agentica 0.1.6__tar.gz → 0.1.8__tar.gz

{agentica-0.1.6 → agentica-0.1.8}/PKG-INFO

@@ -1,6 +1,6 @@
 Metadata-Version: 2.1
 Name: agentica
-Version: 0.1.6
+Version: 0.1.8
 Summary: LLM agents
 Home-page: https://github.com/shibing624/agentica
 Author: XuMing
@@ -49,26 +49,25 @@ Requires-Dist: rich
 [![Wechat Group](https://img.shields.io/badge/wechat-group-green.svg?logo=wechat)](#Contact)
 
 
-**Agentica**: A Human-Centric Framework for Large Language Model Agent Building.
-
-**Agentica**: 构建你自己的Agent
+**Agentica**: A Human-Centric Framework for Large Language Model Agent Building. 快速打造你的专属Agent。
 
 ## Overview
 
 #### LLM Agent
-![llm_agnet](https://github.com/shibing624/agentica/blob/main/docs/llm_agentv2.png)
+<img src="https://github.com/shibing624/agentica/blob/main/docs/llm_agentv2.png" width="800" />
 
 - **规划（Planning）**：任务拆解、生成计划、反思
 - **记忆（Memory）**：短期记忆（prompt实现）、长期记忆（RAG实现）
 - **工具使用（Tool use）**：function call能力，调用外部API，以获取外部信息，包括当前日期、日历、代码执行能力、对专用信息源的访问等
 
-#### Agentica架构
-![agentica_arch](https://github.com/shibing624/agentica/blob/main/docs/agent_arch.png)
+#### Agentica Assistant Architecture  
+<img src="https://github.com/shibing624/agentica/blob/main/docs/agent_arch.png" width="800" />
 
 - **Planner**：负责让LLM生成一个多步计划来完成复杂任务，生成相互依赖的“链式计划”，定义每一步所依赖的上一步的输出
 - **Worker**：接受“链式计划”，循环遍历计划中的每个子任务，并调用工具完成任务，可以自动反思纠错以完成任务
 - **Solver**：求解器将所有这些输出整合为最终答案
 
+
 ## Features
 `Agentica`是一个Agent构建工具，功能：
 
@@ -116,30 +115,38 @@ python web_search_deepseek_demo.py
 自动调用google搜索工具，示例[examples/web_search_deepseek_demo.py](https://github.com/shibing624/agentica/blob/main/examples/web_search_deepseek_demo.py)
 
 ```python
-from agentica import Assistant, DeepseekLLM
-from agentica.tools.search_serper import SearchSerperTool
-
-m = Assistant(
-  llm=DeepseekLLM(),
-  description="You are a helpful ai assistant.",
-  show_tool_calls=True,
-  # Enable the assistant to search the knowledge base
-  search_knowledge=False,
-  tools=[SearchSerperTool()],
-  # Enable the assistant to read the chat history
-  read_chat_history=True,
-  debug_mode=True,
-)
+from agentica import Assistant, DeepseekLLM, SearchSerperTool
+
+m = Assistant(llm=DeepseekLLM(), tools=[SearchSerperTool()])
 
 r = m.run("一句话介绍林黛玉")
 print(r, "".join(r))
-r = m.run("北京最近的新闻top3", stream=True, print_output=True)
+r = m.run("北京最近的新闻top3", stream=True)
 print(r, "".join(r))
-r = m.run("总结前面的问答", stream=False, print_output=False)
+r = m.run("总结前面的问答", stream=False)
 print(r)
 ```
 
