|
|
@@ -1,9 +1,20 @@
|
|
|
package com.pavis.admin.aigc.service.impl;
|
|
|
|
|
|
+import com.pavis.admin.aigc.core.agent.planner.PlanContext;
|
|
|
+import com.pavis.admin.aigc.core.agent.tool.PlanningTool;
|
|
|
+import com.pavis.admin.aigc.core.llm.LlmService;
|
|
|
+import com.pavis.admin.aigc.model.query.AgentQuery;
|
|
|
+import com.pavis.admin.aigc.model.resp.AgentResp;
|
|
|
+import com.pavis.admin.aigc.service.AgentService;
|
|
|
import lombok.RequiredArgsConstructor;
|
|
|
|
|
|
+import lombok.extern.slf4j.Slf4j;
|
|
|
+import org.springframework.ai.chat.client.ChatClient;
|
|
|
+import org.springframework.ai.chat.prompt.Prompt;
|
|
|
+import org.springframework.ai.chat.prompt.PromptTemplate;
|
|
|
import org.springframework.stereotype.Service;
|
|
|
|
|
|
+import top.continew.starter.extension.crud.model.query.SortQuery;
|
|
|
import top.continew.starter.extension.crud.service.BaseServiceImpl;
|
|
|
import com.pavis.admin.aigc.mapper.AgentPlanMapper;
|
|
|
import com.pavis.admin.aigc.model.entity.AgentPlanDO;
|
|
|
@@ -13,12 +24,129 @@ import com.pavis.admin.aigc.model.resp.AgentPlanDetailResp;
|
|
|
import com.pavis.admin.aigc.model.resp.AgentPlanResp;
|
|
|
import com.pavis.admin.aigc.service.AgentPlanService;
|
|
|
|
|
|
+import java.util.List;
|
|
|
+
|
|
|
/**
|
|
|
* 智能体规划记录业务实现
|
|
|
*
|
|
|
* @author semi
|
|
|
* @since 2025/05/28 16:59
|
|
|
*/
|
|
|
+@Slf4j
|
|
|
@Service
|
|
|
@RequiredArgsConstructor
|
|
|
-public class AgentPlanServiceImpl extends BaseServiceImpl<AgentPlanMapper, AgentPlanDO, AgentPlanResp, AgentPlanDetailResp, AgentPlanQuery, AgentPlanReq> implements AgentPlanService {}
|
|
|
+public class AgentPlanServiceImpl extends BaseServiceImpl<AgentPlanMapper, AgentPlanDO, AgentPlanResp, AgentPlanDetailResp, AgentPlanQuery, AgentPlanReq> implements AgentPlanService {
|
|
|
+
|
|
|
+ private final LlmService llmService;
|
|
|
+
|
|
|
+ private final AgentService agentService;
|
|
|
+
|
|
|
+ @Override
|
|
|
+ public PlanContext createPlan(PlanContext context) {
|
|
|
+ Long planId = context.getPlanId();
|
|
|
+ if (planId == null) {
|
|
|
+ throw new IllegalArgumentException("Plan ID cannot be null or empty");
|
|
|
+ }
|
|
|
+ try {
|
|
|
+ // 构建所有智能体信息
|
|
|
+ String agentsInfo = buildAgentsInfo();
|
|
|
+ AgentPlanResp currentPlan = null;
|
|
|
+ // 生成计划提示
|
|
|
+ String planPrompt = generatePlanPrompt(context.getUserMessage(), agentsInfo, planId);
|
|
|
+
|
|
|
+ // 使用 LLM 生成计划
|
|
|
+ PromptTemplate promptTemplate = new PromptTemplate(planPrompt);
|
|
|
+ Prompt prompt = promptTemplate.create();
|
|
|
+
|
|
|
+ // 创建 规划工具 PlanningTool
|
|
|
+ PlanningTool planningTool = new PlanningTool();
|
|
|
+
|
|
|
+ ChatClient.CallResponseSpec response = llmService.getPlanningChatClient()
