Files
zhenxun_bot/zhenxun/services/ai/tools/providers/builtin/slots.py
T
80fc5b86a7 ✨ feat!(llm): 重构并升级大语言模型服务为全新 AI 智能体框架 (#2146)
* ✨ 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>
2026-07-03 08:53:56 +08:00

369 lines
14 KiB
Python

import asyncio
from contextlib import asynccontextmanager
import time
from typing import Any, Literal
from pydantic import Field, create_model
from zhenxun.services.ai.context.memory.manager import memory_manager
from zhenxun.services.ai.context.memory.models import MemoryConfig
from zhenxun.services.ai.context.memory.types import (
MemorySlot,
SessionMetadata,
)
from zhenxun.services.ai.run.context import RunContext
from zhenxun.services.ai.tools.core.decorators import tool
from zhenxun.services.ai.tools.core.tool import BaseTool
from zhenxun.services.ai.tools.core.toolkit import BaseToolkit
from zhenxun.services.ai.tools.models import ToolOptions, ToolResult
_SLOT_LOCKS: dict[str, asyncio.Lock] = {}
_GLOBAL_LOCK = asyncio.Lock()
@asynccontextmanager
async def _slot_lock(session_id: str, label: str):
key = f"{session_id}:{label}"
async with _GLOBAL_LOCK:
if key not in _SLOT_LOCKS:
_SLOT_LOCKS[key] = asyncio.Lock()
lock = _SLOT_LOCKS[key]
async with lock:
yield
class MemorySlotToolkit(BaseToolkit):
"""
中期记忆槽工具箱。
向大模型开放直接编辑上下文 XML 节点的能力。
"""
default_prefix = ""
class Config:
"""声明式配置:该工具箱下的所有工具默认静默"""
shared_options = ToolOptions(silent=True)
default_instructions = """\
## 📋 状态与规则面板 (Memory Slots / 中期记忆)
该系统是你的「桌面便利贴」或「共享黑板」,用于保存你当前需要随时查阅的核心状态与全局规范。
### 💡 核心机制
- 被保存在记忆槽中的内容(如果已置顶),会在每次对话时**直接注入到你的上下文提示词中**,你无需任何搜索即可看见。
- 槽位容量极其有限,仅用于维持当前最新的运行状态。
### 📝 何时使用记忆槽?
- **维护全局规则**:例如设定"用户整体偏好"、"沟通口吻"、"全局指导原则"等需要时刻遵守的规范(使用 `update_slot`)。
- **追踪当前进度**:例如记录"待办事项清单"、"当前任务进度"、"上下文摘要"(使用 `append_slot` 列表或 `update_slot` 覆盖)。
### ⚙️ 操作规范
1. **探索可用面板**:接手新任务时,可使用 `list_slots` 宏观查看当前存在哪些状态面板。
2. **保持精简**:槽位有严格的字符数限制。当内容过长时,请主动将其归档到长期记忆后,重新提炼并覆盖槽位,或直接调用 `delete_slot` 删除不再需要的槽位。\
""" # noqa: E501
def __init__(
self,
memory_config: MemoryConfig | None = None,
namespace: str | None = None,
**kwargs: Any,
):
"""
初始化中期记忆槽工具箱。
参数:
memory_config: 记忆系统的全局配置对象,为空则使用全局默认。
namespace: 当前隔离环境的命名空间。
kwargs: 其他透传给 BaseToolkit 的参数。
"""
super().__init__(**kwargs)
self.memory_config = memory_config
self._namespace = namespace
def _get_runtime_meta_and_ctx(
self, context: RunContext, scope_name: str | None = None
) -> tuple[Any, SessionMetadata]:
ns = self._namespace or getattr(context.session, "namespace", "global")
slot_ctx = memory_manager.get_slot_context(self.memory_config, namespace=ns)
scope_builder = None
if (
self.memory_config
and self.memory_config.slots
and self.memory_config.slots.scopes
):
scopes_dict = self.memory_config.slots.scopes
if not scope_name:
scope_builder = next(iter(scopes_dict.values()))
else:
scope_builder = scopes_dict.get(scope_name)
if not scope_builder:
scope_builder = getattr(self.memory_config, "base_isolation", None)
if not scope_builder:
from zhenxun.services.ai.context.memory.types import Isolation
scope_builder = Isolation.AGENT_USER()
selector = scope_builder.resolve(
deps=context.deps,
prefix="",
default_namespace=ns,
default_agent=context.run.agent_name,
)
