style: 目录优化

README.md

@@ -25,12 +25,12 @@ uv sync
 docker run --name marqo -it --privileged -p 8882:8882 --add-host host.docker.internal:host-gateway marqoai/marqo:latest
 ```
 
-初始化：执行[vector_db.py](vector_db.py) create_and_set_index()方法
+初始化：执行[vector_db.py](src/vector_db.py) create_and_set_index()方法
 
-测试：执行[vector_db.py](vector_db.py) query_vector_db() 方法,参数为任意字符串
+测试：执行[vector_db.py](src/vector_db.py) query_vector_db() 方法,参数为任意字符串
 
 4.配置文件
-[env.toml](env.toml)
+[env.toml](src/env.toml)
 
 ```toml
 [base]
@@ -57,11 +57,11 @@ streaming = true
 
 # 本地测试
 
-环境搭建完成后，本地运行[local_test.py](local_test.py) 即可在终端体验对话
+环境搭建完成后，本地运行[local_test.py](src/local_test.py) 即可在终端体验对话
 
 # 服务端简单实现
 
-服务端使用fastapi实现,启动[server.py](server.py) 即可, 完整接口文档请访问 http://ip:port/docs
+服务端使用fastapi实现,启动[server.py](src/server.py) 即可, 完整接口文档请访问 http://ip:port/docs
 
 1. 建立sse连接，用于接收模型返回（流式）
    [GET] http://ip:port/sse/{client_id}

src/__init__.py

@@ -0,0 +1,7 @@
+#!/usr/bin/env python
+# -*- coding: utf-8 -*-
+# @Time    : 2025/4/17 15:40
+# @Author  : old-tom
+# @File    : __init__.py
+# @Project : reActLLMDemo
+# @Desc    :

src/env.toml

@@ -3,6 +3,8 @@
 similarity_threshold = 0.93
 # 模型供应商
 model_form = 'siliconflow'
+# 提示词类型(普通，较为宽松的场景：SMART_ASSISTANT 强制使用工具：SMART_ASSISTANT_STRICT)
+prompt_type = 'SMART_ASSISTANT'
 
 [siliconflow]
 # 硅基流动

src/llmagent/__init__.py

@@ -6,9 +6,9 @@
 # @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
+from src.llmagent.llm_config import LLMConfigLoader
+from src.llmagent.llm_config import base_conf
+from src.llmtools import tools
 
 # 初始化LLM模型
 llm_conf = LLMConfigLoader.load(item_name=base_conf.model_form)
@@ -24,7 +24,7 @@ llm_with_tools = llm.bind_tools(tools)
 # 提示词模版
 PROMPT_TEMPLATE = {
     'SMART_ASSISTANT': {
-        'description': '智能助手',
+        'description': '普通版本提示词',
         'template':
             """
             你是智能助手,用户将会告诉你一条指令,你需要根据指令分析意图并完成任务。
@@ -35,12 +35,36 @@ PROMPT_TEMPLATE = {
             3. 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. 根据指令分析意图并判断是否使用工具,如果不需要使用工具请直接回答
-            2. 如果需要使用工具,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。
+            1. 根据指令分析意图并判断是否使用工具,如果不需要使用工具请提供简洁、清晰明了的回答
+            2. 如果需要使用工具,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。
             3. 所有返回禁止包含xml标签、markdown、html、json格式
             4. 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
             5. 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. 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
+            """
+    },
+    'SMART_ASSISTANT_STRICT': {
+        'description': '严格版本提示词,强制使用工具',
+        'template': """
+            你是智能助手,用户将会告诉你一条指令,你需要根据指令分析意图并完成任务。
+            
+            # 背景
+            1. 现在时间是{current_time}
+            2. 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
+            3. 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. 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。

src/llmagent/assistant_graph.py

@@ -5,12 +5,13 @@
 # @File    : llm_agent
 # @Project : reActLLMDemo
 # @Desc    : 用图构建ReAct
+import os
 from typing import Annotated
 
