mm_ai 1.0.0

package/.call_results/master_2026-06-30T18-16-59-677Z.json

@@ -0,0 +1,32 @@
+{
+  "summary": {
+    "timestamp": "2026-06-30T18:16:59.678Z",
+    "sender": "master",
+    "user_name": "admin",
+    "session_id": "1782843392472",
+    "project_name": "",
+    "task_name": "",
+    "total": 2,
+    "successCount": 2,
+    "failCount": 0,
+    "completionRate": "100%"
+  },
+  "results": [
+    {
+      "receiver": "product_manager",
+      "success": true,
+      "hasContent": false,
+      "contentPreview": "",
+      "error": null,
+      "files": []
+    },
+    {
+      "receiver": "task_manager",
+      "success": true,
+      "hasContent": false,
+      "contentPreview": "",
+      "error": null,
+      "files": []
+    }
+  ]
+}

package/.call_results/master_2026-06-30T19-18-05-814Z.json

@@ -0,0 +1,40 @@
+{
+  "summary": {
+    "timestamp": "2026-06-30T19:18:05.815Z",
+    "sender": "master",
+    "user_name": "admin",
+    "session_id": "1782847079612",
+    "project_name": "",
+    "task_name": "",
+    "total": 3,
+    "successCount": 3,
+    "failCount": 0,
+    "completionRate": "100%"
+  },
+  "results": [
+    {
+      "receiver": "translator",
+      "success": true,
+      "hasContent": false,
+      "contentPreview": "",
+      "error": null,
+      "files": []
+    },
+    {
+      "receiver": "shopping_guide",
+      "success": true,
+      "hasContent": false,
+      "contentPreview": "",
+      "error": null,
+      "files": []
+    },
+    {
+      "receiver": "game_planner",
+      "success": true,
+      "hasContent": false,
+      "contentPreview": "",
+      "error": null,
+      "files": []
+    }
+  ]
+}

package/LICENSE

@@ -0,0 +1,21 @@
+MIT License
+
+Copyright (c) 2026 Admin
+
+Permission is hereby granted, free of charge, to any person obtaining a copy
+of this software and associated documentation files (the "Software"), to deal
+in the Software without restriction, including without limitation the rights
+to use, copy, modify, merge, publish, distribute, sublicense, and/or sell
+copies of the Software, and to permit persons to whom the Software is
+furnished to do so, subject to the following conditions:
+
+The above copyright notice and this permission notice shall be included in all
+copies or substantial portions of the Software.
+
+THE SOFTWARE IS PROVIDED "AS IS", WITHOUT WARRANTY OF ANY KIND, EXPRESS OR
+IMPLIED, INCLUDING BUT NOT LIMITED TO THE WARRANTIES OF MERCHANTABILITY,
+FITNESS FOR A PARTICULAR PURPOSE AND NONINFRINGEMENT. IN NO EVENT SHALL THE
+AUTHORS OR COPYRIGHT HOLDERS BE LIABLE FOR ANY CLAIM, DAMAGES OR OTHER
+LIABILITY, WHETHER IN AN ACTION OF CONTRACT, TORT OR OTHERWISE, ARISING FROM,
+OUT OF OR IN CONNECTION WITH THE SOFTWARE OR THE USE OR OTHER DEALINGS IN THE
+SOFTWARE.

