@louloulinx/metagpt 0.1.3

package/doc/TutorialAssistant.md

@@ -0,0 +1,114 @@
+# TutorialAssistant - MetaGPT-TS
+
+本文档介绍了 MetaGPT TypeScript 实现中的教程助手模块，该模块可以根据简单的一句话描述生成完整的 Markdown 格式教程文档。
+
+## 功能概述
+
+TutorialAssistant（教程助手）是一个专门用于生成教程文档的角色。它能够：
+
+1. 接收一个简单的主题句子作为输入
+2. 自动生成结构化的教程目录
+3. 为每个目录条目生成详细内容
+4. 将完整的教程以 Markdown 格式保存到文件
+
+该实现基于 MetaGPT 架构，使用 Actions（动作）来划分生成步骤，使用大型语言模型来生成高质量内容。
+
+## 实现细节
+
+TutorialAssistant 由以下主要组件组成：
+
+1. **角色**：`TutorialAssistant` 类
+2. **动作**：
+   - `WriteDirectory` - 生成教程的目录结构
+   - `WriteContent` - 根据目录结构生成每个部分的详细内容
+
+### 目录结构
+
+实现代码位于以下文件中：
+
+- `src/roles/tutorial-assistant.ts` - 教程助手角色实现
+- `src/actions/write-tutorial.ts` - 教程生成相关动作
+- `examples/tutorial-assistant-example.ts` - 使用示例
+
+## 使用方法
+
+### 基本用法
+
+```typescript
+import { BailianLLMProvider } from '../src/provider/bailian-llm';
+import { TutorialAssistant } from '../src/roles/tutorial-assistant';
+
+// 初始化语言模型提供商
+const llmProvider = new BailianLLMProvider({
+  apiKey: 'your-api-key',
+  secretKey: 'your-secret-key',
+});
+
+// 创建教程助手
+const tutorialAssistant = new TutorialAssistant({
+  llm: llmProvider,
+  language: 'Chinese', // 或 'English'
+  outputDir: './tutorials', // 可选，指定输出目录
+});
+
+// 生成教程
+const result = await tutorialAssistant.react({
+  role: 'user',
+  content: '如何使用TypeScript开发Node.js应用', // 你的教程主题
+  id: 'msg-1',
+  causedBy: 'user-input',
+  sentFrom: 'user',
+  sendTo: new Set(['TutorialAssistant']),
+});
+
+console.log(result.content); // 显示结果消息
+```
+
+### 配置选项
+
+`TutorialAssistant` 构造函数接受以下配置选项：
+
+| 参数 | 类型 | 必填 | 描述 |
+|------|------|------|------|
+| llm | LLMProvider | 是 | 语言模型提供商实例 |
+| language | string | 否 | 生成文档的语言，默认为 'Chinese'，也可设为 'English' |
+| outputDir | string | 否 | 生成文档的输出目录，默认为 './tutorials' |
+
+## 输出示例
+
+生成的教程文档示例：
+
+```markdown
+# TypeScript Node.js 应用开发教程
+
+## 1. 介绍
+
+### 1.1 什么是 TypeScript
+TypeScript 是 JavaScript 的超集，添加了类型系统和对 ES6+ 特性的支持...
+
+### 1.2 为什么在 Node.js 中使用 TypeScript
+使用 TypeScript 开发 Node.js 应用有很多优势...
+
+## 2. 环境设置
+
+### 2.1 安装 Node.js 和 npm
+首先，确保你的系统已安装 Node.js...
+
+...（更多内容）
+```
+
+## 注意事项
+
+1. 确保使用具有足够上下文长度的大型语言模型，以便生成完整、连贯的教程
+2. 生成的文档会保存在指定的输出目录中，文件名包含教程标题和时间戳
+3. 可以通过修改 `src/actions/write-tutorial.ts` 中的提示词模板来自定义生成的内容风格和格式
+
+## 扩展与自定义
+
+### 自定义提示词
+
+你可以修改 `WriteDirectory` 和 `WriteContent` 动作中的 `generateDirectoryPrompt` 和 `generateContentPrompt` 方法以自定义提示词。
+
+### 添加更多处理步骤
+
+如果你想添加更多的处理步骤（如添加代码检查、图片生成等），可以创建新的 Action 类并将其添加到 TutorialAssistant 的动作列表中。 