 from langgraph.checkpoint.memory import MemorySaver
 
-from llmagent import llm_with_tools, PROMPT_TEMPLATE
-from llmtools import tool_node
+from src.llmagent import llm_with_tools, PROMPT_TEMPLATE
+from src.llmtools import tool_node
 from langchain_core.messages import AnyMessage, SystemMessage
 from typing_extensions import TypedDict
 from langgraph.graph import StateGraph, START, END
@@ -35,7 +36,7 @@ memory = MemorySaver()
 class AgentState(TypedDict):
     """
     状态机
-    add_messages 函数会自动合并message到一个list中，例如HumanMessage\AIMessage
+    add_messages 函数会自动合并message到一个list中，例如HumanMessage或AIMessage
     """
     messages: Annotated[list[AnyMessage], add_messages]
 

src/llmagent/llm_config.py

@@ -58,6 +58,7 @@ class LLMConfigLoader(object):
 class BaseConf(BaseModel):
     similarity_threshold: float
     model_form: str
+    prompt_type: str
 
 
 base_conf = BaseConf(**conf['base'])

src/llmtools/__init__.py

@@ -5,7 +5,7 @@
 # @File    : __init__.py
 # @Project : reActLLMDemo
 # @Desc    :
-from llmtools.tool_impl import play_video, split_screen, play_video_record, switch_page, zoom_in, view_flight_details
+from src.llmtools.tool_impl import play_video, split_screen, play_video_record, switch_page, zoom_in, view_flight_details
 from langgraph.prebuilt import ToolNode
 
 # 工具列表

src/llmtools/tool_impl.py

@@ -8,9 +8,9 @@
 
 from typing import Annotated
 from langchain_core.tools import tool
-from vector_db import query_vector_db
-from log_conf import log
-from llmagent.llm_config import base_conf
+from src.vector_db import query_vector_db
+from src.log_conf import log
+from src.llmagent.llm_config import base_conf
 
 
 @tool("play_video", description="播放、查看、打开实时视频")
@@ -29,12 +29,14 @@ def play_video(camera_name: Annotated[str, "相机名称,例如：南卡口1号
 
 
 @tool("split_screen", description="切换分屏")
-def split_screen(split_n: Annotated[int, "要切换的分屏数量,整数并且大于0，例如：1分屏、2分屏。如果是中文,例如：壹、贰、参需要转为数字形式"]) -> str:
+def split_screen(split_n: Annotated[
+    int, "要切换的分屏数量,整数并且大于0，例如：1分屏、2分屏。如果是中文,例如：壹、贰、参需要转为数字形式"]) -> str:
     return f"【tool_back】正在切换到{split_n}分屏,请等待操作完成"
 
 
 @tool("play_video_record", description="播放、打开录像")
-def play_video_record(camera_name: Annotated[str, "相机名称,例如：南卡口1号相机,如果没有提供时间,结束时间为当前时间,开始时间为当前时间往前5分钟"],
+def play_video_record(camera_name: Annotated[
+    str, "相机名称,例如：南卡口1号相机,如果没有提供时间,结束时间为当前时间,开始时间为当前时间往前5分钟"],
                       start_time: Annotated[str, "录像开始时间,格式为yyyy-MM-dd hh:mm:ss，例 2025-03-16 01:00:00"],
                       end_time: Annotated[str, "录像结束时间,格式为yyyy-MM-dd hh:mm:ss，例 2025-03-16 02:09:31"]) -> str:
     log.info('【function】play_video_record 输入 [{},{},{}]', camera_name, start_time, end_time)

src/log_conf.py

@@ -10,7 +10,8 @@ import sys
 import os
 from loguru import logger
 
-BASE_DIR = os.path.dirname(os.path.abspath(__file__))
+# 当前目录上一层
+BASE_DIR = os.path.abspath(os.path.dirname(os.path.dirname(__file__)))
 
 # 日志输出路径
 LOG_PATH = os.path.join(BASE_DIR, r'logout/logout.log')