文件
physics_c_answering_page/run_agents.py

169 行
5.6 KiB
Python

#!/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()