parts = selector.get_scope_parts()
all_scopes = {"/"}
current_path = ""
for part in parts:
current_path += f"/{part}"
all_scopes.add(current_path)
accessible_scopes = list(all_scopes)
accessible_scopes.sort(key=lambda x: len(x.split("/")))
scope_name_mapping = {}
if (
self.memory_config
and self.memory_config.slots
and self.memory_config.slots.scopes
):
for name, builder in self.memory_config.slots.scopes.items():
sel = builder.resolve(
deps=context.deps,
prefix="",
default_namespace=ns,
default_agent=context.run.agent_name,
)
scope_name_mapping[sel.scope_prefix] = name
session_meta = SessionMetadata(
session_id=context.session_id or "default_session",
selector=selector,
scope_prefix=selector.scope_prefix,
accessible_scopes=accessible_scopes,
scope_name_mapping=scope_name_mapping,
)
return slot_ctx, session_meta
async def get_tools(self, context: RunContext | None = None) -> dict[str, BaseTool]:
tools = await super().get_tools(context)
if (
not self.memory_config
or not self.memory_config.slots
or not self.memory_config.slots.enable
):
return tools
scopes_dict = self.memory_config.slots.scopes
if not scopes_dict:
return tools
scope_keys = tuple(scopes_dict.keys())
if len(scope_keys) > 1:
ScopeType = Literal[scope_keys]
UpdateArgs = create_model(
"UpdateSlotArgs",
label=(str, Field(..., description="槽位标签名称")),
content=(str, Field(..., description="槽位内容(全量覆写)")),
description=(str, Field(default="", description="槽位的简要说明")),
scope=(
ScopeType,
Field(..., description="选择记忆存储的隔离分区"),
),
)
AppendArgs = create_model(
"AppendSlotArgs",
label=(str, Field(..., description="槽位标签名称")),
text=(str, Field(..., description="要追加的文本内容")),
scope=(
ScopeType,
Field(..., description="选择记忆存储的隔离分区"),
),
)
ReadArgs = create_model(
"ReadSlotArgs",
label=(str, Field(..., description="槽位标签名称")),
scope=(
ScopeType,
Field(..., description="选择记忆存储的隔离分区"),
),
)
DeleteArgs = create_model(
"DeleteSlotArgs",
label=(str, Field(..., description="槽位标签名称")),
scope=(
ScopeType,
Field(..., description="选择记忆存储的隔离分区"),
),
)
ListArgs = create_model(
"ListSlotsArgs",
scope=(
ScopeType,
Field(..., description="选择记忆存储的隔离分区"),
),
)
for t_name, t in tools.items():
if t_name.endswith("update_slot"):
t.args_schema = UpdateArgs
elif t_name.endswith("append_slot"):
t.args_schema = AppendArgs
elif t_name.endswith("read_slot"):
t.args_schema = ReadArgs
elif t_name.endswith("delete_slot"):
t.args_schema = DeleteArgs
elif t_name.endswith("list_slots"):
t.args_schema = ListArgs
return tools
@tool(
description="列出当前所有可用的记忆槽(包括未置顶显示的槽位),方便你了解有哪些信息可供读取或更新。"
)
async def list_slots(self, context: RunContext, **kwargs) -> ToolResult:
scope_name = kwargs.get("scope")
slot_ctx, meta = self._get_runtime_meta_and_ctx(context, scope_name)
if not slot_ctx:
return ToolResult(output="错误:未配置记忆槽后端").as_error()
slots = await slot_ctx.list_all_slots(meta)
if not slots:
return ToolResult(output="当前没有任何记忆槽。")
res = ["已创建的记忆槽列表:"]
show_scope = False
if (
self.memory_config
and self.memory_config.slots
and self.memory_config.slots.scopes
and len(self.memory_config.slots.scopes) > 1
):
show_scope = True
for s in slots:
pin_str = "置顶" if s.pinned else "隐藏"
if show_scope:
