mirror of
https://github.com/zhenxun-org/zhenxun_bot.git
synced 2026-10-03 19:00:00 +08:00
* ♻️ 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>
180 lines
7.3 KiB
Python
180 lines
7.3 KiB
Python
import time
|
|
from typing import Any
|
|
|
|
from nonebot_plugin_alconna import UniMessage
|
|
|
|
from zhenxun.services.ai.core.messages import BaseContentPart, ImagePart, TextPart
|
|
from zhenxun.services.ai.core.stream_events import (
|
|
EventBus,
|
|
LLMEndEvent,
|
|
LLMStartEvent,
|
|
ToolCallEndEvent,
|
|
ToolCallStartEvent,
|
|
ToolStreamChunkEvent,
|
|
UserCustomEvent,
|
|
)
|
|
from zhenxun.services.ai.utils.logger import log_agent as logger
|
|
from zhenxun.utils.message import MessageUtils
|
|
from zhenxun.utils.platform import PlatformUtils
|
|
|
|
from .context import RunContext
|
|
from .models import AgentRunEnd, AgentRunStart, AgentRunSummary
|
|
|
|
|
|
class TelemetrySubscriber:
|
|
"""纯粹的数据观察者:默默记录时间戳与 Token 消耗"""
|
|
|
|
def __init__(self):
|
|
"""初始化遥测数据观察者,准备记录统计摘要"""
|
|
self.summary = AgentRunSummary()
|
|
self._start_times: dict[str, float] = {}
|
|
|
|
def attach(self, bus: EventBus):
|
|
"""注册监听的各种智能体生命周期和核心流程事件"""
|
|
bus.subscribe(AgentRunStart, self.on_run_start)
|
|
bus.subscribe(AgentRunEnd, self.on_run_end)
|
|
bus.subscribe(LLMStartEvent, self.on_llm_start)
|
|
bus.subscribe(LLMEndEvent, self.on_llm_end)
|
|
bus.subscribe(ToolCallStartEvent, self.on_tool_start)
|
|
bus.subscribe(ToolCallEndEvent, self.on_tool_end)
|
|
|
|
async def on_run_start(self, event: AgentRunStart):
|
|
"""处理智能体运行开始事件,记录运行起始时间"""
|
|
self._start_times["run"] = time.monotonic()
|
|
logger.debug(f"🚀 [Telemetry] 智能体 {event.agent_name} 开始运行")
|
|
|
|
async def on_run_end(self, event: AgentRunEnd):
|
|
"""处理智能体运行结束事件,统计总耗时并填充至结果"""
|
|
dur = (time.monotonic() - self._start_times.get("run", time.monotonic())) * 1000
|
|
self.summary.total_latency_ms = dur
|
|
event.result.telemetry = self.summary
|
|
logger.debug(f"🏁 [Telemetry] 智能体运行结束 (总耗时: {dur:.2f}ms)")
|
|
|
|
async def on_llm_start(self, event: LLMStartEvent):
|
|
"""处理模型调用开始事件,记录单次大模型交互的起始时间"""
|
|
self._start_times["llm"] = time.monotonic()
|
|
|
|
async def on_llm_end(self, event: LLMEndEvent):
|
|
"""处理模型调用结束事件,累计大模型交互次数和延迟,并记录停止原因"""
|
|
dur = (time.monotonic() - self._start_times.pop("llm", time.monotonic())) * 1000
|
|
self.summary.chats.total += 1
|
|
self.summary.chats.total_latency_ms += dur
|
|
|
|
response = event.response
|
|
if response:
|
|
stop_reason = "tool_calls" if response.tool_calls else "stop"
|
|
self.summary.chats.by_stop_reason[stop_reason] = (
|
|
self.summary.chats.by_stop_reason.get(stop_reason, 0) + 1
|
|
)
|
|
logger.debug(f"🧠 [Telemetry] 模型调用完成 (耗时: {dur:.2f}ms)")
|
|
|
|
async def on_tool_start(self, event: ToolCallStartEvent):
|
|
"""处理工具调用开始事件,记录指定工具执行的起始时间"""
|
|
self._start_times[f"tool_{event.tool_name}"] = time.monotonic()
|
|
|
|
async def on_tool_end(self, event: ToolCallEndEvent):
|
|
"""处理工具调用结束事件,统计工具执行耗时,累计成功和失败次数"""
|
|
dur = (
|
|
time.monotonic()