package/README.md

@@ -0,0 +1,125 @@
+# MM_ai
+
+## 简介
+mm_ai是一个基于大语言模型的AI智能体，类似openclaw，用于辅助用户完成项目开发任务。
+由LLM（大语言模型）、Agent（智能体）、Skills（技能）、Tools（工具）、MCP（多模态通信协议）和Memory（记忆）构成。
+
+## 功能
+### 运作机制
+内置项目、任务、人员分配机制。用户通过与主智能体交互，主智能体会根据用户需求，分配项目、任务和子智能体。
+与OpenAI不同，mm_ai采用的一对一服务模式，每个用户都能驱使不同的智能体，智能体也可以作为其他智能体的用户来驱使其他智能体。
+
+### 运作流程示例
+1. 用户A需要开发一个html5页面，主智能体master会根据用户需求，分配项目、任务和子智能体。
+2. 主智能体认为涉及的人员包括：
+   - 项目管理员
+   - UI设计师
+   - 前端开发人员
+   - 测试人员
+3. 项目管理员会创建项目，分配任务给子智能体。
+4. UI设计师会根据用户需求，设计页面的UI。当需要用到图片时，会驱使平面设计师智能体来设计图片。
+5. 当UI设计师完成设计后，会通知master可以交接工作给前端开发人员了。
+6. 接着前端开发人员会根据UI设计师的设计，开始开发页面。完成后会通知master可以交接工作给测试人员了。
+7. 测试人员会测试页面的功能，确保符合用户需求。完成后会通知master可以交接工作给项目管理员了。
+8. 项目管理员会评估项目进度，确保项目按计划进行。完成后会通知master可以向用户交付项目了。
+其中，每一次工作交接，master都会向用户汇报当前项目的进度和状态，并告知下一步将由谁来干什么、工作计划是什么，并给出开展建议。
+当然，用户也可以全权交给master来完成，无需确认，直接等待项目交付。
+此外，master会将项目情况、任务情况告知相应的子智能体，子智能体可以根据项目情况、任务情况，调整自己的工作计划和开展建议。
+
+## 特色
+### 自动创建项目
+用户只需要需求，主智能体会根据需求大小，选择是否需要创建项目。
+如果需要创建项目，主智能体会告知项目管理员智能体，创建项目。
+### 自动分配任务和人员
+主智能体会将用户需求、项目描述，告知任务管理员智能体，创建任务。
+任务管理员智能体会根据任务的类型和任务的复杂度，分配任务给子智能体。
+### 自动创建子智能体
+主智能体会根据完成任务所需的智能体人员，判断缺少哪些子智能体，自动创建缺失的子智能体。
+### 自动创建技能
+各个子智能体会根据自己所需使用的技能和已掌握的技能判断是否需要其他技能，然后告知主智能体。
+主智能体根据子智能体的建议，告知技能导师智能体，创建缺失的技能，并将技能分配给子智能体。
+### 自动创建智能体所需使用的工具
+各个子智能体会根据自己所需使用的工具，自动创建工具。
+主智能体根据子智能体的建议，告知工具匠人智能体，创建缺失的工具，并将工具分配给子智能体。
+### 复杂情况处理
+对于工具很难实现的情况下，可以让智能体调用外部的MCP工具，从而增强智能体的能力。
+
+## 安装
+### 技术员安装
+1. 安装依赖
+```shell
+npm install mm_ai
+```
+
+2. 使用
+用户无法直接使用，需要写个脚本，通过调用mm_ai模块来使用。
+例如创建index.js文件，内容如下：
+```javascript
+const mm_ai = require('mm_ai');
+const koa = require('koa');
+
+async function start() {
+  // 配置mm_ai
+  let config = {
+    // 配置mm_ai的参数
+  };
+  let mm_ai = new mm_ai(config);
+  // 配置mm_ai使用koa框架
+  mm_ai.use('koa', koa);
+  // 也可以使用express框架
+  // mm_ai.use('express', express);
+  // 启动mm_ai服务
+  await mm_ai.run();
+
+  // 通过控制台模式与mm_ai交互
+  // 控制台模式下，用户可以在控制台中输入指令，mm_ai会根据指令，调用其他智能体来完成任务
+  mm_ai.console();
+  
+  // 其他模式
+  // 监听AI智能体的消息
+  mm_ai.onEvent('chat:out', (msg) => {
+    console.log(msg);
+  });
+
+  // 向AI智能体发送消息
+  // 发送消息时，需要指定用户名、会话ID、消息内容
+  // 会话ID可以是任意字符串，用于区分不同的会话
+  // 消息内容可以是任意字符串，用于传递信息
+  let user_name = 'userA';
+  let session_id = 'session1';
+  let content = '你好，我想开发一个html5页面';
+  let res = await mm_ai.send(user_name, session_id, content);
+  // 打印智能体回复的消息，在用web服务时，最好直接用监听方式获取消息，可以分段的流式输出，配合getWay最佳效果。
+  console.log("智能体回复：", res);
+}
+
+start();
+`````
+
+3. 运行
+```shell
+node index.js
+```
+
+## 其他安装方式
+如果你不会写脚本，也可以通过clone项目来使用。
+```shell
+git clone https://gitee.com/mm_modules_ok/mm_ai_server.git
+```
+然后进入项目目录，运行
+```shell
+npm start
+```
+通过此方式安装，可以直接在浏览器中访问http://localhost:8000，即可使用mm_ai服务。
+内置多种getWay（微信、电报、钉钉、飞书）, 用户可以根据需要选择不同的getWay来和mm_ai交互。
+
+## 内置
+### 智能体
+MM_AI内置了多个智能体，可以满足大部分场景的需求。
+详情请看[智能体.md](common\agent\内置智能体.md)
+### 技能
+MM_AI内置了多个技能，可以满足大部分场景的需求。
+详情请看[技能.md](common\skill\内置技能.md)
+### 工具
+MM_AI内置了多个工具，可以满足大部分场景的需求。
+详情请看[工具.md](common\tool\内置工具.md)