package/doc/VercelLLMProvider.md

@@ -0,0 +1,164 @@
+# VercelLLMProvider - 多模型提供商支持
+
+本文档介绍了基于 Vercel AI SDK 的通用 LLM 提供商实现，该实现支持多种模型提供商，包括 OpenAI、Qwen、Anthropic、Mistral 和 Google 等。
+
+## 功能概述
+
+`VercelLLMProvider` 是一个通用的语言模型提供商实现，它：
+
+1. 支持多种模型提供商的统一接口
+2. 动态加载所需的提供商模块，避免不必要的依赖
+3. 允许轻松切换不同的模型提供商
+4. 提供合理的默认配置和灵活的自定义选项
+5. 实现了 MetaGPT 的 `LLMProvider` 接口
+
+## 支持的提供商
+
+目前支持以下模型提供商：
+
+| 提供商类型 | 提供商包          | 默认模型                 |
+|------------|-------------------|--------------------------|
+| openai     | @ai-sdk/openai    | gpt-3.5-turbo            |
+| qwen       | qwen-ai-provider  | qwen-plus                |
+| anthropic  | @ai-sdk/anthropic | claude-3-sonnet-20240229 |
+| mistral    | @ai-sdk/mistral   | mistral-large-latest     |
+| google     | @ai-sdk/google    | gemini-pro               |
+| custom     | 自定义            | 用户指定                 |
+
+## 使用方法
+
+### 基本用法
+
+```typescript
+import { VercelLLMProvider } from '../src/provider/vercel-llm';
+
+// 使用 OpenAI
+const openaiProvider = new VercelLLMProvider({
+  providerType: 'openai',
+  apiKey: process.env.OPENAI_API_KEY,
+  model: 'gpt-4',
+});
+
+// 使用 Qwen (百炼大模型)
+const qwenProvider = new VercelLLMProvider({
+  providerType: 'qwen',
+  apiKey: process.env.QWEN_API_KEY,
+  model: 'qwen-plus',
+});
+
+// 生成文本
+const result = await openaiProvider.generate('Hello, world!');
+console.log(result);
+```
+
+### 高级配置
+
+您可以通过 `extraConfig` 字段提供额外的配置选项：
+
+```typescript
+const provider = new VercelLLMProvider({
+  providerType: 'openai',
+  apiKey: process.env.OPENAI_API_KEY,
+  model: 'gpt-4',
+  extraConfig: {
+    // 生成选项，会传递给 generateText 方法
+    generateOptions: {
+      temperature: 0.7,
+      maxTokens: 500,
+    },
+    // 自定义提供商的环境变量
+    environmentVars: {
+      CUSTOM_API_HOST: 'https://custom-api.example.com',
+    },
+  },
+});
+```
+
+### 自定义提供商
+
+您可以使用 `custom` 提供商类型来支持其他未内置的提供商：
+
+```typescript
+import { customProvider } from 'custom-provider-package';
+
+const provider = new VercelLLMProvider({
+  providerType: 'custom',
+  apiKey: process.env.CUSTOM_API_KEY,
+  extraConfig: {
+    modelFunction: customProvider,
+    defaultModel: 'custom-model-name',
+    environmentVars: {
+      CUSTOM_API_KEY: process.env.CUSTOM_API_KEY,
+    },
+  },
+});
+```
+
+## 安装依赖
+
+根据需要使用的模型提供商，您需要安装相应的依赖包：
+
+```bash
+# 安装核心依赖
+bun add ai @ai-sdk/openai
+
+# 按需安装其他提供商
+bun add qwen-ai-provider
+bun add @ai-sdk/anthropic
+bun add @ai-sdk/mistral
+bun add @ai-sdk/google
+```
+
+## API 参考
+
+### ModelProviderConfig
+
+配置对象的类型定义：
+
+```typescript
+export type ModelProviderType = 'openai' | 'qwen' | 'anthropic' | 'mistral' | 'google' | 'custom';
+
+export type ModelProviderConfig = {
+  providerType: ModelProviderType;
+  apiKey: string;
+  baseURL?: string;
+  model?: string;
+  extraConfig?: Record<string, any>;
+};
+```
+
+### 方法
+
+`VercelLLMProvider` 实现了 `LLMProvider` 接口的以下方法：
+
+- **generate(prompt: string, config?: Partial<LLMConfig>): Promise<string>**
+  生成文本响应
+
+- **generateStream(prompt: string, config?: Partial<LLMConfig>): AsyncGenerator<string>**
+  生成文本流，适用于实时响应
+
+- **embed(text: string): Promise<number[]>**
+  生成文本嵌入向量
+
+## 扩展与自定义
+
+### 添加新的提供商支持
+
+要添加对新提供商的支持，您需要：
+
+1. 在 `ModelProviderType` 中添加新的提供商类型
+2. 在 `providerFunctions` 对象中添加新提供商的初始化
+3. 在 `setupEnvironment` 方法中添加环境变量配置
+4. 在 `loadProviderModules` 方法中添加动态导入逻辑
+5. 在 `getDefaultModel` 方法中添加默认模型选择
+
+## 故障排除
+
+如果在使用过程中遇到问题，请检查：
+
+1. 是否已安装所需的提供商包
+2. 环境变量是否正确设置
+3. 网络连接是否正常
+4. 提供商服务是否可用
+
+如果动态导入提供商失败，您会在控制台看到警告信息，提示安装相应的包。 

