aiagent/backend/scripts/generate_content_agent.py

#!/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()