
||||
|
||||
if existing:
|
||||
print(f"⚠️ Agent '{agent_name}' 已存在，将更新它...")
|
||||
existing.workflow_config = {"nodes": nodes, "edges": edges}
|
||||
existing.description = """智能需求分析与解决方案生成Agent
|
||||
|
||||
功能特点：
|
||||
1. 自动理解用户需求并提取关键信息
|
||||
2. 根据需求类型智能分类（技术方案/业务流程/数据分析等）
|
||||
3. 调用专业模板或LLM生成针对性解决方案
|
||||
4. 整合并优化输出，生成专业文档
|
||||
|
||||
适用场景：
|
||||
- 技术方案设计
|
||||
- 业务流程优化
|
||||
- 系统架构设计
|
||||
- 问题分析与解决"""
|
||||
existing.updated_at = datetime.now()
|
||||
agent = existing
|
||||
else:
|
||||
# 创建Agent
|
||||
agent = Agent(
|
||||
name=agent_name,
|
||||
description="""智能需求分析与解决方案生成Agent
|
||||
|
||||
功能特点：
|
||||
1. 自动理解用户需求并提取关键信息
|
||||
2. 根据需求类型智能分类（技术方案/业务流程/数据分析等）
|
||||
3. 调用专业模板或LLM生成针对性解决方案
|
||||
4. 整合并优化输出，生成专业文档
|
||||
|
||||
适用场景：
|
||||
- 技术方案设计
|
||||
- 业务流程优化
|
||||
- 系统架构设计
|
||||
- 问题分析与解决""",
|
||||
workflow_config={"nodes": nodes, "edges": edges},
|
||||
status="published", # 直接发布，可以直接使用
|
||||
user_id=user.id,
|
||||
version=1
|
||||
)
|
||||
db.add(agent)
|
||||
|
||||
try:
|
||||
db.commit()
|
||||
db.refresh(agent)
|
||||
print()
|
||||
print("=" * 60)
|
||||
print(f"✅ 成功创建/更新智能Agent: {agent.name}")
|
||||
print(f" ID: {agent.id}")
|
||||
print(f" 状态: {agent.status}")
|
||||
print(f" 节点数量: {len(nodes)}")
|
||||
print(f" 连接数量: {len(edges)}")
|
||||
print("=" * 60)
|
||||
print()
|
||||
print("工作流结构:")
|
||||
print(" 开始 -> 需求理解 -> 需求分类 -> [技术方案分支 | 业务流程分支] -> 方案整合 -> 输出优化 -> 结束")
|
||||
print()
|
||||
print("节点说明:")
|
||||
print(" 1. 开始节点：接收用户输入")
|
||||
print(" 2. 需求理解节点：分析用户需求，提取关键信息")
|
||||
print(" 3. 需求分类节点：根据需求类型进行分支")
|
||||
print(" 4. 技术方案/业务流程节点：生成针对性解决方案")
|
||||
print(" 5. 方案整合节点：整合各分支结果")
|
||||
print(" 6. 输出优化节点：优化和格式化最终输出")
|
||||
print(" 7. 结束节点：返回最终结果")
|
||||
print()
|
||||
return agent
|
||||
except Exception as e:
|
||||
db.rollback()
|
||||
print()
|
||||
print("=" * 60)
|
||||
print(f"❌ 创建失败: {e}")
|
||||
print("=" * 60)
|
||||
import traceback
|
||||
traceback.print_exc()
|
||||
raise
|
||||
|
||||
|
||||
if __name__ == "__main__":
|
||||
import argparse
|
||||
|
||||
parser = argparse.ArgumentParser(description="生成智能需求分析与解决方案生成Agent")
|
||||
parser.add_argument(
|
||||
"--username",
|
||||
type=str,
|
||||
default="admin",
|
||||
help="创建Agent的用户名（默认: admin）"
|
||||
)
|
||||
|
||||
args = parser.parse_args()
|
||||
|
||||
db = SessionLocal()
|
||||
try:
|
||||
generate_smart_agent(db, username=args.username)
|
||||
except Exception as e:
|
||||
print(f"❌ 发生错误: {e}")
|
||||
import traceback
|
||||
traceback.print_exc()
|
||||
finally:
|
||||
db.close()
|
||||
Reference in New Issue
Block a user