package/README2.md

@@ -0,0 +1,210 @@
+# 超级美眉人智能（mm_ai）
+这是一个非常智能的人工智能模块，它的最大特点是不需要大模型也能实现正常的交流和调用工具（NLP/RAG/Agent/MCP）。
+它只需要不到50MB的内存，这意味着可安装到任何一个电子设备上（电脑、手机、路由器、监控、遥控器）。
+
+
+## 如何使用?
+你只需要根据你所需要的使用场景给他灌输一些对话。这些对话无需标注，它会自己举一反三，理解意图，学会提问、反问和回复。
+你也可以直接给它准备一些文档作为它的知识储备，通过RAG能更好的回答你的问题。
+
+
+## 说明
+如果你是AI新手，当你懂得使用它后，你会明白：
+- 什么是[NLP（自然语言处理）](#NLP)？
+- 什么是[LLM（大语言模型）](#LLM)？
+- 什么是[Memory（记忆）](#Memory)？
+- 什么是[Prompt（提示词）](#Prompt)？
+- 什么是[Context（上下文）](#Context)？
+- 什么是[RAG（检索增强生成）](#RAG)？
+- 什么是[Agent（智能体）](#Agent)？
+- 什么是[Function Calling（函数调用）](#Function-Calling)？
+- 什么是[MCP（模型上下文协议）](#MCP)？
+- 什么是[Tool（工具）](#Tool)？
+- 什么是[skill（技能）](#skill)？
+- 什么是[NLU（自然语言理解）](#NLU)？
+- 什么是[NLI（自然语言推理）](#NLI)？
+
+## 自然语言处理（NLP）
+<a id="NLP"></a>
+自然语言处理（NLP）是指在智能体中使用自然语言（例如中文、英文、日文等）进行交流。
+它通常用于实现智能体的自定义功能，例如根据用户输入的自然语言，自动将其转换为结构化数据，或者根据用户输入的自然语言，自动将其转换为自然语言。
+NLP 涵盖传统方法（如规则匹配、词性标注、SVM 分类等）和深度学习方法（如Transformer、BERT等）。
+在简单的指令执行下，只需要使用传统方法即可。
+
+详情：[查看](./nlp/README.md)
+
+
+## 大语言模型（LLM）
+<a id="LLM"></a>
+大语言模型（LLM）是指在智能体中使用深度学习模型（例如Transformer、BERT等）进行交流。
+LLM是NLP的一种，它是近年来 NLP 的主流范式之一。也是这样的NLP，让AI看起来更加智能。
+但是，LLM的性能和效果，依赖于模型的大小和训练数据的质量。这意味成本很高，所以大部分的应用场景，都会选择使用LLM API，而不是自己训练模型。
+在实际系统中，常采用“NLP/规则兜底 + LLM 提升体验”的架构。
+
+详情：[查看](./llm/README.md)
+
+
+## 记忆（Memory）
+<a id="Memory"></a>
+记忆（Memory）是人和AI对话过程中，记录下的一些信息。
+在没有记忆之前，AI只能根据当前的对话，回答用户的问题。
+在有记忆之后，AI可以根据之前的对话，回答用户的问题。
+例如：
+- 用户：1加1等于几？
+- AI：2
+- 用户：再加1等于几？
+- AI：3 （如果没有记忆，它就无法告诉你等于3）
+所以，在和AI对话时，我们需要保持记忆，才能得到准确的回答。
+
+详情：[查看](./memory/README.md)
+
+## 提示词（Prompt）
+<a id="Prompt"></a>
+提示词（Prompt）是人和AI对话过程中发现的产物。
+对话可分为背景和需求。背景是指在对话开始前，用户和AI之间的信息交互。需求是指用户在对话中，需要AI怎么回答。
+在和AI对话时，我们会希望它怎么回答，而这怎么回答往往是固定的，为了方便我们和AI对话，避免下次再要求它怎么回答，于是就有了提示词。
+
+详情：[查看](./prompt/README.md)
+
+## 上下文（Context）
+<a id="Context"></a>
+上下文（Context）就是人和AI的对话记录。再下一次调用LLM时，会将上下文作为输入，以帮助它理解用户的问题。
+你可以把上下文理解为给AI一个短暂的记忆。用于同一个会话下更好的解决用户的问题。
+
+详情：[查看](./context/README.md)
+
