mirror of
https://github.com/zhenxun-org/zhenxun_bot.git
synced 2026-10-10 22:30:02 +08:00
80fc5b86a7
* ✨ feat!(llm): 重构并升级大语言模型服务为全新 AI 智能体框架 - 【重构】将原 services/llm 重构并迁移至全新的 services/ai 架构，提供向下兼容垫片 - 【新增】引入 Agent、Team、Workflow 三大智能体与工作流编排范式 - 【新增】引入基于 RAG 的长期向量记忆与中期槽位记忆系统 - 【新增】引入基于 Docker 的安全代码执行沙箱环境 - 【新增】支持 MCP 协议，允许动态管理和调用 MCP 服务 - 【新增】引入输入输出安全合规护栏与自愈反思机制 - 【优化】重构并优化多厂商 API 适配器 (Gemini, OpenAI, DeepSeek, GLM 等) - 【优化】优化日志脱敏与 Token 预估机制 - 【移除】移除旧版 llm default 和 llm reset-key 命令，新增 llm mcp 管理命令 * 🔧 chore(deps): 更新项目依赖与配置 - 添加 mcp、jieba 和 aiodocker 依赖到配置文件及 requirements.txt - 在 pyright 配置中设置 reportMissingImports 为 none - 调整 .gitignore 中 resources 目录的忽略规则 * ♻️ refactor(tools): 重构工具终止机制并清理知识库日志输出 - 统一使用 `context.state["__end_run__"]` 替代 `EndRunResult` 控制任务结束 - 移除文件系统和向量知识库检索工具中 `ToolResult` 的 `.with_log` 调用 - 调整指令处理器（Directive）的返回值为 `tool_res.output` - 修复部分类型检查警告并优化联合类型判断语法 * ♻️ refactor(tools): 重构工具副作用指令与控制流熔断机制 - 引入 `DirectivePayload` 及 `ToolResult` 的子类以结构化表达工具副作用 - 移除通过 `context.state` 传递魔术变量的隐式控制流设计 - 重构 `DirectiveManager` 处理器接口，直接在处理器中修改 `AgentState` 并构建 `AgentRunResult` - 在 `StandardAgentExecutor` 中统一通过 `directive_manager` 调度工具返回的副作用指令 - 补全 `MessageBuilder` 中部分核心方法的文档注释 * 🐛 fix(sandbox): 修复 Docker 沙箱容器状态检测与会话清理逻辑 -【修复】修正 `is_alive` 中直接读取私有属性的问题，改用 `show()` 返回值 -【修复】解决 `execute_code` 中缓存的执行器与当前会话不一致的问题 -【优化】在清理工作区前增加容器存活检测，避免向已死容器发送请求 -【优化】创建容器时增加运行状态校验，若已停止则自动从缓存中移除并重建 -【优化】优化容器销毁和清理逻辑，静默处理容器不存在 (404) 的异常 * 📝 docs(core): 补充核心模块初始化方法的文档注释 * 🚨 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>
87 lines
2.6 KiB
Python
87 lines
2.6 KiB
Python
from typing import Any
|
|
|
|
from pydantic import BaseModel, ConfigDict, Field
|
|
|
|
from zhenxun.services.ai.context.rag.backends import Embedder, StorageBackend
|
|
from zhenxun.services.ai.context.rag.ingestion import ChunkingStrategy
|
|
from zhenxun.services.ai.context.rag.retrieval import (
|
|
BaseRetriever,
|
|
PostProcessor,
|
|
PreProcessor,
|
|
)
|
|
|
|
StorageConfigType = dict[str, Any]
|
|
|
|
|
|
class ChunkingConfig(BaseModel):
|
|
model_config = ConfigDict(arbitrary_types_allowed=True)
|
|
strategy: ChunkingStrategy | None = None
|
|
"""文档切块策略"""
|
|
|
|
|
|
class DedupConfig(BaseModel):
|
|
enable: bool = True
|
|
"""是否开启入库去重"""
|
|
threshold: float = 0.98
|
|
"""去重相似度阈值"""
|
|
|
|
|
|
class RerankConfig(BaseModel):
|
|
enable: bool = False
|
|
"""是否开启重排"""
|
|
model_name: str | None = None
|
|
"""重排使用的模型名称"""
|
|
top_n: int = 5
|
|
"""重排后保留的文档数量"""
|
|
|
|
|
|
class HybridSearchConfig(BaseModel):
|
|
enable: bool = False
|
|
"""是否开启双轨混合检索及 RRF 融合"""
|
|
dense_weight: float = 0.7
|
|
"""向量检索权重"""
|
|
sparse_weight: float = 0.3
|
|
"""BM25 检索权重"""
|
|
|
|
|
|
class LifecycleConfig(BaseModel):
|
|
enable: bool = False
|
|
"""是否开启生命周期打分(时间衰减+访问强化)后处理"""
|
|
half_life_days: int = 30
|
|
"""半衰期天数"""
|
|
decay_weight: float = 0.3
|
|
"""时间衰减权重"""
|
|
semantic_weight: float = 0.7
|
|
"""语义相似度权重"""
|
|
importance_weight: float = 0.0
|
|
"""重要性打分权重"""
|
|
reinforcement_weight: float = 0.2
|
|
"""访问强化得分权重"""
|
|
|
|
|
|
class RAGConfig(BaseModel):
|
|
model_config = ConfigDict(arbitrary_types_allowed=True)
|
|
storage: StorageBackend | None = None
|
|
"""存储后端"""
|
|
embedder: Embedder | None = None
|
|
"""向量化引擎"""
|
|
custom_retriever: BaseRetriever | None = None
|
|
"""自定义召回器"""
|
|
scopes: str | list[str] = "/"
|
|
"""数据隔离作用域"""
|
|
chunking: ChunkingConfig = Field(default_factory=ChunkingConfig)
|
|
"""文档切块配置"""
|
|
dedup: DedupConfig = Field(default_factory=DedupConfig)
|
|
"""去重配置"""
|
|
|
|
rerank: RerankConfig = Field(default_factory=RerankConfig)
|
|
"""重排配置"""
|
|
hybrid: HybridSearchConfig = Field(default_factory=HybridSearchConfig)
|
|
"""混合检索与 RRF 融合配置"""
|
|
lifecycle: LifecycleConfig = Field(default_factory=LifecycleConfig)
|
|
"""生命周期打分配置"""
|
|
pre_processors: list[PreProcessor] = Field(default_factory=list)
|
|
"""自定义查询前处理器列表"""
|
|
post_processors: list[PostProcessor] = Field(default_factory=list)
|
|
"""自定义检索后处理器列表"""
|