package/eslint.config.js

@@ -0,0 +1,55 @@
+import eslint from '@eslint/js';
+import tseslint from '@typescript-eslint/eslint-plugin';
+import tsParser from '@typescript-eslint/parser';
+
+export default [
+  eslint.configs.recommended,
+  {
+    files: ['**/*.{ts,tsx}'],
+    languageOptions: {
+      parser: tsParser,
+      parserOptions: {
+        ecmaVersion: 'latest',
+        sourceType: 'module'
+      },
+      globals: {
+        // Add globals that are available in both Node.js and browser environments
+        console: 'readonly',
+        process: 'readonly',
+        setTimeout: 'readonly',
+        clearTimeout: 'readonly',
+        setInterval: 'readonly',
+        clearInterval: 'readonly',
+        // Browser globals
+        window: 'readonly',
+        document: 'readonly',
+        WebSocket: 'readonly',
+        MessageEvent: 'readonly',
+        Event: 'readonly',
+        crypto: 'readonly',
+        performance: 'readonly',
+        Console: 'readonly',
+        // Node.js globals
+        require: 'readonly',
+        __dirname: 'readonly',
+        __filename: 'readonly',
+        module: 'readonly',
+        exports: 'readonly',
+        Buffer: 'readonly'
+      }
+    },
+    plugins: {
+      '@typescript-eslint': tseslint,
+    },
+    rules: {
+      '@typescript-eslint/explicit-function-return-type': 'warn',
+      '@typescript-eslint/no-explicit-any': 'warn',
+      '@typescript-eslint/no-unused-vars': 'warn',
+      'no-unused-vars': 'off', // Turn off the base rule as it can report incorrect errors with TypeScript
+      'no-undef': 'error'
+    }
+  },
+  {
+    ignores: ['node_modules/**', 'dist/**', 'build/**']
+  }
+]; 