 
+## Web UI
+
+[shibing624/ChatPilot](https://github.com/shibing624/ChatPilot) 兼容`agentica`，可以通过Web UI进行交互。
+
+Web Demo: https://chat.mulanai.com
+
+<img src="https://github.com/shibing624/ChatPilot/blob/main/docs/shot.png" width="800" />
+
+```shell
+git clone https://github.com/shibing624/ChatPilot.git
+cd ChatPilot
+pip install -r requirements.txt
+
+cp .env.example .env
+
+bash start.sh
+```
+
+
 ## Examples
 
 | 示例                                                                                                                                    | 描述                                                                                                                              |
@@ -151,19 +158,20 @@ print(r)
 | [examples/team_news_article_demo.py](https://github.com/shibing624/agentica/blob/main/examples/team_news_article_demo.py)             | 实现了写新闻稿的team协作，multi-role实现，委托不用角色完成各自任务：研究员检索分析文章，撰写员根据排版写文章，汇总多角色成果输出结果                                                       |
 | [examples/workflow_news_article_demo.py](https://github.com/shibing624/agentica/blob/main/examples/workflow_news_article_demo.py)     | 实现了写新闻稿的工作流，multi-agent的实现，定义了多个Assistant和Task，多次调用搜索工具，并生成高级排版的新闻文章                                                            |
 | [examples/workflow_investment_demo.py](https://github.com/shibing624/agentica/blob/main/examples/workflow_investment_demo.py)         | 实现了投资研究的工作流：股票信息收集 - 股票分析 - 撰写分析报告 - 复查报告等多个Task                                                                                |
-| [examples/crawl_webpage_demo.py](https://github.com/shibing624/agentica/blob/main/examples/crawl_webpage_demo.py)                          | 实现了网页分析工作流：从Url爬取融资快讯 - 分析网页内容和格式 - 提取核心信息 - 汇总保存为md文件                                                                          |
+| [examples/crawl_webpage_demo.py](https://github.com/shibing624/agentica/blob/main/examples/crawl_webpage_demo.py)                     | 实现了网页分析工作流：从Url爬取融资快讯 - 分析网页内容和格式 - 提取核心信息 - 汇总保存为md文件                                                                          |
 | [examples/find_paper_from_arxiv_demo.py](https://github.com/shibing624/agentica/blob/main/examples/find_paper_from_arxiv_demo.py)     | 实现了论文推荐工作流：自动从arxiv搜索多组论文 - 相似论文去重 - 提取核心论文信息 - 保存为csv文件                                                                        |
 | [examples/remove_image_background_demo.py](https://github.com/shibing624/agentica/blob/main/examples/remove_image_background_demo.py) | 实现了自动去除图片背景功能，包括自动通过pip安装库，调用库实现去除图片背景                                                                                          |
 | [examples/text_classification_demo.py](https://github.com/shibing624/agentica/blob/main/examples/text_classification_demo.py)         | 实现了自动训练分类模型的工作流：读取训练集文件并理解格式 - 谷歌搜索pytextclassifier库 - 爬取github页面了解pytextclassifier的调用方法 - 写代码并执行fasttext模型训练 - check训练好的模型预测结果 |
 | [examples/llm_os_demo.py](https://github.com/shibing624/agentica/blob/main/examples/llm_os_demo.py)                                   | 实现了LLM OS的初步设计，基于LLM设计操作系统，可以通过LLM调用RAG、代码执行器、Shell等工具，并协同代码解释器、研究助手、投资助手等来解决问题。                                                |
-| [examples/workflow_write_novel_demo.py](https://github.com/shibing624/agentica/blob/main/examples/workflow_write_novel_demo.py)        | 实现了写小说的工作流：定小说提纲 - 搜索谷歌反思提纲 - 撰写小说内容 - 保存为md文件                                                                                  |
-| [examples/workflow_write_tutorial_demo.py](https://github.com/shibing624/agentica/blob/main/examples/workflow_write_tutorial_demo.py)  | 实现了写技术教程的工作流：定教程目录 - 反思目录内容 - 撰写教程内容 - 保存为md文件                                                                                  |
+| [examples/workflow_write_novel_demo.py](https://github.com/shibing624/agentica/blob/main/examples/workflow_write_novel_demo.py)       | 实现了写小说的工作流：定小说提纲 - 搜索谷歌反思提纲 - 撰写小说内容 - 保存为md文件                                                                                  |
+| [examples/workflow_write_tutorial_demo.py](https://github.com/shibing624/agentica/blob/main/examples/workflow_write_tutorial_demo.py) | 实现了写技术教程的工作流：定教程目录 - 反思目录内容 - 撰写教程内容 - 保存为md文件                                                                                  |
+| [examples/self_evolving_agent_demo.py](https://github.com/shibing624/agentica/blob/main/examples/self_evolving_agent_demo.py)         | 实现了基于长期记忆的自我进化智能体，可以基于历史问答信息自我调整决策                                                                                              |
 