+## 检索增强生成（RAG）
+<a id="RAG"></a>
+检索增强生成（RAG）是指在智能体中使用检索和生成技术，以实现对用户查询的准确回答。
+它通常用于实现智能体的自定义功能，例如根据用户查询从数据库中检索相关信息，或者根据用户查询生成符合要求的文本。
+
+详情：[查看](./rag/README.md)
+
+## 智能体（Agent）
+<a id="Agent"></a>
+智能体（Agent）是指能够感知环境并采取行动以实现特定目标的代理体。
+也就是说，它需要具备感知、决策和执行的能力。
+感知、决策部分交由自然语言处理（NLP）或大模型（LLM）负责，也就是智能的部分（相当于人类的大脑）。
+执行部分则由智能体本身负责。也就是非智能的部分（相当于人类的身体）。
+NLP或LLM都只能实现和人之间的交流，不能实现和环境的交互。也就是AI只会说，不会做。
+为了让AI会做，我们需要在某些情况下，按照一定的规则来回答。然后程序可以根据这种规则性回答来调用函数。让AI能够执行特定的任务。
+于是就有了智能体。
+
+详情：[查看](./agent/README.md)
+
+
+## 函数调用（Function Calling）
+<a id="Function-Calling"></a>
+函数调用（Function Calling）是指在智能体中调用外部函数或方法，以执行特定任务。
+它通常用于实现智能体的自定义功能，例如调用大模型、调用数据库、调用外部服务等。
+为了让智能体能够调用更好的调用函数，我们需要定义一个协议，来规范AI和函数之间的交互。这就是Function Calling协议。
+
+详情：[查看](./function_calling/README.md)
+
+
+## 模型上下文协议（MCP）
+<a id="MCP"></a>
+模型上下文协议（MCP）是一个开放标准协议。
+旨在解决 AI 大模型与外部数据源、工具之间的“数据孤岛”问题，让 AI 应用能够安全、统一、可扩展地连接各种数据和服务。
+为了让AI能够准确的调用函数，我们需要定义一个协议，来规范AI和函数之间的交互。MCP协议就是这样一个协议。
+MCP所做的事是首先告知AI，它有哪些函数可以调用，以及每个函数的参数和返回值。
+然后，AI可以根据用户的输入判断是否需要调用这些函数，来执行特定的任务。
+
+详情：[查看](./mcp/README.md)
+
+
+## 工具（Tool）
+<a id="Tool"></a>
+工具（Tool）是指在智能体的自定义功能，例如上网查资料、处理文件、操作数据库等。
+tool就是AI可以调用的函数，具有统一的接口。
+通常由JSON配置文件和JS脚本文件组成，通过遍历的方式加载。
+在需要AI调用工具时跟上下文一起传输LLM。
+
+详情：[查看](./tool/README.md)
+
+
+## 技能（skill）
+<a id="skill"></a>
+技能（skill）是指在智能体中执行特定任务的能力。
+它通常用于实现智能体的自定义功能，例如写作、编程、设计、分析数据等。
+在很多时候，我们希望AI做的是不是使用单一工具能够完成的。它需要根据用户的输入，调用多个工具来完成特定的任务。于是就有了技能。
+技能就是让AI在一些特定的情况下，可以根据用户的目标，完成一系列相关的事，让用户不需要手动干预，有更好的体验。
+例如：
+- 用户说：我想订一张从北京到上海的机票
+- AI想：根据用户的目标，调用天气工具，查询北京到上海的天气。看什么时候适合出行
+- AI想：根据任务目标和出行时间，调用机票工具，查询XXX日北京到上海的机票价格和时间。
+- AI想：根据任务目标和出行时间，调用可行性分析工具，逐一分析XXX日北京到上海是否可行，哪个最佳。
+- AI想：根据多次调用的结果总结，告知用户。
+- AI说：根据您的需求，近几日从北京到上海的机票有：XXX日XXX时，价格为XXX元。结合天气等因素，建议购买XXX日XXX时的机票。是否帮您预定？
+- 用户说：我想预定。
+
+这其中，AI想的部分就是技能。
+智能体中，技能本质上也是一种提示词，只是这个提示词会告诉AI，当什么情况需要做什么，做什么的时候调用什么工具。最终实现什么。
+如上述例子：
+- 当用户想预订机票时，首先调用订机票工具，看用户所给的信息是否完整。
+- 当用户信息完整时，调用天气工具，查询北京到上海的天气。看什么时候适合出行。
