Files
aiagent/docs/zhini-kefu/知你客服16号能力文档.md
renjianbo eabf90c496 feat: add AI学习助手 agent (KG+RAG ideal) and renshenguo feishu bot
- Add AI学习助手 agent creation script with all 39 tools, 3-layer KG+RAG memory
- Add renshenguo (人参果) feishu bot integration (app_service + ws_handler)
- Register renshenguo WS client in main.py startup
- Add RENSHENGUO_APP_ID / RENSHENGUO_APP_SECRET / RENSHENGUO_AGENT_ID config
- Reorganize docs from root into docs/ subdirectories
- Move startup scripts to scripts/startup/
- Various backend optimizations and tool improvements

Co-Authored-By: Claude Opus 4.6 <noreply@anthropic.com>
2026-05-06 01:37:13 +08:00

2.3 KiB
Raw Permalink Blame History

知你客服 16 号 · 能力说明(B:Loop + 循环体内 LLM)

定位

在 知你客服 15 号(全量工具 + 单节点 max_tool_iterations)基础上,采用 B 能力:在同一次 API 调用内,用 循环节点 对 loop_rounds 数组逐段执行 zhini16-llm-subtask,再通过 zhini16-code-merge-rounds 合并各段 reply,供下游 Cache / End 使用。

项目 15 号 16 号
多轮工具 单 LLM 节点内 max_tool_iterations 每段子 LLM 仍有 max_tool_iterations(默认 12)
多次顶层 LLM 无(单次 llm-unified) 有(段数 = len(loop_rounds),默认 3)
主链 llm-unified 使用 从主链摘除(节点可保留在画布,无连线)

拓扑(脚本写入)

  1. zhini16-code-build-rounds:注入 loop_rounds(默认 [1,2,3],可由环境变量改段数)。
  2. zhini16-loop-main:items_path=loop_rounds,item_variable=round。
  3. 循环体:zhini16-llm-subtask → zhini16-loop-end(须为 loop 的第一条出边,脚本已排序)。
  4. 循环后:zhini16-code-merge-rounds:解析各段末行 JSON,拼接 reply,合并 user_profile 写入 user_profile_update,并设置 right / reply。
  5. 原 llm-unified 的后继(如 Cache 写、End)接到 merge 之后。

引擎与限制

  • 循环体为单链简化实现;勿在段内再叠复杂分支。
  • 段与段之间不自动传递上一轮合并后的临时字段,仅依赖上游传入的 memory / query 等(与 知你客服15号_循环工作流设计.md 一致)。
  • 总成本 ≈ 段数 ×(每段 tokens + 工具调用),请控制 ZHINI16_LOOP_ROUNDS(上限 8)。

创建 / 更新脚本

backend/scripts/create_zhini_kefu_16.py
  • 默认从 知你客服15号 复制为 知你客服16号;已存在则更新工作流与描述。
  • 环境变量:ZHINI16_LOOP_ROUNDS(默认 3)、ZHINI16_SUBTASK_MAX_TOOL_ITERATIONS(默认 12)。

与 15 号文档的关系

  • A 能力(仅提高 max_tool_iterations):见 知你客服15号能力文档.md。
  • B 能力(Loop 拓扑与 node_outputs 注意点):见 知你客服15号_循环工作流设计.md。