 
 ### LLM OS
 The LLM OS design:
 
-<img alt="LLM OS" src="https://github.com/shibing624/agentica/blob/main/docs/llmos.png" width="600" />
+<img alt="LLM OS" src="https://github.com/shibing624/agentica/blob/main/docs/llmos.png" width="800" />
 
 #### Run the LLM OS App
 
@@ -172,26 +180,31 @@ cd examples
 streamlit run llm_os_demo.py
 ```
 
-![llm_os](https://github.com/shibing624/agentica/blob/main/docs/llm_os_snap.png)
+<img alt="LLM OS" src="https://github.com/shibing624/agentica/blob/main/docs/llm_os_snap.png" width="800" />
 
-## Web UI
+### Self-evolving Agent
+The self-evolving agent design:
 
-[shibing624/ChatPilot](https://github.com/shibing624/ChatPilot) 兼容`agentica`，可以通过Web UI进行交互。
+<img alt="LLM OS" src="https://github.com/shibing624/agentica/blob/main/docs/sage_arch.png" width="800" />
 
-Web Demo: https://chat.mulanai.com
+#### Feature
 
-![](https://github.com/shibing624/ChatPilot/blob/main/docs/shot.png)
+具有反思和增强记忆能力的自我进化智能体(self-evolving Agents with Reflective and Memory-augmented Abilities, SAGE)
 
-```shell
-git clone https://github.com/shibing624/ChatPilot.git
-cd ChatPilot
-pip install -r requirements.txt
+实现方法:
 
-cp .env.example .env
+1. 使用PythonAssistant作为SAGE智能体，使用AzureOpenAILLM作为LLM, 具备code-interpreter功能，可以执行Python代码，并自动纠错。
+2. 使用CsvMemoryDb作为SAGE智能体的记忆，用于存储用户的问题和答案，下次遇到相似的问题时，可以直接返回答案。
 
-bash start.sh
+#### Run Self-evolving Agent App
+
+```shell
+cd examples
+streamlit run self_evolving_agent_demo.py
 ```
 
+<img alt="sage_snap" src="https://github.com/shibing624/agentica/blob/main/docs/sage_snap.png" width="800" />
+
 
 ## Contact
 

{agentica-0.1.6 → agentica-0.1.8}/README.md

@@ -18,26 +18,25 @@
 [![Wechat Group](https://img.shields.io/badge/wechat-group-green.svg?logo=wechat)](#Contact)
 
 
-**Agentica**: A Human-Centric Framework for Large Language Model Agent Building.
-
-**Agentica**: 构建你自己的Agent
+**Agentica**: A Human-Centric Framework for Large Language Model Agent Building. 快速打造你的专属Agent。
 
 ## Overview
 
 #### LLM Agent
-![llm_agnet](https://github.com/shibing624/agentica/blob/main/docs/llm_agentv2.png)
+<img src="https://github.com/shibing624/agentica/blob/main/docs/llm_agentv2.png" width="800" />
 
 - **规划（Planning）**：任务拆解、生成计划、反思
 - **记忆（Memory）**：短期记忆（prompt实现）、长期记忆（RAG实现）
 - **工具使用（Tool use）**：function call能力，调用外部API，以获取外部信息，包括当前日期、日历、代码执行能力、对专用信息源的访问等
 