|
|
- self._start_times.pop(f"tool_{event.tool_name}", time.monotonic())
|
|
) * 1000
|
|
self.summary.tools.total += 1
|
|
self.summary.tools.total_latency_ms += dur
|
|
|
|
tool_stat = self.summary.tools.by_name.setdefault(
|
|
event.tool_name, {"total": 0, "ok": 0, "error": 0, "latency_ms": 0.0}
|
|
)
|
|
tool_stat["total"] += 1
|
|
tool_stat["latency_ms"] += dur
|
|
|
|
if event.is_error:
|
|
self.summary.tools.error += 1
|
|
tool_stat["error"] += 1
|
|
else:
|
|
self.summary.tools.ok += 1
|
|
tool_stat["ok"] += 1
|
|
logger.debug(
|
|
f"🛠️ [Telemetry] 工具 {event.tool_name} 执行完毕 (耗时: {dur:.2f}ms)"
|
|
)
|
|
|
|
|
|
class DefaultUISubscriber:
|
|
"""纯粹的 UI 观察者:负责将特定事件转化为群聊气泡发送"""
|
|
|
|
def __init__(
|
|
self, context: RunContext, reply_to: bool = False, verbose: bool = False
|
|
):
|
|
"""
|
|
初始化默认的 UI 观察者,绑定运行上下文并获取 bot 与事件实例。
|
|
|
|
参数:
|
|
context: 智能体单次运行的上下文对象,用于提取 bot、事件及依赖。
|
|
reply_to: 在发送平台消息时是否对用户发起的消息进行回复(引用/艾特),默认 False。
|
|
verbose: 是否开启冗长模式,若开启则会将工具流等过程事件也输出到平台,默认 False。
|
|
""" # noqa: E501
|
|
self.context = context
|
|
self.reply_to = reply_to
|
|
self.verbose = verbose
|
|
self.bot = context.get_bot()
|
|
self.event = context.get_event()
|
|
|
|
def attach(self, bus: EventBus):
|
|
"""注册订阅相关的 UI 交互事件(如工具输出流、用户自定义事件等)"""
|
|
bus.subscribe(ToolStreamChunkEvent, self.on_tool_stream)
|
|
bus.subscribe(UserCustomEvent, self.on_custom_event)
|
|
|
|
async def _send_to_platform(self, display: Any):
|
|
"""将通用的显示内容或富文本消息部件渲染并发送至具体的聊天平台"""
|
|
if not self.bot or not display:
|
|
return
|
|
|
|
if (
|
|
isinstance(display, list)
|
|
and len(display) > 0
|
|
and isinstance(display[0], BaseContentPart)
|
|
):
|
|
msg = UniMessage()
|
|
for part in display:
|
|
if isinstance(part, TextPart) and part.text:
|
|
msg = msg.text(part.text)
|
|
elif isinstance(part, ImagePart):
|
|
if part.raw:
|
|
msg = msg.image(raw=part.raw)
|
|
elif part.url:
|
|
msg = msg.image(url=part.url)
|
|
elif part.path:
|
|
msg = msg.image(path=part.path)
|
|
display = msg
|
|
|
|
if isinstance(display, UniMessage):
|
|
if self.event:
|
|
await display.send(self.event, bot=self.bot, reply_to=self.reply_to)
|
|
else:
|
|
target = PlatformUtils.get_target(
|
|
user_id=self.context.get_user_id(),
|
|
group_id=self.context.get_group_id(),
|
|
)
|
|
if target:
|
|
await display.send(target=target, bot=self.bot)
|
|
else:
|
|
if self.event:
|
|
await self.bot.send(self.event, str(display))
|
|
else:
|
|
target = PlatformUtils.get_target(
|
|
user_id=self.context.get_user_id(),
|
|
group_id=self.context.get_group_id(),
|
|
)
|
|
if target:
|
|
await MessageUtils.build_message(str(display)).send(
|
|
target=target, bot=self.bot
|
|
)
|
|
|
|
async def on_tool_stream(self, event: ToolStreamChunkEvent):
|
|
"""处理工具流式数据块事件,仅在 verbose 开启时发送给平台"""
|
|
if self.verbose and event.content:
|
|
await self._send_to_platform(event.content)
|
|
|
|
async def on_custom_event(self, event: UserCustomEvent):
|
|
"""处理用户自定义事件,将展示内容发送至平台"""
|
|
await self._send_to_platform(event.display)
|