194 lines
8.0 KiB
Python
194 lines
8.0 KiB
Python
# -*- coding: utf-8 -*-
|
||
"""
|
||
研究
|
||
"""
|
||
from typing import AsyncGenerator
|
||
from asyncpg import Pool
|
||
import httpx
|
||
from pydantic import BaseModel, Field, cast
|
||
from pydantic_ai import Agent, ModelMessage, RunContext
|
||
from pydantic_ai.usage import RunUsage
|
||
from pydantic_ai.messages import AgentStreamEvent
|
||
from pydantic_ai.run import AgentRunResultEvent
|
||
from pydantic_ai.toolsets import FunctionToolset
|
||
from sqlmodel import REAL
|
||
|
||
from application.workshop.models import DEEPSEEK_V4_FLASH_RESPONSE_MODEL
|
||
from application.workshop.database import connection_pool
|
||
|
||
|
||
class Deps(BaseModel):
|
||
"""
|
||
依赖类
|
||
"""
|
||
|
||
model_config = {"arbitrary_types_allowed": True} # 允许任意类型
|
||
connection_pool: Pool = Field(..., description="连接池")
|
||
|
||
|
||
class Args(BaseModel):
|
||
query: str = Field(description="查询语句")
|
||
|
||
|
||
# 实例化工具集
|
||
bocha_web_search = FunctionToolset()
|
||
|
||
|
||
@bocha_web_search.tool(name="联网搜索") # type: ignore
|
||
async def web_search(ctx: RunContext[Deps], args: Args) -> str:
|
||
"""
|
||
联网搜索工具：
|
||
用于查询互联网实时信息、新闻、政策法规、行业报告、企业公告、最新数据。
|
||
适合查询模型静态知识库不存在的外部网页信息。
|
||
回答时必须标注引用来源URL，禁止编造链接。
|
||
不要用于简单常识、数学计算、代码编写等无需联网的任务。
|
||
"""
|
||
try:
|
||
async with httpx.AsyncClient(timeout=60) as client:
|
||
response = await client.post(
|
||
"https://api.bocha.cn/v1/web-search",
|
||
headers={
|
||
"Authorization": f"Bearer sk-a9ed73d8b26745799cf970f84d70f512",
|
||
"Content-Type": "application/json",
|
||
},
|
||
json={
|
||
"query": args.query,
|
||
"summary": True, # 显示文本摘要
|
||
},
|
||
)
|
||
response.raise_for_status()
|
||
# 解析响应载荷
|
||
response_payload = response.json()
|
||
|
||
except httpx.HTTPStatusError as exception:
|
||
return f"请求错误 {exception.response.status_code}: {exception.response.text}"
|
||
|
||
except Exception as exception:
|
||
return f"请求异常: {str(exception)}"
|
||
|
||
if (code := response_payload.get("code")) != 200:
|
||
return f"业务错误 {code}: {response_payload.get("msg", "未知业务错误")}"
|
||
|
||
web_pages = response_payload.get("data", {}).get("webPages", {}).get("value", [])
|
||
if not web_pages:
|
||
return "未搜索到相关网页"
|
||
|
||
result = [] # 搜索结果
|
||
for idx, web_page in enumerate(web_pages, 1):
|
||
# 解析网页的标题
|
||
name = web_page.get("name", "")
|
||
# 解析网页的URL
|
||
url = web_page.get("url", "")
|
||
# 解析网页的网站名称
|
||
site_name = web_page.get("siteName", "")
|
||
# 解析网页的发布时间
|
||
date_published = web_page.get("datePublished") or web_page.get(
|
||
"dateLastCrawled", ""
|
||
)
|
||
# 优先解析网页内容的文本摘要，若文本摘要为空则解析简短描述
|
||
summary = web_page.get("summary") or web_page.get("snippet", "")
|
||
|
||
result.append(
|
||
f"### 搜索结果 {idx}\n"
|
||