-#### Agentica架构
-![agentica_arch](https://github.com/shibing624/agentica/blob/main/docs/agent_arch.png)
+#### Agentica Assistant Architecture  
+<img src="https://github.com/shibing624/agentica/blob/main/docs/agent_arch.png" width="800" />
 
 - **Planner**：负责让LLM生成一个多步计划来完成复杂任务，生成相互依赖的“链式计划”，定义每一步所依赖的上一步的输出
 - **Worker**：接受“链式计划”，循环遍历计划中的每个子任务，并调用工具完成任务，可以自动反思纠错以完成任务
 - **Solver**：求解器将所有这些输出整合为最终答案
 
+
 ## Features
 `Agentica`是一个Agent构建工具，功能：
 
@@ -85,30 +84,38 @@ python web_search_deepseek_demo.py
 自动调用google搜索工具，示例[examples/web_search_deepseek_demo.py](https://github.com/shibing624/agentica/blob/main/examples/web_search_deepseek_demo.py)
 
 ```python
-from agentica import Assistant, DeepseekLLM
-from agentica.tools.search_serper import SearchSerperTool
-
-m = Assistant(
-  llm=DeepseekLLM(),
-  description="You are a helpful ai assistant.",
-  show_tool_calls=True,
-  # Enable the assistant to search the knowledge base
-  search_knowledge=False,
-  tools=[SearchSerperTool()],
-  # Enable the assistant to read the chat history
-  read_chat_history=True,
-  debug_mode=True,
-)
+from agentica import Assistant, DeepseekLLM, SearchSerperTool
+
+m = Assistant(llm=DeepseekLLM(), tools=[SearchSerperTool()])
 
 r = m.run("一句话介绍林黛玉")
 print(r, "".join(r))
-r = m.run("北京最近的新闻top3", stream=True, print_output=True)
+r = m.run("北京最近的新闻top3", stream=True)
 print(r, "".join(r))
-r = m.run("总结前面的问答", stream=False, print_output=False)
+r = m.run("总结前面的问答", stream=False)
 print(r)
 ```
 
 
+## Web UI
+
+[shibing624/ChatPilot](https://github.com/shibing624/ChatPilot) 兼容`agentica`，可以通过Web UI进行交互。
+
+Web Demo: https://chat.mulanai.com
+
+<img src="https://github.com/shibing624/ChatPilot/blob/main/docs/shot.png" width="800" />
+
+```shell
+git clone https://github.com/shibing624/ChatPilot.git
+cd ChatPilot
+pip install -r requirements.txt
+
+cp .env.example .env
+
+bash start.sh
+```
+
+
 ## Examples
 
