From a0de2a6c0e55dbbc35f194883db00c0c7b772340 Mon Sep 17 00:00:00 2001 From: zhaojie <17108846169@qq.com> Date: Thu, 11 Sep 2025 00:03:02 +0800 Subject: [PATCH] =?UTF-8?q?feat:=20=E9=85=8D=E7=BD=AE=E9=BB=98=E8=AE=A4?= =?UTF-8?q?=E4=BD=BF=E7=94=A8=E5=8D=83=E9=97=AE=E6=A8=A1=E5=9E=8B?= MIME-Version: 1.0 Content-Type: text/plain; charset=UTF-8 Content-Transfer-Encoding: 8bit - 修改默认LLM配置为千问模型（qwen-turbo） - 创建LLM配置文件，支持千问、OpenAI、Anthropic等多种模型 - 添加千问模型的特殊支持和模拟响应 - 创建配置说明文档，指导用户如何配置千问API密钥 - 优化智能Agent的模拟响应，体现千问模型的特色 - 支持通过配置文件灵活切换不同的LLM提供商 --- config/README.md | 53 ++++++++++++++++++++++++++++++++++ config/llm_config.py | 37 ++++++++++++++++++++++++ src/agent/intelligent_agent.py | 27 +++++++++-------- src/agent/llm_client.py | 6 +++- src/agent_assistant.py | 22 +++++++++----- 5 files changed, 125 insertions(+), 20 deletions(-) create mode 100644 config/README.md create mode 100644 config/llm_config.py diff --git a/config/README.md b/config/README.md new file mode 100644 index 0000000..b0cc921 --- /dev/null +++ b/config/README.md @@ -0,0 +1,53 @@ +# LLM配置说明 + +## 千问模型配置 + +本项目默认使用阿里云千问模型。要使用千问模型，请按以下步骤配置： + +### 1. 获取API密钥 + +1. 访问 [阿里云百炼平台](https://bailian.console.aliyun.com/) +2. 注册并登录账号 +3. 创建应用并获取API密钥 + +### 2. 配置API密钥 + +编辑 `config/llm_config.py` 文件，将 `api_key` 替换为您的实际API密钥： + +```python +QWEN_CONFIG = LLMConfig( + provider="openai", + api_key="sk-your-actual-qwen-api-key", # 替换为您的实际密钥 + base_url="https://dashscope.aliyuncs.com/compatible-mode/v1", + model="qwen-turbo", + temperature=0.7, + max_tokens=2000 +) +``` + +### 3. 可用的千问模型 + +- `qwen-turbo`: 快速响应，适合一般对话 +- `qwen-plus`: 平衡性能和成本 +- `qwen-max`: 最强性能，适合复杂任务 + +### 4. 环境变量配置（可选） + +您也可以使用环境变量来配置： + +```bash +export QWEN_API_KEY="sk-your-actual-qwen-api-key" +export QWEN_MODEL="qwen-turbo" +``` + +### 5. 其他模型支持 + +项目也支持其他LLM提供商： + +- **OpenAI**: GPT-3.5/GPT-4 +- **Anthropic**: Claude系列 +- **本地模型**: Ollama等 + +### 6. 配置验证 + +启动系统后，可以在Agent管理页面查看LLM使用统计，确认配置是否正确。 diff --git a/config/llm_config.py b/config/llm_config.py new file mode 100644 index 0000000..0ede937 --- /dev/null +++ b/config/llm_config.py @@ -0,0 +1,37 @@ +#!/usr/bin/env python3 +# -*- coding: utf-8 -*- +""" +LLM配置文件 - 千问模型配置 +""" + +from src.agent.llm_client import LLMConfig + +# 千问模型配置 +QWEN_CONFIG = LLMConfig( + provider="openai", + api_key="sk-your-qwen-api-key-here", # 请替换为您的千问API密钥 + base_url="https://dashscope.aliyuncs.com/compatible-mode/v1", + model="qwen-turbo", # 可选: qwen-turbo, qwen-plus, qwen-max + temperature=0.7, + max_tokens=2000 +) + +# 其他模型配置示例 +OPENAI_CONFIG = LLMConfig( + provider="openai", + api_key="sk-your-openai-api-key-here", + model="gpt-3.5-turbo", + temperature=0.7, + max_tokens=2000 +) + +ANTHROPIC_CONFIG = LLMConfig( + provider="anthropic", + api_key="sk-ant-your-anthropic-api-key-here", + model="claude-3-sonnet-20240229", + temperature=0.7, + max_tokens=2000 +) + +# 默认使用千问模型 +DEFAULT_CONFIG = QWEN_CONFIG diff --git a/src/agent/intelligent_agent.py b/src/agent/intelligent_agent.py index 54a8726..aad4c84 100644 --- a/src/agent/intelligent_agent.py +++ b/src/agent/intelligent_agent.py @@ -222,16 +222,16 @@ class IntelligentAgent: return self._simulate_llm_response(prompt) def _simulate_llm_response(self, prompt: str) -> Dict[str, Any]: - """模拟大模型响应""" + """模拟大模型响应 - 千问模型风格""" if "预警信息" in prompt: return { - "analysis": "系统性能下降，需要立即处理", + "analysis": "【千问分析】系统性能下降，需要立即处理。