# Agent-project

**Repository Path**: AimerUna/agent-project

## Basic Information

- **Project Name**: Agent-project
- **Description**: No description available
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2026-03-23
- **Last Updated**: 2026-03-26

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README



Based on the code map provided, I can see this is an AI Agent project that appears to be a smart home/robot report system. Let me create a comprehensive README.md based on the project structure.

# Agent Project

智能扫地机器人报告生成 Agent

## 项目简介

本项目是一个基于大语言模型（LLM）的智能 Agent 系统，主要用于为用户提供扫地/扫拖机器人的使用报告生成服务。系统集成了 RAG（检索增强生成）、向量数据库、工具调用等功能，能够根据用户查询和外部数据生成个性化的使用报告。

## 技术栈

- **Python 3.x**
- **LangChain** - LLM 框架
- **Chroma** - 向量数据库
- **ReAct Agent** - 推理 Agent 架构

## 项目结构

```
agent-project/
├── agent/                    # Agent 核心模块
│   ├── chroma_db/            # Chroma 向量数据库
│   ├── react_agent.py        # ReAct Agent 实现
│   └── tools/                # 工具函数
│       ├── agent_tools.py    # 业务工具（天气、用户信息、外部数据等）
│       └── middleware.py     # 中间件（日志、动态提示词切换）
├── config/                   # 配置文件
│   ├── agent.yml             # Agent 配置
│   ├── chroma.yml            # Chroma 配置
│   ├── prompts.yml           # 提示词配置
│   └── rag.yml               # RAG 配置
├── data/                     # 数据文件
│   └── external/             # 外部数据（用户使用记录）
├── logs/                     # 日志文件
├── model/                    # 模型工厂
│   └── factory.py            # ChatModel 和 Embeddings 工厂
├── prompts/                  # 提示词模板
│   ├── main_prompt.txt       # 主提示词
│   ├── rag_summarize.txt     # RAG 总结提示词
│   └── report_prompt.txt     # 报告生成提示词
├── rag/                      # RAG 服务
│   ├── rag_service.py        # RAG 检索服务
│   └── vector_store.py       # 向量存储服务
├── utils/                    # 工具模块
│   ├── config_handler.py     # 配置加载
│   ├── file_handler.py       # 文件处理（CSV、PDF、TXT）
│   ├── logger_handler.py     # 日志处理（敏感数据脱敏）
│   ├── path_tool.py          # 路径工具
│   └── prompt_loader.py      # 提示词加载
└── app.py                    # 应用入口
```

## 核心功能

### 1. ReAct Agent

`ReactAgent` 类实现了基于 ReAct 推理模式的 Agent，支持流式输出（`execute_stream` 方法）。

### 2. 工具函数

系统提供多种工具供 Agent 调用：

| 工具名称 | 功能描述 |
|---------|---------|
| `rag_summarize` | 从向量存储中检索参考资料 |
| `get_weather` | 获取指定城市天气 |
| `get_user_location` | 获取用户所在城市 |
| `get_user_id` | 获取用户 ID |
| `get_current_month` | 获取当前月份 |
| `fetch_external_data` | 检索指定用户指定月份的使用记录 |
| `fill_context_for_report` | 触发中间件为报告生成场景动态注入上下文 |

### 3. RAG 服务

- **向量存储**：基于 Chroma 的向量数据库存储文档
- **检索服务**：支持相似度检索和文档总结

### 4. 中间件

- **日志脱敏**：自动过滤日志中的敏感信息
- **动态提示词切换**：根据场景动态调整提示词

### 5. 配置管理

支持 YAML 格式的配置文件加载，包括：
- Agent 配置
- 向量数据库配置
- 提示词配置
- RAG 配置

## 安装依赖

```bash
pip install langchain chromadb langchain-openai pyyaml
```

## 配置说明

### config/agent.yml

Agent 相关配置。

### config/chroma.yml

Chroma 向量数据库配置。

### config/prompts.yml

提示词相关配置。

### config/rag.yml

RAG 检索配置。

## 使用示例

```python
from agent.react_agent import ReactAgent

# 初始化 Agent
agent = ReactAgent()

# 执行查询
result = agent.execute_stream("请帮我生成上个月的使用报告")
```

## 日志说明

日志文件位于 `logs/` 目录下，系统会自动对日志中的敏感数据进行脱敏处理，确保用户隐私安全。

## 外部数据

用户的使用记录存储在 `data/external/records.csv` 中，可通过 `fetch_external_data` 工具进行查询。

## License

本项目仅供学习交流使用。