 | 示例                                                                                                                                    | 描述                                                                                                                              |
@@ -120,19 +127,20 @@ print(r)
 | [examples/team_news_article_demo.py](https://github.com/shibing624/agentica/blob/main/examples/team_news_article_demo.py)             | 实现了写新闻稿的team协作，multi-role实现，委托不用角色完成各自任务：研究员检索分析文章，撰写员根据排版写文章，汇总多角色成果输出结果                                                       |
 | [examples/workflow_news_article_demo.py](https://github.com/shibing624/agentica/blob/main/examples/workflow_news_article_demo.py)     | 实现了写新闻稿的工作流，multi-agent的实现，定义了多个Assistant和Task，多次调用搜索工具，并生成高级排版的新闻文章                                                            |
 | [examples/workflow_investment_demo.py](https://github.com/shibing624/agentica/blob/main/examples/workflow_investment_demo.py)         | 实现了投资研究的工作流：股票信息收集 - 股票分析 - 撰写分析报告 - 复查报告等多个Task                                                                                |
-| [examples/crawl_webpage_demo.py](https://github.com/shibing624/agentica/blob/main/examples/crawl_webpage_demo.py)                          | 实现了网页分析工作流：从Url爬取融资快讯 - 分析网页内容和格式 - 提取核心信息 - 汇总保存为md文件                                                                          |
+| [examples/crawl_webpage_demo.py](https://github.com/shibing624/agentica/blob/main/examples/crawl_webpage_demo.py)                     | 实现了网页分析工作流：从Url爬取融资快讯 - 分析网页内容和格式 - 提取核心信息 - 汇总保存为md文件                                                                          |
 | [examples/find_paper_from_arxiv_demo.py](https://github.com/shibing624/agentica/blob/main/examples/find_paper_from_arxiv_demo.py)     | 实现了论文推荐工作流：自动从arxiv搜索多组论文 - 相似论文去重 - 提取核心论文信息 - 保存为csv文件                                                                        |
 | [examples/remove_image_background_demo.py](https://github.com/shibing624/agentica/blob/main/examples/remove_image_background_demo.py) | 实现了自动去除图片背景功能，包括自动通过pip安装库，调用库实现去除图片背景                                                                                          |
 | [examples/text_classification_demo.py](https://github.com/shibing624/agentica/blob/main/examples/text_classification_demo.py)         | 实现了自动训练分类模型的工作流：读取训练集文件并理解格式 - 谷歌搜索pytextclassifier库 - 爬取github页面了解pytextclassifier的调用方法 - 写代码并执行fasttext模型训练 - check训练好的模型预测结果 |
 | [examples/llm_os_demo.py](https://github.com/shibing624/agentica/blob/main/examples/llm_os_demo.py)                                   | 实现了LLM OS的初步设计，基于LLM设计操作系统，可以通过LLM调用RAG、代码执行器、Shell等工具，并协同代码解释器、研究助手、投资助手等来解决问题。                                                |
-| [examples/workflow_write_novel_demo.py](https://github.com/shibing624/agentica/blob/main/examples/workflow_write_novel_demo.py)        | 实现了写小说的工作流：定小说提纲 - 搜索谷歌反思提纲 - 撰写小说内容 - 保存为md文件                                                                                  |
-| [examples/workflow_write_tutorial_demo.py](https://github.com/shibing624/agentica/blob/main/examples/workflow_write_tutorial_demo.py)  | 实现了写技术教程的工作流：定教程目录 - 反思目录内容 - 撰写教程内容 - 保存为md文件                                                                                  |
+| [examples/workflow_write_novel_demo.py](https://github.com/shibing624/agentica/blob/main/examples/workflow_write_novel_demo.py)       | 实现了写小说的工作流：定小说提纲 - 搜索谷歌反思提纲 - 撰写小说内容 - 保存为md文件                                                                                  |
+| [examples/workflow_write_tutorial_demo.py](https://github.com/shibing624/agentica/blob/main/examples/workflow_write_tutorial_demo.py) | 实现了写技术教程的工作流：定教程目录 - 反思目录内容 - 撰写教程内容 - 保存为md文件                                                                                  |
+| [examples/self_evolving_agent_demo.py](https://github.com/shibing624/agentica/blob/main/examples/self_evolving_agent_demo.py)         | 实现了基于长期记忆的自我进化智能体，可以基于历史问答信息自我调整决策                                                                                              |
 
 
 ### LLM OS
 The LLM OS design:
 
-<img alt="LLM OS" src="https://github.com/shibing624/agentica/blob/main/docs/llmos.png" width="600" />
+<img alt="LLM OS" src="https://github.com/shibing624/agentica/blob/main/docs/llmos.png" width="800" />
 