根据历史数据分析，这可能是由于资源不足或配置问题导致的。", "immediate_actions": [ { "action": "重启相关服务", "priority": 5, "confidence": 0.9, - "parameters": {"service": "main_service"} + "parameters": {"service": "main_service", "reason": "服务响应超时"} } ], "follow_up_actions": [ @@ -239,32 +239,35 @@ class IntelligentAgent: "action": "检查系统日志", "priority": 3, "confidence": 0.7, - "parameters": {"log_level": "error"} + "parameters": {"log_level": "error", "time_range": "last_hour"} } ], "prevention_measures": [ - "增加监控频率", - "优化系统配置" + "增加监控频率，提前发现问题", + "优化系统配置，提升性能", + "建立预警机制，减少故障影响" ] } else: return { - "confidence_analysis": "当前答案置信度较低，需要更多上下文信息", + "confidence_analysis": "【千问分析】当前答案置信度较低，需要更多上下文信息。建议结合用户反馈和历史工单数据来提升答案质量。", "enhancement_suggestions": [ - "添加更多示例", - "提供详细步骤" + "添加更多实际案例和操作步骤", + "提供详细的故障排除指南", + "结合系统架构图进行说明" ], "actions": [ { "action": "更新知识库条目", "priority": 4, "confidence": 0.8, - "parameters": {"enhanced_answer": "增强后的答案"} + "parameters": {"enhanced_answer": "基于千问模型分析的增强答案"} } ], "learning_opportunities": [ - "收集用户反馈", - "分析相似问题" + "收集用户反馈，持续优化答案", + "分析相似问题，建立知识关联", + "利用千问模型的学习能力，提升知识质量" ] } diff --git a/src/agent/llm_client.py b/src/agent/llm_client.py index 110d2e4..0b4d40e 100644 --- a/src/agent/llm_client.py +++ b/src/agent/llm_client.py @@ -38,7 +38,7 @@ class BaseLLMClient(ABC): pass class OpenAIClient(BaseLLMClient): - """OpenAI客户端""" + """OpenAI客户端 - 支持OpenAI和兼容OpenAI API的模型（如千问）""" def __init__(self, config: LLMConfig): self.config = config @@ -93,11 +93,15 @@ class OpenAIClient(BaseLLMClient): def _simulate_response(self, prompt: str) -> str: """模拟响应""" + if "千问" in self.config.model or "qwen" in self.config.model.lower(): + return f"【千问模型模拟响应】根据您的问题，我建议采取以下措施：{prompt[:50]}... 这是一个智能化的解决方案。" return f"模拟LLM响应: {prompt[:100]}..." def _simulate_chat(self, messages: List[Dict[str, str]]) -> str: """模拟对话响应""" last_message = messages[-1]["content"] if messages else "" + if "千问" in self.config.model or "qwen" in self.config.model.lower(): + return f"【千问模型模拟对话】我理解您的问题：{last_message[:50]}... 让我为您提供专业的建议。" return f"模拟对话响应: {last_message[:100]}..." class AnthropicClient(BaseLLMClient): diff --git a/src/agent_assistant.py b/src/agent_assistant.py index a63216c..e6edec0 100644 --- a/src/agent_assistant.py +++ b/src/agent_assistant.py @@ -37,13 +37,21 @@ class TSPAgentAssistant(TSPAssistant): if llm_config: self.llm_manager = LLMManager(llm_config) else: - # 使用默认配置 - default_config = LLMConfig( - provider="openai", - api_key="your-api-key-here", - model="gpt-3.5-turbo" - ) - self.llm_manager = LLMManager(default_config) + # 使用默认配置 - 千问模型 + try: + from config.llm_config import DEFAULT_CONFIG + self.llm_manager = LLMManager(DEFAULT_CONFIG) + except ImportError: + # 如果配置文件不存在，使用内置配置 + default_config = LLMConfig( + provider="openai", + api_key="sk-your-qwen-api-key-here", + base_url="https://dashscope.aliyuncs.com/compatible-mode/v1", + model="qwen-turbo", + temperature=0.7, + max_tokens=2000 + ) + self.llm_manager = LLMManager(default_config) # 初始化智能Agent self.intelligent_agent = IntelligentAgent(self.llm_manager)