|
|
|
+ .prompt(prompt)
|
|
|
+ .toolCallbacks(List.of(planningTool.getFunctionToolCallback()))
|
|
|
+ .advisors(memoryAdvisor -> memoryAdvisor.param("chat_memory_conversation_id", planId)
|
|
|
+ .param("chat_memory_retrieve_size", 100))
|
|
|
+ .call();
|
|
|
+ String outputText = response.chatResponse().getResult().getOutput().getText();
|
|
|
+ // 检查计划是否创建成功
|
|
|
+ if (planId.equals(planningTool.getCurrentPlanId())) {
|
|
|
+ currentPlan = planningTool.getCurrentPlan();
|
|
|
+ log.info("Plan created successfully: {}", currentPlan);
|
|
|
+ currentPlan.setThink_input(planPrompt);
|
|
|
+ currentPlan.setThink_output(outputText);
|
|
|
+ }
|
|
|
+ context.setPlan(currentPlan);
|
|
|
+
|
|
|
+ } catch (Exception e) {
|
|
|
+ log.error("Error creating plan for request: {}", context.getUserMessage(), e);
|
|
|
+ // 处理异常情况
|
|
|
+ throw new RuntimeException("Failed to create plan", e);
|
|
|
+ }
|
|
|
+ return context;
|
|
|
+ }
|
|
|
+
|
|
|
+ @Override
|
|
|
+ public PlanContext executePlan(PlanContext context) {
|
|
|
+ return null;
|
|
|
+ }
|
|
|
+
|
|
|
+ /**
|
|
|
+ * 构建智能体信息，用于生成提示词
|
|
|
+ *
|
|
|
+ * @return 智能体信息描述
|
|
|
+ */
|
|
|
+ public String buildAgentsInfo() {
|
|
|
+ AgentQuery query = new AgentQuery();
|
|
|
+ query.setStatus(1);
|
|
|
+ SortQuery sortQuery = new SortQuery();
|
|
|
+ List<AgentResp> agents = agentService.list(query, sortQuery);
|
|
|
+ StringBuilder agentsInfo = new StringBuilder("Available Agents:\n");
|
|
|
+ for (AgentResp agent : agents) {
|
|
|
+ agentsInfo.append("- Agent Name: ")
|
|
|
+ .append(agent.getName())
|
|
|
+ .append("\n Description: ")
|
|
|
+ .append(agent.getDescription())
|
|
|
+ .append("\n");
|
|
|
+ }
|
|
|
+ return agentsInfo.toString();
|
|
|
+ }
|
|
|
+
|
|
|
+ /**
|
|
|
+ * 生成计划提示
|
|
|
+ *
|
|
|
+ * @param userMessage 用户请求
|
|
|
+ * @param agentsInfo 代理信息
|
|
|
+ * @param planId 计划ID
|
|
|
+ * @return 格式化的提示字符串
|
|
|
+ */
|
|
|
+ private String generatePlanPrompt(String userMessage, String agentsInfo, Long planId) {
|
|
|
+ return """
|
|
|
+ ## 介绍
|
|
|
+ 我是一个AI助手，旨在帮助用户完成各种任务。我的设计目标是提供帮助、信息和多方面的支持。
|
|
|
+
|
|
|
+ ## 目标
|
|
|
+ 我的主要目标是通过提供信息、执行任务和提供指导来帮助用户实现他们的目标。我致力于成为问题解决和任务完成的可靠伙伴。
|
|
|
+
|
|
|
+ ## 我的任务处理方法
|
|
|
+ 当面对任务时，我通常会：
|
|
|
+ 1. 分析请求以理解需求
|
|
|
+ 2. 将复杂问题分解为可管理的步骤
|
|
|
+ 3. 为每个步骤使用适当的AGENT
|
|
|
+ 4. 以有帮助和有组织的方式交付结果
|
|
|
+
|
|
|
+ ## 当前主要目标：
|
|
|
+ 创建一个合理的计划，包含清晰的步骤来完成任务。
|
|
|
+
|
|
|
+ ## 可用代理信息：
|
|
|
+ %s
|
|
|
+
|
|
|
+ # 需要完成的任务：
|
|
|
+ %s
|
|
|
+
|
|
|
+ 你可以使用规划工具来帮助创建计划，使用 %s 作为计划ID。
|
|
|
+
|
|
|
+ 重要提示：计划中的每个步骤都必须以[AGENT]开头，代理名称必须是上述列出的可用代理之一。
|
|
|
+ 例如："[BROWSER_AGENT] 搜索相关信息" 或 "[DEFAULT_AGENT] 处理搜索结果"
|
|
|
+ """.formatted(agentsInfo, userMessage, planId);
|
|
|
+ }
|
|
|
+}
|
alibct