 #### Run the LLM OS App
 
@@ -141,26 +149,31 @@ cd examples
 streamlit run llm_os_demo.py
 ```
 
-![llm_os](https://github.com/shibing624/agentica/blob/main/docs/llm_os_snap.png)
+<img alt="LLM OS" src="https://github.com/shibing624/agentica/blob/main/docs/llm_os_snap.png" width="800" />
 
-## Web UI
+### Self-evolving Agent
+The self-evolving agent design:
 
-[shibing624/ChatPilot](https://github.com/shibing624/ChatPilot) 兼容`agentica`，可以通过Web UI进行交互。
+<img alt="LLM OS" src="https://github.com/shibing624/agentica/blob/main/docs/sage_arch.png" width="800" />
 
-Web Demo: https://chat.mulanai.com
+#### Feature
 
-![](https://github.com/shibing624/ChatPilot/blob/main/docs/shot.png)
+具有反思和增强记忆能力的自我进化智能体(self-evolving Agents with Reflective and Memory-augmented Abilities, SAGE)
 
-```shell
-git clone https://github.com/shibing624/ChatPilot.git
-cd ChatPilot
-pip install -r requirements.txt
+实现方法:
 
-cp .env.example .env
+1. 使用PythonAssistant作为SAGE智能体，使用AzureOpenAILLM作为LLM, 具备code-interpreter功能，可以执行Python代码，并自动纠错。
+2. 使用CsvMemoryDb作为SAGE智能体的记忆，用于存储用户的问题和答案，下次遇到相似的问题时，可以直接返回答案。
 
-bash start.sh
+#### Run Self-evolving Agent App
+
+```shell
+cd examples
+streamlit run self_evolving_agent_demo.py
 ```
 
+<img alt="sage_snap" src="https://github.com/shibing624/agentica/blob/main/docs/sage_snap.png" width="800" />
+
 
 ## Contact
 

{agentica-0.1.6 → agentica-0.1.8}/agentica/__init__.py

@@ -4,8 +4,15 @@
 @description: 
 """
 from agentica.version import __version__  # noqa, isort: skip
-from agentica.config import AGENTICA_HOME, AGENTICA_DOTENV_PATH, SMART_LLM, FAST_LLM  # noqa, isort: skip
-
+from agentica.config import (
+    AGENTICA_HOME,
+    AGENTICA_DOTENV_PATH,
+    AGENTICA_LOG_LEVEL,
+    AGENTICA_LOG_FILE,
+    SMART_LLM,
+    FAST_LLM
+)  # noqa, isort: skip
+from agentica.utils.log import set_log_level_to_debug
 # llm
 from agentica.llm.openai_llm import OpenAILLM
 from agentica.llm.azure_openai_llm import AzureOpenAILLM
@@ -14,7 +21,6 @@ from agentica.llm.deepseek_llm import DeepseekLLM
 from agentica.llm.moonshot_llm import MoonshotLLM
 from agentica.llm.ollama_llm import OllamaLLM
 from agentica.llm.ollama_tools_llm import OllamaToolsLLM
-from agentica.llm.claude_llm import ClaudeLLM
 
 # memory
 from agentica.message import Message
@@ -60,6 +66,7 @@ from agentica.storage.pg_storage import PgAssistantStorage
 from agentica.storage.sqlite_storage import SqlAssistantStorage
 # tool
 from agentica.tools.base import Tool, Toolkit, Function, FunctionCall
+from agentica.tools.search_serper import SearchSerperTool
 # assistant
 from agentica.assistant import Assistant
 from agentica.python_assistant import PythonAssistant

{agentica-0.1.6 → agentica-0.1.8}/agentica/emb/huggingface_emb.py

@@ -51,3 +51,12 @@ class HuggingfaceEmb(Emb):
 
     def get_embedding_and_usage(self, text: str) -> Tuple[List[float], Optional[Dict]]:
         return super().get_embedding_and_usage(text)
+
+
+if __name__ == '__main__':
+    emb = HuggingfaceEmb(api_key="hf_xxx")
+    text = "I love you"
+    r = emb.get_embedding(text)
+    print(r)
+    r = emb.get_embedding_and_usage(text)
+    print(r)