package/examples/data-interpreter-example.ts

@@ -0,0 +1,173 @@
+import { v4 as uuidv4 } from 'uuid';
+import { VercelLLMProvider } from '../src/provider/vercel-llm';
+import { DataInterpreter } from '../src/roles/data-interpreter';
+
+/**
+ * 数据解释器示例
+ * 
+ * 该示例演示如何使用数据解释器生成数据分析代码
+ */
+async function main() {
+  console.log(`🚀 开始执行数据分析 [${new Date().toISOString()}]`);
+  
+  try {
+    // 从环境变量获取API密钥
+    const apiKey = process.env.DASHSCOPE_API_KEY;
+    console.log('✓ 检查环境变量');
+    
+    if (!apiKey) {
+      console.error('❌ 错误: 请设置环境变量: DASHSCOPE_API_KEY');
+      process.exit(1);
+    }
+    console.log('✓ 环境变量已设置');
+    
+    // 初始化Vercel LLM提供商 - 使用百炼大模型(qwen)
+    console.log('⚙️ 配置百炼大模型...');
+    const llmProvider = new VercelLLMProvider({
+      providerType: 'qwen',
+      apiKey,
+      model: 'qwen-plus-2025-01-25',
+      baseURL: 'https://dashscope.aliyuncs.com/compatible-mode/v1', // 自定义API端点
+      extraConfig: {
+        qwenOptions: {
+          debug: true, // 启用调试日志
+        },
+        generateOptions: {
+          system: '你是一位专业的数据科学家，擅长数据分析、可视化和机器学习。'
+        }
+      }
+    });
+    console.log(`✓ 模型配置完成: qwen - qwen-plus-2025-01-25`);
+    
+    console.log('⚙️ 初始化数据解释器...');
+    console.time('数据解释器初始化时间');
+    
+    // 创建数据解释器
+    const dataInterpreter = new DataInterpreter({
+      llm: llmProvider,
+      auto_run: true,
+      use_plan: false,
+      use_reflection: true,
+      react_mode: 'react',
+      max_react_loop: 2,
+      tools: ['pandas', 'matplotlib', 'seaborn', 'scikit-learn'],
+    });
+    
+    console.timeEnd('数据解释器初始化时间');
+    console.log('✓ 数据解释器初始化完成');
+    
+    // 设置要分析的数据需求
+    const requirement = '使用Python分析鸢尾花数据集，包括基本统计信息、相关性分析和可视化，最后使用SVM算法进行分类。';
+    console.log(`📝 数据分析需求: "${requirement}"`);
+    
+    // 检查Python环境
+    console.log('🔍 检查Python环境...');
+    await checkPythonEnvironment();
+    
+    // 执行数据分析
+    console.log('🔄 开始数据分析...');
+    console.time('数据分析总时间');
+    
+    const result = await dataInterpreter.react({
+      id: uuidv4(),
+      role: 'user',
+      content: requirement,
+      causedBy: 'user-input',
+      sentFrom: 'user',
+      sendTo: new Set(['*']),
+      instructContent: null,
+    });
+    
+    console.timeEnd('数据分析总时间');
+    console.log('✅ 数据分析完成!');
+    
+    // 检查结果中是否有依赖错误
+    if (result.content.includes('Missing Dependencies Detected') || result.content.includes('Missing Dependency:')) {
+      console.log('⚠️ 检测到缺少Python依赖!');
+      console.log('');
+      console.log('请安装所需依赖:');
+      
+      // 提取安装命令
+      const pipMatch = result.content.match(/pip install ([^`]+)/);
+      if (pipMatch && pipMatch[1]) {
+        console.log(`\n运行: pip install ${pipMatch[1].trim()}\n`);
+      } else {
+        console.log(result.content);
+      }
+    } else {
+      // 正常输出结果
+      console.log(`📄 生成结果: ${result.content.substring(0, 200)}...`);
+    }
+    
+    console.log(`🏁 数据分析完成 [${new Date().toISOString()}]`);
+  } catch (error) {
+    console.error('❌ 数据分析时出错:', error);
+    if (error instanceof Error) {
+      console.error(`错误类型: ${error.name}`);
+      console.error(`错误信息: ${error.message}`);
+      console.error(`错误堆栈: ${error.stack}`);
+    }
+  }
+}
+
+/**
+ * 检查Python环境
+ */
+async function checkPythonEnvironment(): Promise<void> {
+  const { exec } = require('child_process');
+  
+  return new Promise((resolve, reject) => {
+    // 检查Python版本
+    exec('python --version', (error: any, stdout: string, stderr: string) => {
+      if (error) {
+        console.error('❌ 未检测到Python! 请确保Python已安装并添加到PATH中。');
+        reject(new Error('Python not found'));
+        return;
+      }
+      
+      console.log(`✓ 检测到Python: ${stdout.trim()}`);
+      
+      // 检查常用数据科学包
+      const packages = ['pandas', 'numpy', 'matplotlib', 'seaborn', 'scikit-learn'];
+      let installedCount = 0;
+      let missingPackages: string[] = [];
+      
+      const checkPackage = (index: number) => {
+        if (index >= packages.length) {
+          // 所有包检查完毕
+          console.log(`✓ 已安装的包: ${installedCount}/${packages.length}`);
+          
+          if (missingPackages.length > 0) {
+            const pipCmd = `pip install ${missingPackages.join(' ')}`;
+            console.log(`⚠️ 缺少以下Python包: ${missingPackages.join(', ')}`);
+            console.log(`💡 建议运行: ${pipCmd}`);
+          }
+          
+          resolve();
+          return;
+        }
+        
+        const pkg = packages[index];
+        exec(`python -c "import ${pkg}" 2>/dev/null`, (err: any) => {
+          if (err) {
+            console.log(`✗ 未安装: ${pkg}`);
+            missingPackages.push(pkg);
+          } else {
+            console.log(`✓ 已安装: ${pkg}`);
+            installedCount++;
+          }
+          
+          // 检查下一个包
+          checkPackage(index + 1);
+        });
+      };
+      
+      // 开始检查第一个包
+      checkPackage(0);
+    });
+  });
+}
+
+// 运行示例
+console.log(' 数据解释器示例');
+main(); 