+- 当查询到适合出行的时间后，调用机票查询工具，查询XXX日北京到上海的机票价格和时间。
+- 当查询到机票价格和时间后，调用可行性分析工具，逐一分析XXX日北京到上海是否可行，哪个最佳。
+- 当分析完成后，根据多次调用的结果总结，告知用户。把适合出行的几个机票时间（推荐三选一）以及价格，天气等信息，都告知用户。并建议用户选择最佳的机票时间。
+
+为了实现技能，可能AI本身不具备某些能力（工具），于是就需要特定的工具来完成。这些特定的工具和技能放置到同一目录下，在智能体需要调用时再进行加载。
+所以为了统一架构和方便遍历加载，每个技能都有一个文件夹和一个SKILL.md文件。
+
+详情：[查看](./agent/skill/README.md)
+
+
+## 自然语言理解（NLU）
+<a id="NLU"></a>
+自然语言理解（NLU）是指AI根据用户的输入，理解用户的意图和需求。
+这是一个复杂的过程，涉及到多个步骤，例如词法分析、语法分析、语义分析等。
+对于更高级的NLU，还有情感分析、性格分析、欲望分析等。
+传统的NLP就是通过NLU的方式来识别意图，然后实现聊天交互。但是这样
+
+详情：[查看](./nlp/nlu/README.md)
+
+### NLU需要做什么？能用来干什么？需要达到什么程度？
+NLU需要做的就将词语标注，这样就可以将语句拆成多个词，将词分析出词义、情感、性格等。
+NLU能够用来识别用户最直观的想表达什么，想做什么。而从让AI知道该怎么做，怎么回答。
+NLU需要达到的程度就是能够从语句中识别用户意图，能够造句和回答。
+
+## 自然语言推理（NLI）
+<a id="NLI"></a>
+自然语言推理（NLI）是指AI根据用户的输入，根据上下文，推理出用户的真实意图和需求。
+也就是要帮用户考虑应该考虑哪些因素，然后给出最佳的解决方案。
+在不能推理的情况下，AI可能知道A是B, B是C, 但是不能推理出A是C，所以A会C所会。
+例如：
+- 飞禽都会飞，鸽子是鸟，鸟是飞禽，所以鸽子会飞。
+- 水泼到地上，地板会湿。奶茶是茶水，茶水也是水，所以奶茶泼到地上，地板也会湿。
+
+上面两个例子，在你看来是理所当然的事情，但是现在的AI却仍然无法理解。
+
+现在的LLM是通过词的关系、向量、统计的方式来推敲出下一个词是什么从而造句，然后再通过某句话之后常接着什么，从而回答。所以并没有理解词义。
+虽然如此，LLM给人的感觉也是能推理里，实际上是判断词与词的逻辑关系，语句与语句的关系。
+所以，实际上LLM和传统的NLP最大的区别就是说话更顺畅了。但那并不是真正的理解。
+理解应该是分解、解析、推理。目前的AI，都还是只能分解、解析。要想真正智能，就必须要能够推理。于是NLI技术诞生了。
+
+其实，从真正的智能的角度看，NLU只是知，NLI才是知识，知道词与词的逻辑关系，语句与语句的关系，是一种识，所以LLM比传统NLP看起来更智能。
+AI的智能程度其实就是从知到识的过程。
+
+详情：[查看](./nlp/nli/README.md)
+
+### NLI 的核心定义与任务分类
+1. 蕴含（Entailment），假设可以从前提中推断出，主要包含以下方面 ↓
+- 包含特性，例如：水有浮力；水有张力；
+- 使受关系，例如：船会受到水的浮力影响，所以船可以浮在水面
+- 物理关系，例如：热会涨，冷会缩。
+- 同类关系，例如：水果是食物，蔬菜也是食物，所以水果和蔬菜都是食物
+
+2. 矛盾（Contradiction）假设与前提相矛盾，不能同时成立，主要包含以下方面 ↓
+- 特性相反，例如：冷与热、涨与缩，同一个物体不可能同时又冷又热。
+
+3. 中立（Neutral）假设与前提既不矛盾也无法从前提推断出，两者关系不明确。主要包含以下方面 ↓
+- 无关系，例如：老头和鬼没有关系。
+
+### NLI需要做什么？能用来干什么？需要达到什么程度？
+NLI需要标注事或物的关系。也就是词的另一种标注方式和向量、统计。
+即标注：是什么（东西），能什么（能力），不能什么，会（影响）什么，为什么（能、因果），为什么不（能），如果什么会怎么等等。
+
+### 为什么要在这里讲NLI？
+因为这才是mm_ai的最大魅力所在。在文章开头，我已经说过，mm_ai非常智能的人工智能模块。
+其最大的特点就是它在训练时，不仅能训练NLU还训练NLI，也就是说不仅让AI变得能够理解、还能够具有一定的推理能力。