semantic_name = meta.scope_name_mapping.get(s.scope, "未知")
res.append(
f"- [{s.label}] (分区: "
f"{semantic_name}, {pin_str}) - {s.description}"
)
else:
res.append(f"- [{s.label}] ({pin_str}) - {s.description}")
return ToolResult(output="\n".join(res))
@tool(description="读取某个尚未展示在上下文中的记忆槽完整内容。")
async def read_slot(self, label: str, context: RunContext, **kwargs) -> ToolResult:
scope_name = kwargs.get("scope")
slot_ctx, meta = self._get_runtime_meta_and_ctx(context, scope_name)
if not slot_ctx:
return ToolResult(output="错误:未配置记忆槽后端").as_error()
slot = await slot_ctx.get_slot(meta, label)
if not slot:
return ToolResult(output=f"未找到标签为 '{label}' 的槽位。").as_error()
return ToolResult(output=f"[{label}] 内容:\n{slot.content}")
@tool(description=("更新或新建记忆槽的内容(全量覆写)。"))
async def update_slot(
self,
label: str,
content: str,
context: RunContext,
description: str = "",
**kwargs,
) -> ToolResult:
scope_name = kwargs.get("scope")
slot_ctx, meta = self._get_runtime_meta_and_ctx(context, scope_name)
if not slot_ctx:
return ToolResult(output="错误:未配置记忆槽后端").as_error()
target_sid = meta.scope_prefix
async with _slot_lock(target_sid, label):
slot = await slot_ctx.get_slot(meta, label)
if not slot:
slot = MemorySlot(
label=label,
content=content,
scope=meta.scope_prefix,
description=description,
)
else:
slot.content = content
slot.scope = meta.scope_prefix
if description:
slot.description = description
slot.updated_at = time.time()
if len(content) > slot.size_limit:
return ToolResult(
output=(
f"错误:内容长度超过限制 ({len(content)} > {slot.size_limit})。"
)
).as_error()
await slot_ctx.set_slot(meta, slot)
return ToolResult(output=f"已成功将 '{label}' 更新至记忆槽中。")
@tool(description="在指定记忆槽的末尾追加文本(例如追加待办事项清单)。")
async def append_slot(
self, label: str, text: str, context: RunContext, **kwargs
) -> ToolResult:
scope_name = kwargs.get("scope")
slot_ctx, meta = self._get_runtime_meta_and_ctx(context, scope_name)
if not slot_ctx:
return ToolResult(output="错误:未配置记忆槽后端").as_error()
slot = await slot_ctx.get_slot(meta, label)
if not slot:
return ToolResult(
output=(
f"错误:标签为 '{label}' 的槽位不存在,请先使用 update_slot 创建。"
)
).as_error()
target_sid = meta.scope_prefix
async with _slot_lock(target_sid, label):
slot = await slot_ctx.get_slot(meta, label)
if not slot:
return ToolResult(
output="错误:并发写入异常,槽位已被删除。"
).as_error()
sep = "\n" if slot.content and not slot.content.endswith("\n") else ""
new_content = f"{slot.content}{sep}{text}"
if len(new_content) > slot.size_limit:
return ToolResult(
output=(
"错误:追加后总长度超过限制 "
f"({len(new_content)} > {slot.size_limit})。"
)
).as_error()
slot.content = new_content
slot.updated_at = time.time()
await slot_ctx.set_slot(meta, slot)
return ToolResult(output=f"已成功追加至 '{label}'。")
@tool(description="删除不再需要的记忆槽(全量删除)。")
async def delete_slot(
self, label: str, context: RunContext, **kwargs
) -> ToolResult:
scope_name = kwargs.get("scope")
slot_ctx, meta = self._get_runtime_meta_and_ctx(context, scope_name)
if not slot_ctx:
return ToolResult(output="错误:未配置记忆槽后端").as_error()
target_sid = meta.scope_prefix
async with _slot_lock(target_sid, label):
await slot_ctx.delete_slot(meta, label, meta.scope_prefix)
return ToolResult(output=f"已成功删除槽位 '{label}'。")