# agent

**Repository Path**: WUJIACHEN123/agent

## Basic Information

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

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2026-04-22
- **Last Updated**: 2026-04-22

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# Enterprise AI Copilot - 智能对话助手

基于 LangChain 和阿里云 DashScope 构建的企业级 AI 助手，支持多轮对话、意图识别、文档检索问答（RAG）、数据分析和图片识别等功能。

## ✨ 功能特性

### 🎯 核心能力
- **智能意图识别**：自动识别用户需求并路由到相应处理模块
- **多轮对话管理**：维护聊天历史上下文，支持连续对话
- **全链路 Trace**：完整的对话流程和意图识别追踪

### 📄 RAG 文档问答
- 上传 PDF 文档自动解析和分块
- 基于向量检索的智能问答
- 答案附带引用来源页码

### 📊 数据分析 Agent
- 上传 CSV 文件自动加载
- 自然语言生成 Pandas 代码
- 支持数据分析和可视化（matplotlib）

### 🖼️ 图片识别（Vision）
- 支持 PNG/JPG/JPEG 格式
- OCR 文字提取和信息结构化
- 发票、截图等场景识别

### 💬 普通问答
- 基于上下文的智能对话
- 保留最近 10 轮对话历史

## 🛠️ 技术栈

- **前端框架**：Streamlit
- **AI 框架**：LangChain
- **大模型服务**：阿里云 DashScope（通义千问）
  - `qwen-max`：主要对话模型
  - `qwen-turbo`：意图识别（低成本）
  - `qwen-vl-max`：视觉理解
- **向量数据库**：Chroma
- **嵌入模型**：text-embedding-v2
- **文档处理**：PyMuPDF
- **数据处理**：Pandas, NumPy

## 📋 环境要求

- Python 3.8+
- Windows / Linux / macOS

## 🚀 快速开始

### 1. 安装依赖

```bash
pip install streamlit langchain-community langchain-core langchain-text-splitters pandas pymupdf chromadb dashscope pydantic matplotlib numpy
```

### 2. 配置 API Key

在侧边栏输入您的 DashScope API Key，或设置环境变量：

```bash
# Windows PowerShell
$env:DASHSCOPE_API_KEY="your-api-key"

# Linux/macOS
export DASHSCOPE_API_KEY="your-api-key"
```

获取 API Key：[阿里云 DashScope 控制台](https://dashscope.console.aliyun.com/)

### 3. 启动应用

```bash
cd chatper_12
streamlit run chatbot.py
```

浏览器会自动打开 `http://localhost:8501`

## 📖 使用指南

### 界面说明

#### 侧边栏（左侧）
- **API Key 配置**：输入 DashScope API Key
- **已上传文件状态**：显示当前会话中上传的文件
- **清空按钮**：
  - 🗑️ 清空对话：清除聊天历史
  - 📤 清空文件：移除所有已上传文件

#### 主界面（右侧）
- **顶部标题**：Enterprise AI Copilot
- **聊天区域**：显示对话历史
- **底部输入区**：
  - 📁 CSV：上传 CSV 文件用于数据分析
  - 📄 PDF：上传 PDF 文件用于文档问答
  - 🖼️ 图片：上传图片用于视觉识别
  - 🗑️ 清空：清除所有上传文件
  - 文本输入框：输入您的问题

### 典型使用场景

#### 场景 1：PDF 文档问答
1. 点击底部 "📄 PDF" 按钮
2. 选择 PDF 文件（如员工手册、产品文档）
3. 等待处理完成（显示 "📄 PDF: xxx.pdf"）
4. 在输入框提问，例如：
   - "员工手册里病假最多几天？"
   - "公司的报销流程是什么？"
5. 系统自动检索相关段落并回答，附带页码引用

#### 场景 2：CSV 数据分析
1. 点击底部 "📁 CSV" 按钮
2. 选择 CSV 文件（如销售数据、用户信息）
3. 等待加载完成（显示 "📊 CSV: xxx.csv"）
4. 用自然语言提问，例如：
   - "统计各类别的数量分布"
   - "用条形图展示销售额趋势"
   - "计算平均价格和标准差"
5. 系统自动生成并执行 Pandas 代码，返回结果和图表

#### 场景 3：图片识别
1. 点击底部 "🖼️ 图片" 按钮
2. 选择图片文件（发票、截图、照片等）
3. 等待上传完成（显示 "🖼️ 图片: xxx.png"）
4. 提问关于图片的问题，例如：
   - "这张发票的金额是多少？"
   - "识别截图中的文字内容"
5. 系统返回识别结果和结构化数据

