一、功能需求

• 目的
  设计一个 Agent，自动选择使用以下工具回答用户的问题
• 问题

1、查看目录下的文件
2、基于给定的文档回答用户问题
3、查看与分析 Excel 文件
4、撰写文档
5、调用 Email 客户端发邮件

二、演示用例

• 实验资料(实验中使用三个文档演示 Agent 的能力)

./data
 |__2023年8月-9月销售记录.xlsx
 |__供应商名录.xlsx
 |__供应商资格要求.pdf

• 资料展示
  

• 测试用例输入举例

1、9 月份的销售额是多少
2、销售总额最大的产品是什么
3、帮我找最近一个月出销售额不达标的供应商
4、给对方发一封邮通知此事
5、对比 8 月和 9 月销售情况，写一份报告

三、核心模块流程图

四、代码分析

1）Agent类目录创建智能体对象

初始化准备工作：

1、语言模型：llm
2、工具集 tools
3、工作数据地址：work_dir
4、最多能思考多少步：max_thiought_steps
5、常识记忆的向量数据库连接池：memery_retriever
6、output_parse专门解析action传出来的json格式的数据
7、robust_parser用来矫正输出json格式的错误
8、__iniy_prompt_templates用来初始化模板（需要用接口适配langchain输出中文有时候打印Unicode码，看的不舒服，函数名字是__chinese_friendly）
9、初始化chain（用主要prompt和结束的prompt串起来）

2）开始主流程

①初始化常识和短识的记忆（短识记忆初始化为空，常识是连接向量数据库）
②记录思考步数
③开始主循环推理，若输出结果为FINISH就break，否则就执行选择出来的action，并更新短识记忆
④若大于最大思考步数，则输出未能完成任务
⑤更新长识记忆

3）在prompt的main目录输入主prompt和最后prompt

• 注意点
  ①有时候目录会在查找过程中丢失，所以访问文件确保文件路径调整
  ②对于一些准则（总结方法论）告诉他约束
  ③输出形式要按步骤输出思考过程，然后加自我反思
  ④观察执行记录和自我反思，进一步思考
  ⑤根据反思和思考，一步步推理

4）增加实际的工具集tools（也就是函数）

①实际工具类文件是Tools.py，比如如下的FileTool.py定义了返回搜索数据文件的名字的函数

②定义读取PDF的函数，类似RAG的部分，这里拿langchain原生接口代替（不推荐,FileQATool.py）

③按照客户需求生成文档的函数

④分析Excel的函数工具（根据表名字、行列名字信息、具体格信息分析文件）ExcelTool.py和生成代码去分析数据的工具PythonTool.py，并且在prompts/tools目录下填上excel分析的prompt

⑤发邮件的工具EmailTool.py

5）新增文件夹Utils工具来打印中间结果

新文件callbackfunc.py

和带颜色的打印