package/examples/qwen-direct-example.ts

@@ -0,0 +1,60 @@
+/**
+ * 直接使用 Vercel AI SDK 调用百炼大模型(qwen-plus)的示例
+ * 
+ * 运行前需要:
+ * 1. 安装依赖: bun add qwen-ai-provider ai
+ * 2. 设置环境变量: DASHSCOPE_API_KEY
+ */
+
+// @ts-nocheck - 忽略类型检查，这是由于ai库和provider库之间的版本差异导致的类型不兼容
+import { generateText } from 'ai';
+import { createQwen } from 'qwen-ai-provider';
+
+async function main() {
+  try {
+    // 检查环境变量
+    const apiKey = process.env.DASHSCOPE_API_KEY;
+    
+    if (!apiKey) {
+      console.error('请设置环境变量: DASHSCOPE_API_KEY');
+      process.exit(1);
+    }
+    
+    // 设置环境变量
+    process.env.DASHSCOPE_API_KEY = apiKey;
+    
+    // 创建自定义配置的qwen提供商
+    const qwen = createQwen({
+      baseURL: 'https://dashscope.aliyuncs.com/compatible-mode/v1',
+      debug: true, // 启用调试日志
+      // 其他可能的配置选项
+    });
+    
+    console.log('初始化完成，开始生成文本...');
+    
+    // 设置提示词
+    const prompt = '写一个4人份的素食千层面食谱。';
+    console.log(`提示词: "${prompt}"`);
+    
+    // 生成文本
+    console.time('生成耗时');
+    const { text } = await generateText({
+      model: qwen('qwen-plus'),
+      prompt,
+      temperature: 0.7,
+      maxTokens: 1000,
+      system: '你是一位专业的素食厨师，擅长制作美味的素食料理。',
+    });
+    console.timeEnd('生成耗时');
+    
+    console.log('\n====== 生成结果 ======\n');
+    console.log(text);
+    console.log('\n====== 结束 ======\n');
+    
+  } catch (error) {
+    console.error('生成文本时出错:', error);
+  }
+}
+
+// 运行示例
+main(); 

package/examples/qwen-example.ts

@@ -0,0 +1,62 @@
+import { VercelLLMProvider } from '../src/provider/vercel-llm';
+
+/**
+ * 百炼大模型(qwen-plus)使用示例
+ * 
+ * 运行前需要:
+ * 1. 安装依赖: bun add qwen-ai-provider
+ * 2. 设置环境变量: DASHSCOPE_API_KEY
+ */
+async function main() {
+  try {
+    // 从环境变量获取API密钥
+    const apiKey = process.env.DASHSCOPE_API_KEY;
+    
+    if (!apiKey) {
+      console.error('请设置环境变量: DASHSCOPE_API_KEY');
+      process.exit(1);
+    }
+    
+    // 初始化 Qwen 提供商
+    const qwenProvider = new VercelLLMProvider({
+      providerType: 'qwen',
+      apiKey,
+      model: 'qwen-plus',
+      baseURL: 'https://dashscope.aliyuncs.com/compatible-mode/v1', // 自定义API端点
+      extraConfig: {
+        qwenOptions: {
+          // 可以在这里添加其他Qwen特定的配置选项
+          debug: true, // 启用调试日志
+        },
+        // 生成选项，会传递给generateText方法
+        generateOptions: {
+          system: '你是一位专业的素食厨师，擅长制作美味的素食料理。',
+        }
+      }
+    });
+    
+    console.log('初始化完成，开始生成文本...');
+    
+    // 设置提示词
+    const prompt = '写一个4人份的素食千层面食谱。';
+    console.log(`提示词: "${prompt}"`);
+    
+    // 生成文本
+    console.time('生成耗时');
+    const result = await qwenProvider.generate(prompt, {
+      temperature: 0.7,
+      maxTokens: 1000
+    });
+    console.timeEnd('生成耗时');
+    
+    console.log('\n====== 生成结果 ======\n');
+    console.log(result);
+    console.log('\n====== 结束 ======\n');
+    
+  } catch (error) {
+    console.error('生成文本时出错:', error);
+  }
+}
+
+// 运行示例
+main();