# 基础agent

**Repository Path**: yakumo12/basic-agent

## Basic Information

- **Project Name**: 基础agent
- **Description**: 基于黑马程序员的第一个langchain视频
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2026-05-16
- **Last Updated**: 2026-05-16

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# 智扫通智能客服系统

基于 RAG (Retrieval-Augmented Generation) 和 ReAct (Reasoning + Acting) 框架的智能客服系统，专为扫地机器人产品提供专业问答和个性化使用报告生成服务。

## 项目概述

该系统模拟智扫通扫地机器人智能客服，能够：
- 回答用户关于扫地机器人的专业问题（选购建议、使用维护、故障排除等）
- 根据用户需求生成个性化使用报告
- 通过 ReAct 框架实现思考→行动→观察→再思考的智能推理流程

## 技术架构

### 核心模块

| 模块 | 路径 | 说明 |
|------|------|------|
| `agent/react_agent.py` | ReactAgent | 主 Agent，基于 LangChain 的 ReAct 推理引擎 |
| `rag/rag_service.py` | RagSummarizeService | RAG 摘要服务，检索向量库并生成回答 |
| `rag/vector_store.py` | VectorStoreSearch | 向量存储管理，基于 ChromaDB |
| `app.py` | - | Streamlit Web 应用入口 |

### 工具集

| 工具 | 功能 |
|------|------|
| `rag_summarize` | 从向量知识库检索专业资料并生成摘要 |
| `get_weather` | 查询城市天气（用于环境适配建议） |
| `get_user_location` | 获取用户所在城市 |
| `get_user_id` | 获取用户唯一标识 |
| `get_current_month` | 获取当前月份 |
| `fetch_external_data` | 查询用户在指定月份的使用记录 |
| `fill_context_for_report` | 触发报告生成场景的提示词切换 |

### 中间件

| 中间件 | 功能 |
|--------|------|
| `report_prompt_switch` | 根据上下文动态切换提示词（问答/报告） |
| `monitor_tool` | 监控工具调用日志 |
| `log_before_model` | 模型调用前日志记录 |

## 项目结构

```
Agent智能体项目/
├── agent/
│   ├── tools/
│   │   ├── agent_tools.py    # Agent 工具定义
│   │   └── middleware.py     # 中间件
│   └── react_agent.py         # ReAct Agent 实现
├── config/
│   ├── agent.yml             # Agent 配置
│   ├── chroma.yml            # ChromaDB 配置
│   ├── prompts.yml           # 提示词配置
│   └── rag.yml               # RAG 配置
├── data/
│   ├── external/
│   │   └── records.csv       # 用户使用记录数据
│   └── *.txt                 # 知识库文档
├── model/
│   └── factory.py            # 模型工厂（OpenAI/Embedding）
├── prompts/
│   ├── main_prompt.txt       # 主提示词
│   ├── rag.summarize.txt     # RAG 摘要提示词
│   └── report_prompt.txt     # 报告生成提示词
├── rag/
│   ├── vector_store.py       # 向量存储
│   └── rag_service.py        # RAG 服务
├── utils/
│   ├── config_handler.py     # 配置加载
│   ├── file_handler.py       # 文件处理
│   ├── logger_handler.py     # 日志
│   ├── path_tool.py          # 路径工具
│   └── prompt_loader.py      # 提示词加载
├── app.py                    # Streamlit Web 应用
└── pyproject.toml            # 项目依赖
```

## 环境要求

- Python >= 3.11
- 支持的模型：DeepSeek V3 (通过 OpenAI API)

## 安装

```bash
# 使用 uv 安装依赖
uv sync

# 或使用 pip
pip install -r requirements.txt
```

## 配置

### 环境变量

配置 API Key 和基础 URL：

```bash
# 建议使用 .env 文件
CHAT_MODEL_API_KEY=your_api_key
CHAT_MODEL_BASE_URL=https://api.deepseek.com
EMBEDDING_API_KEY=your_api_key
EMBEDDING_BASE_URL=https://api.deepseek.com
```

### 配置文件

- `config/rag.yml` - ChatGLM 模型配置
- `config/chroma.yml` - 向量数据库配置
- `config/agent.yml` - Agent 配置
- `config/prompts.yml` - 提示词文件路径

## 运行

### 启动 Web 应用

```bash
streamlit run app.py
```

### 直接运行 Agent

```bash
python agent/react_agent.py
```

## 使用说明

### 问答模式

用户可以直接咨询扫地机器人相关问题：
- 选购建议
- 使用方法
- 维护保养
- 故障排除
- 环境适配

### 报告生成模式

当用户有生成报告需求时（如"生成xxx用户xxx月的使用报告"），Agent 会：
1. 获取用户 ID
2. 获取目标月份
3. 查询外部数据
4. 生成个性化使用报告

## 依赖技术

- **LangChain** - Agent 框架
- **ChromaDB** - 向量数据库
- **Streamlit** - Web UI
- **OpenAI SDK** - 模型调用