{agentica-0.1.6 → agentica-0.1.8}/agentica/llm/claude_llm.py

@@ -15,7 +15,6 @@ from agentica.tools.base import (
 from agentica.utils.log import logger
 from agentica.utils.timer import Timer
 
-anthropic_installed = False
 try:
     from anthropic import Anthropic as AnthropicClient
     from anthropic.types import Message as AnthropicMessage, TextBlock, ToolUseBlock, Usage, TextDelta
@@ -24,10 +23,8 @@ try:
         RawContentBlockDeltaEvent,
         ContentBlockStopEvent,
     )
-
-    anthropic_installed = True
 except ImportError:
-    anthropic_installed = False
+    raise ImportError("Anthropic is not installed. Please install it using `pip install anthropic`.")
 
 
 class ClaudeLLM(LLM):
@@ -44,12 +41,10 @@ class ClaudeLLM(LLM):
     api_key: Optional[str] = None
     client_params: Optional[Dict[str, Any]] = None
     # -*- Provide the client manually
-    anthropic_client: Optional[Any] = None
+    anthropic_client: Optional[AnthropicClient] = None
 
     @property
-    def client(self) -> Any:
-        if not anthropic_installed:
-            raise ImportError("Anthropic is not installed. Please install it using `pip install anthropic`.")
+    def client(self) -> AnthropicClient:
         if self.anthropic_client:
             return self.anthropic_client
 

{agentica-0.1.6 → agentica-0.1.8}/agentica/tools/search_serper.py

@@ -6,7 +6,7 @@
 import http.client
 import json
 import os
-import ssl
+
 from typing import Dict, Optional
 
 from pydantic import BaseModel, ConfigDict, Field, model_validator
@@ -14,9 +14,6 @@ from pydantic import BaseModel, ConfigDict, Field, model_validator
 from agentica.tools.base import Toolkit
 from agentica.utils.log import logger
 
-# Create a default context for HTTPS requests (not recommended for production)
-ssl._create_default_https_context = ssl._create_unverified_context
-
 
 class SerperWrapper(BaseModel):
     model_config = ConfigDict(arbitrary_types_allowed=True)
@@ -41,6 +38,10 @@ class SerperWrapper(BaseModel):
 
     def run(self, query: str, max_results: int = 8, as_string: bool = True):
         """Run query through Serper and parse result"""
+        import ssl
+        # Create a default context for HTTPS requests (not recommended for production)
+        ssl._create_default_https_context = ssl._create_unverified_context
+
         headers = self.get_headers()
 
         conn = http.client.HTTPSConnection("google.serper.dev")

{agentica-0.1.6 → agentica-0.1.8}/agentica/utils/file_parser.py

@@ -97,7 +97,6 @@ def read_pdf_url(url: str) -> str:
 
 
 def read_docx_file(path: Path) -> str:
-    logger.info(f"Reading: {path}")
     try:
         from docx import Document
         from docx.oxml.ns import qn
@@ -117,11 +116,33 @@ def read_docx_file(path: Path) -> str:
         _, ext = os.path.splitext(url)
         return ext.lower() in image_extensions
 
+    def get_numbering(paragraph):
+        """获取段落的编号信息."""
+        numbering = paragraph._element.xpath('.//w:numPr')
+        if (numbering and len(numbering) > 0 and
+                numbering[0].xpath('.//w:numId') and numbering[0].xpath('.//w:ilvl')):
+            num_id = numbering[0].xpath('.//w:numId')[0].get(qn('w:val'))
+            ilvl = numbering[0].xpath('.//w:ilvl')[0].get(qn('w:val'))
+            return num_id, ilvl
+        return None, None
+
     try:
         doc = Document(str(path))
         doc_content = ""
+        numbering_dict = {}
+
         for paragraph in doc.paragraphs:
             para_text = ""
+            num_id, ilvl = get_numbering(paragraph)
+            if num_id and ilvl:
+                if num_id not in numbering_dict:
+                    numbering_dict[num_id] = {}
+                if ilvl not in numbering_dict[num_id]:
+                    numbering_dict[num_id][ilvl] = 1
+                else:
+                    numbering_dict[num_id][ilvl] += 1
+                para_text += f"- "
+
             for run in paragraph.runs:
                 run_text = run.text
 

agentica-0.1.8/agentica/version.py

@@ -0,0 +1 @@
+__version__ = "0.1.8"

