mirror of
https://github.com/zhenxun-org/zhenxun_bot.git
synced 2026-10-01 17:49:58 +08:00
922d092650
* ♻️ refactor(core): 重构 AI 能力与定时任务调度系统 - 【AI 能力与工具】重构 Capability 注册与管理机制，引入 CapabilityManager 统一管理 - 移除全局能力注册表，改用声明式装饰器 `@capability` 进行解耦注册 - 重构工具解析器链，使用统一的 BaseToolResolver 代替原有的多个特定解析器 - 增强工具查询过滤，支持通配符匹配、工具箱过滤和排除标签 - 【定时任务调度】重构定时任务管理器，引入 SchedulerRegistry 统一管理任务元数据 - 引入 JobConfig 聚合定时任务配置，支持用户维度的定时任务调度 - 重构执行分发器，支持并发限制、串行间隔和随机延迟打散 - 【运行上下文】引入 ScheduledDeps 以支持后台和定时任务环境下的依赖注入 - 优化 RunContext，支持从定时任务上下文快速构造，并提供 emit 辅助方法 - 【日志与监控】引入 AILoggerProxy，实现 AI 各模块的专属日志输出 - 将各模块的全局 logger 替换为对应的模块专属日志代理 - 【其他优化】修复 Pydantic V1 兼容层中 model_validator 的装饰器兼容性问题 - 在非交互式环境（如定时任务）中自动隐藏 HITL 交互工具以节省 Token * ♻️ refactor(core): 优化内部导入路径并提升 Pydantic 兼容性 - 【重构】将 `services/ai` 模块内的绝对导入重构为相对导入，优化包结构 - 【重构】移除不必要的 `if TYPE_CHECKING` 保护，通过 `from __future__ import annotations` 直接导入类型 - 【清理】清理 `core/messages/types.py` 中未使用的 `AssistantContentUnion` 等联合类型定义 - 【优化】在 `utils/pydantic_compat.py` 中新增 `model_rebuild` 兼容函数，统一 Pydantic V1/V2 的模型重建逻辑 - 【优化】将部分函数内部的延迟导入提升至模块顶部，规范代码结构 * ♻️ refactor(imports): 优化导入路径为相对导入并清理冗余导入 - 【重构】将 AI 服务相关模块中的绝对导入路径修改为相对导入，提升模块内聚性与可移植性 - 【清理】移除多处函数内部或类方法中未使用的冗余导入，避免循环引用和资源浪费 - 【格式化】微调部分工具装饰器和返回语句的格式与尾随逗号 * 🚨 auto fix by pre-commit hooks --------- Co-authored-by: webjoin111 <455457521@qq.com> Co-authored-by: pre-commit-ci[bot] <66853113+pre-commit-ci[bot]@users.noreply.github.com>
66 lines
2.1 KiB
Python
66 lines
2.1 KiB
Python
"""
|
|
AI 模块专属日志代理门面
|
|
"""
|
|
|
|
from typing import Any
|
|
|
|
from zhenxun.services.log import logger as global_logger
|
|
|
|
|
|
class AILoggerProxy:
|
|
def __init__(self, module_name: str, emoji: str = ""):
|
|
self.module_name = module_name
|
|
self.emoji = emoji
|
|
self._cmd = f"AI|{self.module_name}"
|
|
|
|
def _format(self, msg: str) -> str:
|
|
"""自动在消息开头追加 Emoji（如果消息本身不包含的话）"""
|
|
if self.emoji and not str(msg).lstrip().startswith(self.emoji):
|
|
return f"{self.emoji} {msg}"
|
|
return msg
|
|
|
|
def info(self, info: str, command: str | None = None, **kwargs: Any):
|
|
cmd = command or self._cmd
|
|
global_logger.info(self._format(info), command=cmd, **kwargs)
|
|
|
|
def debug(self, info: str, command: str | None = None, **kwargs: Any):
|
|
cmd = command or self._cmd
|
|
global_logger.debug(self._format(info), command=cmd, **kwargs)
|
|
|
|
def warning(self, info: str, command: str | None = None, **kwargs: Any):
|
|
cmd = command or self._cmd
|
|
global_logger.warning(self._format(info), command=cmd, **kwargs)
|
|
|
|
def error(self, info: str, command: str | None = None, **kwargs: Any):
|
|
cmd = command or self._cmd
|
|
global_logger.error(self._format(info), command=cmd, **kwargs)
|
|
|
|
def success(
|
|
self,
|
|
info: str,
|
|
command: str | None = None,
|
|
param: dict[str, Any] | None = None,
|
|
result: str = "",
|
|
):
|
|
cmd = command or self._cmd
|
|
global_logger.success(
|
|
self._format(info), command=cmd, param=param, result=result
|
|
)
|
|
|
|
def trace(self, info: str, command: str | None = None, **kwargs: Any):
|
|
cmd = command or self._cmd
|
|
global_logger.trace(self._format(info), command=cmd, **kwargs)
|
|
|
|
|
|
log_llm = AILoggerProxy("LLM")
|
|
log_agent = AILoggerProxy("Agent")
|
|
log_team = AILoggerProxy("Team")
|
|
log_tool = AILoggerProxy("Tool")
|
|
log_sandbox = AILoggerProxy("Sandbox")
|
|
log_memory = AILoggerProxy("Memory")
|
|
log_rag = AILoggerProxy("RAG")
|
|
log_flow = AILoggerProxy("Flow")
|
|
log_core = AILoggerProxy("Core")
|
|
log_knowledge = AILoggerProxy("Knowledge")
|
|
log_capability = AILoggerProxy("Capability")
|