f"- 标题：{name}\n"
|
||
f"- URL：{url}\n"
|
||
f"- 来源网站：{site_name}\n"
|
||
f"- 发布时间：{date_published}\n"
|
||
f"- 摘要：{summary}"
|
||
)
|
||
return "\n\n".join(result)
|
||
|
||
|
||
instruction = """
|
||
你是研究助手，可调用联网搜索工具。
|
||
|
||
## 一、联网判断
|
||
需要联网：时效类信息、新闻、声明公告、政策法规、最新数据，以及模型静态知识库无法可靠回答的问题。
|
||
无需联网：基础常识、数学计算、代码编写与解释、用户已提供完整材料的分析任务、无时间依赖的静态问题。
|
||
|
||
【搜索硬约束】
|
||
1. 最多**2轮联网搜索**，严禁发起第3轮；优先在第一轮构造高信息密度的Query尝试获取完整答案，非必要不执行第二轮搜索。
|
||
2. 发起新一轮搜索前，必须评估已获取的搜索摘要，现有信息足以回答问题则立即停止调用工具。
|
||
3. 禁止仅改写同义词、做语义几乎等价的重复搜索；若存在局部信息缺失，优先从已有结果中提取可用内容，不要直接发起新搜索。
|
||
|
||
## 二、时间与Query规则
|
||
时效判断严格以运行时传入的当前日期、年份、时区为准，禁止依靠模型内置记忆猜测时间。
|
||
- 用户未指定年份：**禁止自行向搜索Query中追加年份**。
|
||
- 用户明确给出年份：搜索Query必须完整保留用户指定的年份。
|
||
|
||
## 三、搜索效率
|
||
默认只执行1次真实联网搜索；拿到搜索结果后评估证据，满足以下任意条件，必须停止搜索：
|
||
- 现有信息足以作答；官方一手资料已给出答案；多个可靠来源结论一致；继续搜索仅起到重复确认的作用。
|
||
|
||
❌禁止以“再次确认、查找更多来源、补充更多资料”等理由发起额外搜索。
|
||
|
||
✅仅在以下4种场景，才允许执行第2轮搜索：
|
||
①第一轮无有效搜索结果；②回答问题必需的关键事实完全缺失；③权威信源之间事实存在明显冲突；④第一轮搜索结果严重偏题。
|
||
|
||
第二轮搜索必须瞄准明确的信息缺口，禁止全盘复刻上一轮查询；**不允许单次回合同时生成多条搜索请求**。
|
||
严格执行流程：执行搜索 → 阅读解析结果 → 判断信息缺口 → 再决定是否发起二次搜索。
|
||
|
||
## 四、信源优先级
|
||
1级（最高）：官网、官方文档、官方公告、一手原始资料
|
||
2级：权威媒体、专业机构、科研机构
|
||
3级：其他可信赖网页
|
||
|
||
官方资料已经可以完整回答问题时，无需再搜索其他来源做重复验证。
|
||
自媒体、论坛、转载内容，不可作为重大事实的唯一证据。
|
||
|
||
## 五、最新内容校验
|
||
查询“最新”类问题，不可仅凭网页排序判断时效性；必须核对资料的**发布时间、版本时间，结合运行时提供的当前日期综合判断**。
|
||
当存在多份结果时，优先选用发布时间更近、信源等级更高的资料。
|
||
|
||
## 六、事实规范
|
||
- 【事实】：搜索返回资料原文直接支持的内容
|
||
- 【推论】：基于已确认事实做合理推导
|
||
- 【推测】：证据不足前提下的主观判断
|
||
|
||
严禁编造URL、日期、新闻事件、数据、官方声明等任何信息；证据不足时直接如实说明，不得强行得出结论。
|
||
|
||
## 七、引用规范
|
||
引用编号区分搜索轮次：S1‑1、S1‑2 代表第1轮搜索结果；S2‑1、S2‑2 代表第2轮搜索结果。
|
||
只引用回答中实际用到的资料。
|
||
引用格式：`[参考 S1‑1] https://xxx`，链接必须来源于 **web_search** 工具返回结果，禁止编造链接。
|
||
|
||
## 八、输出规则
|
||
简单事实类问题：优先给出结论，附带关键证据与来源，回答简洁，避免冗余。
|
||
复杂研究类问题，按「关键证据 → 分析 → 结论 → 参考来源」结构组织内容；先陈列证据再输出总结，结论不能超出现有资料可支撑的范围。
|
||
"""
|
||
|
||
# 智能体
|
||
agent = Agent[Deps, str](
|
||
model=DEEPSEEK_V4_FLASH_RESPONSE_MODEL,
|
||
deps_type=Deps,
|
||
output_type=str, # 若输出类型为 str，则智能体输出结果时不进行输出类型校验。若定义输出类型，需考虑处理相应事件
|
||
instructions=instruction,
|
||
toolsets=[bocha_web_search],
|
||
)
|
||
|
||
|
||
async def run_stream_events(
|
||
user_prompt: str | None,
|
||
message_history: list[ModelMessage],
|
||
usage: RunUsage,
|
||
) -> AsyncGenerator[AgentStreamEvent | AgentRunResultEvent, None]:
|
||
"""
|
||
运行并流式输出事件
|
||
:param user_prompt: 用户提示词
|
||
:param message_history: 消息历史
|
||
:param usage: 使用量
|
||
:return: AsyncGenerator
|
||
"""
|
||
if connection_pool is None:
|
||
return
|
||
|
||
async with agent.run_stream_events(
|
||
deps=Deps(connection_pool=connection_pool),
|
||
user_prompt=user_prompt,
|
||
message_history=message_history,
|
||
usage=usage,
|
||
) as events:
|
||
async for event in events:
|
||
print(event)
|
||
yield event
|