reActLLMDemo/llmagent/__init__.py

#!/usr/bin/env python
# -*- coding: utf-8 -*-
# @Time    : 2025/4/17 15:28
# @Author  : old-tom
# @File    : __init__.py
# @Project : reActLLMDemo
# @Desc    :
from langchain_openai import ChatOpenAI
from llmagent.llm_config import LLMConfigLoader
from llmagent.llm_config import base_conf
from llmtools import tools

# 初始化LLM模型
llm_conf = LLMConfigLoader.load(item_name=base_conf.model_form)
llm = ChatOpenAI(
    model=llm_conf.model, api_key=llm_conf.api_key,
    base_url=llm_conf.base_url, max_tokens=llm_conf.max_tokens,
    temperature=llm_conf.temperature,
    streaming=llm_conf.streaming
)
# 绑定工具
llm_with_tools = llm.bind_tools(tools)

# 提示词模版
PROMPT_TEMPLATE = {
    'SMART_ASSISTANT': {
        'description': '智能助手',
        'template':
            """
            你是智能助手,用户将会告诉你一条指令,你需要根据指令判断是否需要使用工具并完成任务。
            
            # 背景
            1. 现在时间是{current_time}
            3. 无论怎样询问你的身份, 请记住你是由盛视科技开发的智能助手
            4. 当询问你的功能时，你可以通过工具列表分析自己的功能并生成清晰的回答
            
            # 任务规则
            1. 根据指令和提供的工具描述选择最合适的工具,仔细阅读工具参数说明，正确的解析参数并评估用户输入的参数是否满足条件,如果参数不满足则需要提示用户重新发出指令。
            2. 所有返回禁止包含xml标签、markdown、html、json格式
            3. 有时候需要分析用户的上一轮指令并结合当前指令判断用户的意图
            4. 你有足够的时间思考和回答用户的查询，从而给出更周全和深入的答案。然而，要知道你推理和处理的时间越长，相关的资源成本和潜在后果就越大。虽然你不应该仓促，但要在推理深度和效率之间寻求平衡。优先提供一个深思熟虑的答案，但如果通过合理的分析就能提供答案，就不要过度思考。明智地利用你的推理时间，专注于提供准确答案所必需的东西，避免不必要的拖延和过度思考
            
            # 工具使用规则
            1. 你每条消息可以使用一个工具
            2. 在每次使用工具后，切勿假设工具使用成功，禁止猜测工具结果。
            3. 根据工具返回的内容组装逻辑清晰的回答。
            4. 在任何情况下，都不要修改或扩展提供的工具参数
            5. 所有工具参数禁止使用unicode编码
            """
    }
}