bb16d3a5c9
访谈与阶段 - 新增 app/agents/stage_constants.py：集中 CHAT_STAGES、章节分类/顺序、阶段到默认 memoir 类别等，与 MemoirState 默认槽位顺序对齐；减少散落在 prompts 内的重复常量。 - 新增 app/agents/chat/prompt_context.py：以 ChatPromptContext 汇总 guided 系统提示所需字段（阶段、槽位、轮次、人设、记忆证据、回复长度模式、背景声线、职业等），统一走 get_guided_conversation_prompt。 - 大幅收敛 app/agents/chat/prompts_conversation.py；调整 prompts.py、stage_prompts.py、stage_detection.py；同步 interview_agent、profile_agent、helpers 与 state_schema，使对话侧构造提示的方式一致、可测。 回忆录流水线 - memoir/prompts.py 删除已迁至 stage_constants / 独立模板的大段常量与图片占位相关逻辑；classification / extraction / fidelity / narrative agents 与 orchest（全量历史仍可用于计数，注入模型时按轮次与字符上限截断）、image_prompt_fallback_disabled。 - dependencies 增加 get_llm_provider_fast（LRU 缓存，可与默认共用密钥与 base_url）。 任务与编排 - memoir_tasks：prepare_batches 注入 llm_fast；开启独立快档模型时打结构化日志。 - chapter_cover_tasks、story_image_tasks：与图片 prompt / JSON 工具路径或策略变更对齐（import 与行为一致）。 - story_pipeline_sync 等小处同步。 其它核心 - langchain_llm、text_normalize 随上述调用链微调。 开发者体验 - .cursor/settings.json：启用 redis-development、postman 插件。 测试 - 新增 test_image_prompt_policy：覆盖「禁止回退」等图片 prompt 策略。 - 更新 test_interview_prompts、test_interview_reply_length、test_experience_regressions、test_json_and_memory_utils，匹配新常量位置、json_utils 与对话/长度行为。
75 lines
2.3 KiB
Python
75 lines
2.3 KiB
Python
"""
|
||
ExtractionAgent：从用户消息中提取 5-stage 状态与 slots。
|
||
对应现有逻辑：get_state_extraction_prompt + JSON 解析
|
||
"""
|
||
|
||
from __future__ import annotations
|
||
|
||
import json
|
||
from dataclasses import dataclass
|
||
from typing import Any, Dict
|
||
|
||
from app.agents.memoir.prompts import get_state_extraction_prompt
|
||
from app.core.langchain_llm import invoke_json_object
|
||
from app.core.logging import get_logger
|
||
from app.core.json_utils import extract_json_payload
|
||
|
||
logger = get_logger(__name__)
|
||
|
||
|
||
@dataclass
|
||
class ExtractionResult:
|
||
"""状态提取结果"""
|
||
|
||
detected_stage: str
|
||
slots: Dict[str, str]
|
||
|
||
|
||
class ExtractionAgent:
|
||
"""从用户消息中提取 detected_stage 和 slots"""
|
||
|
||
def extract(
|
||
self,
|
||
user_message: str,
|
||
current_stage: str,
|
||
stage_slots: Dict[str, Any],
|
||
llm: Any,
|
||
) -> ExtractionResult:
|
||
"""
|
||
提取结构化信息并判断阶段。
|
||
llm 需支持 .invoke(prompt) 同步调用（Celery 任务内使用）。
|
||
"""
|
||
detected_stage = current_stage
|
||
extracted_slots: Dict[str, str] = {}
|
||
|
||
if not llm:
|
||
return ExtractionResult(
|
||
detected_stage=detected_stage, slots=extracted_slots
|
||
)
|
||
|
||
try:
|
||
prompt = get_state_extraction_prompt(
|
||
user_message=user_message,
|
||
current_stage=current_stage,
|
||
stage_slots={
|
||
k: v.model_dump() if hasattr(v, "model_dump") else v
|
||
for k, v in (stage_slots or {}).items()
|
||
},
|
||
)
|
||
raw = invoke_json_object(
|
||
llm,
|
||
prompt,
|
||
max_tokens=1024,
|
||
agent="ExtractionAgent.extract",
|
||
)
|
||
parsed = json.loads(extract_json_payload(raw))
|
||
detected_stage = parsed.get("detected_stage", detected_stage)
|
||
raw_slots = parsed.get("slots", {}) or {}
|
||
extracted_slots = {
|
||
k: v if isinstance(v, str) else str(v) for k, v in raw_slots.items()
|
||
}
|
||
except (json.JSONDecodeError, Exception) as e:
|
||
logger.warning("ExtractionAgent LLM 解析失败: {}", e)
|
||
|
||
return ExtractionResult(detected_stage=detected_stage, slots=extracted_slots)
|