#!/usr/bin/env python3 # -*- coding: utf-8 -*- """ 物理竞赛 AI 代理独立运行框架 专门支持加载拆分重构的 Persona、Task、Data 及 Schema 进行物理对话。 """ import os import json from dotenv import load_dotenv # 加载环境变量 load_dotenv() try: from autogen_agentchat.agents import AssistantAgent, UserProxyAgent except ImportError: try: from autogen import AssistantAgent, UserProxyAgent except ImportError: print("❌ 未安装 pyautogen。请执行: pip install pyautogen python-dotenv") exit(1) # 获取当前脚本所在目录 BASE_DIR = os.path.dirname(os.path.abspath(__file__)) # 代理配置映射字典 AGENTS_CONFIG = { "疑问解答老师": { "persona": "personas/qa-teacher.md", "task": "tasks/answer-questions.md", "data": ["data/physics-glossary.md"], "schema": None, "initial_msg": "老师您好,我对声速测量实验预习还有些问题,请多指教。" }, "答题评估老师": { "persona": "personas/grader-teacher.md", "task": "tasks/grade-answers.md", "data": ["data/physics-glossary.md", "data/grading-standards.md"], "schema": "json-schemas/evaluation-schema.json", "initial_msg": "老师,我刚做完声速测量的思考题,请您帮我评估一下答案。" }, "数据评价老师": { "persona": "personas/data-eval-teacher.md", "task": "tasks/evaluate-data.md", "data": ["data/physics-glossary.md", "data/grading-standards.md"], "schema": "json-schemas/evaluation-schema.json", "initial_msg": "老师,我测出了一组驻波长和频率数据,并算出了声速,请您评价一下我的实验数据质量是否符合要求。" } } def load_file(rel_path: str) -> str: """读取相对路径下的文件内容""" filepath = os.path.join(BASE_DIR, rel_path) if not os.path.exists(filepath): return f"[警告:未找到文件 {rel_path}]" with open(filepath, 'r', encoding='utf-8') as f: return f.read() def build_system_message(agent_name: str, config: dict) -> str: """ 模块化 Prompt 组装引擎:将 Persona + Task + Data (+ Schema) 拼装为一整个强大的 system_message """ parts = [] # 1. 注入 Persona (人物设定) parts.append(load_file(config["persona"])) parts.append("\n---\n") # 2. 注入 Task (任务指令) parts.append(load_file(config["task"])) parts.append("\n---\n") # 3. 注入 Data (业务标准与词汇表) if config.get("data"): parts.append("## 实验背景知识与操作标准 (Data)\n") for data_file in config["data"]: parts.append(load_file(data_file)) parts.append("\n") parts.append("---\n") # 4. 注入 Schema (输出格式约束) if config.get("schema"): schema_content = load_file(config["schema"]) parts.append("## 强制输出格式 (Schema Constraints)\n") parts.append("你必须且仅输出合格的 JSON 对象,不得包含多余的 Markdown 代码块或前言后语。") parts.append("严格遵循以下 JSON Schema 定义:\n```json\n") parts.append(schema_content) parts.append("\n```\n") return "".join(parts) def get_llm_config() -> dict: """获取大语言模型配置""" # 检查基本配置 api_key = os.getenv("OPENAI_API_KEY") if not api_key or "sk-" not in api_key: print("⚠️ 警告:检测到未配置有效的 OPENAI_API_KEY,这可能导致调用 LLM 失败,请检查 .env。") return { "config_list": [{ "model": os.getenv("OPENAI_MODEL_NAME", "gpt-4-turbo"), "api_key": api_key or "sk-dummy", "base_url": os.getenv("OPENAI_API_BASE", "https://api.openai.com/v1"), }], "timeout": 120, "temperature": 0.3, # 降低温度,确保回答客观且贴合格式 } def run_physics_agent(agent_name: str): """运行指定的物理代理""" config = AGENTS_CONFIG[agent_name] print(f"\n[PromptLoader] 正在拼装 {agent_name} 的模块化指令...") sys_msg = build_system_message(agent_name, config) llm_config = get_llm_config() agent = AssistantAgent( name=agent_name, system_message=sys_msg, llm_config=llm_config ) user = UserProxyAgent( name="Student", human_input_mode="ALWAYS", code_execution_config=False, ) print(f"\n🎓 成功启动 [{agent_name}] 代理!") print("输入 'exit' 或 'quit' 可退出当前对话\n" + "-"*50) # 启动交互循环 user.initiate_chat(agent, message=config["initial_msg"]) def main(): """主菜单""" agent_names = list(AGENTS_CONFIG.keys()) while True: print("\n" + "="*50) print(" 声速测量实验 AI 教师代理系统 (模块化架构版)") print("="*50) for i, name in enumerate(agent_names, 1): print(f" {i}. 找 {name}") print(" 0. 退出系统") print("="*50) choice = input("\n请选择您要咨询的老师 (输入数字): ").strip() if choice == '0': print("再见!") break try: idx = int(choice) if 1 <= idx <= len(agent_names): run_physics_agent(agent_names[idx - 1]) else: print("❌ 无效的选择,请重新输入。") except ValueError: print("❌ 请输入有效的数字!") if __name__ == "__main__": main()