#### 场景 4：普通对话
直接输入问题即可，无需上传文件，例如：
- "帮我写一封邮件"
- "解释一下量子计算"
- "推荐几本编程书籍"

## 🏗️ 项目结构

```
chatper_12/
├── chatbot.py          # 主程序文件
└── README.md           # 项目说明文档

data/                   # 测试数据目录
├── house_price.csv     # 房价数据集
├── personal_data.csv   # 个人数据示例
└── sample_document.pdf # 示例文档
```

## ⚙️ 配置说明

### 模型配置（Config 类）

```python
class Config:
    LLM_MODEL = "qwen-max"              # 主要对话模型
    INTENT_MODEL = "qwen-turbo"         # 意图识别模型（轻量级）
    VISION_MODEL = "qwen-vl-max"        # 视觉识别模型
    EMBEDDING_MODEL = "text-embedding-v2"  # 向量嵌入模型
    
    CONFIDENCE_THRESHOLD = 0.65         # 意图识别置信度阈值
    
    CHUNK_SIZE = 800                    # 文档分块大小
    CHUNK_OVERLAP = 120                 # 分块重叠大小
    
    RETRIEVAL_K = 4                     # 检索返回的文档数量
```

### 意图类型

| 意图 | 说明 | 触发关键词 |
|------|------|-----------|
| `rag_qa` | 文档检索问答 | 文档、PDF、手册、规定、制度、知识库 |
| `data_agent` | 数据分析 | 数据分析、统计、画图、CSV、表格、分析数据 |
| `vision_extract` | 图片识别 | 图片、发票、截图、识别、照片、看图 |
| `general` | 普通对话 | 其他情况 |

## 🔧 高级用法

### 自定义意图识别提示词

修改 `INTENT_PROMPT` 可以调整意图识别的行为：

```python
INTENT_PROMPT = ChatPromptTemplate.from_messages([
    ("system", "你的自定义提示词..."),
    # ...
])
```

### 调整文档分块策略

在 `process_pdf()` 函数中修改分块参数：

```python
splitter = RecursiveCharacterTextSplitter(
    chunk_size=800,      # 增大提高检索精度，减小降低 token 成本
    chunk_overlap=120,   # 增大使语义更连贯
    separators=[...]     # 自定义分隔符优先级
)
```

### 扩展新的能力模块

1. 添加新的意图类型到 `IntentName`
2. 实现对应的处理函数（如 `custom_answer()`）
3. 在 `process_user_message()` 中添加路由逻辑

## ⚠️ 注意事项

1. **API Key 安全**：不要在代码中硬编码 API Key，使用环境变量或侧边栏输入
2. **临时文件清理**：PDF 和图片会创建临时文件，程序会自动清理
3. **内存管理**：向量数据库存储在内存中，刷新页面后需要重新上传文件
4. **代码执行安全**：数据分析功能会执行 LLM 生成的代码，生产环境建议添加沙箱
5. **matplotlib 依赖**：如需生成图表，请安装 matplotlib：
   ```bash
   pip install matplotlib
   ```

## 🐛 常见问题

### Q1: 启动时报错 "ModuleNotFoundError"
**A**: 确保安装了所有依赖包：
```bash
pip install -r requirements.txt  # 如果有 requirements.txt
# 或手动安装
pip install streamlit langchain-community pandas pymupdf chromadb
```

### Q2: 意图识别不准确
**A**: 
- 尝试更明确的表述
- 调整 `CONFIDENCE_THRESHOLD` 阈值
- 优化 `INTENT_PROMPT` 中的判断规则

### Q3: PDF 处理后回答不准确
**A**:
- 检查 PDF 是否为可搜索文本（非扫描版）
- 调整 `CHUNK_SIZE` 和 `RETRIEVAL_K` 参数
- 确保问题与文档内容相关

### Q4: 数据分析报错
**A**:
- 检查 CSV 文件格式是否正确
- 确认列名和数据类型
- 查看生成的代码是否有语法错误

### Q5: 图片识别失败
**A**:
- 确认图片格式为 PNG/JPG/JPEG
- 检查图片是否清晰可读
- 验证 VISION_MODEL 是否有访问权限

## 📝 开发计划

- [ ] 支持更多文档格式（Word、Excel、TXT）
- [ ] 持久化向量数据库
- [ ] 对话历史记录导出
- [ ] 多文件同时处理
- [ ] 自定义 Agent 工具扩展
- [ ] 用户认证和权限管理
- [ ] 部署到云端（Streamlit Cloud / Docker）

## 📄 许可证

本项目仅供学习和研究使用。

## 🙏 致谢

- [LangChain](https://github.com/langchain-ai/langchain)
- [Streamlit](https://streamlit.io/)
- [阿里云 DashScope](https://dashscope.aliyun.com/)
- [Chroma](https://www.trychroma.com/)

---

**Enjoy your AI Copilot! 🤖**