{agentica-0.1.6 → agentica-0.1.8}/agentica.egg-info/PKG-INFO

@@ -1,6 +1,6 @@
 Metadata-Version: 2.1
 Name: agentica
-Version: 0.1.6
+Version: 0.1.8
 Summary: LLM agents
 Home-page: https://github.com/shibing624/agentica
 Author: XuMing
@@ -49,26 +49,25 @@ Requires-Dist: rich
 [![Wechat Group](https://img.shields.io/badge/wechat-group-green.svg?logo=wechat)](#Contact)
 
 
-**Agentica**: A Human-Centric Framework for Large Language Model Agent Building.
-
-**Agentica**: 构建你自己的Agent
+**Agentica**: A Human-Centric Framework for Large Language Model Agent Building. 快速打造你的专属Agent。
 
 ## Overview
 
 #### LLM Agent
-![llm_agnet](https://github.com/shibing624/agentica/blob/main/docs/llm_agentv2.png)
+<img src="https://github.com/shibing624/agentica/blob/main/docs/llm_agentv2.png" width="800" />
 
 - **规划（Planning）**：任务拆解、生成计划、反思
 - **记忆（Memory）**：短期记忆（prompt实现）、长期记忆（RAG实现）
 - **工具使用（Tool use）**：function call能力，调用外部API，以获取外部信息，包括当前日期、日历、代码执行能力、对专用信息源的访问等
 
-#### Agentica架构
-![agentica_arch](https://github.com/shibing624/agentica/blob/main/docs/agent_arch.png)
+#### Agentica Assistant Architecture  
+<img src="https://github.com/shibing624/agentica/blob/main/docs/agent_arch.png" width="800" />
 
 - **Planner**：负责让LLM生成一个多步计划来完成复杂任务，生成相互依赖的“链式计划”，定义每一步所依赖的上一步的输出
 - **Worker**：接受“链式计划”，循环遍历计划中的每个子任务，并调用工具完成任务，可以自动反思纠错以完成任务
 - **Solver**：求解器将所有这些输出整合为最终答案
 
+
 ## Features
 `Agentica`是一个Agent构建工具，功能：
 
@@ -116,30 +115,38 @@ python web_search_deepseek_demo.py
 自动调用google搜索工具，示例[examples/web_search_deepseek_demo.py](https://github.com/shibing624/agentica/blob/main/examples/web_search_deepseek_demo.py)
 
 ```python
-from agentica import Assistant, DeepseekLLM
-from agentica.tools.search_serper import SearchSerperTool
-
-m = Assistant(
-  llm=DeepseekLLM(),
-  description="You are a helpful ai assistant.",
-  show_tool_calls=True,
-  # Enable the assistant to search the knowledge base
-  search_knowledge=False,
-  tools=[SearchSerperTool()],
-  # Enable the assistant to read the chat history
-  read_chat_history=True,
-  debug_mode=True,
-)
+from agentica import Assistant, DeepseekLLM, SearchSerperTool
+
+m = Assistant(llm=DeepseekLLM(), tools=[SearchSerperTool()])
 
 r = m.run("一句话介绍林黛玉")
 print(r, "".join(r))
-r = m.run("北京最近的新闻top3", stream=True, print_output=True)
+r = m.run("北京最近的新闻top3", stream=True)
 print(r, "".join(r))
-r = m.run("总结前面的问答", stream=False, print_output=False)
+r = m.run("总结前面的问答", stream=False)
 print(r)
 ```
 
 
+## Web UI
+
+[shibing624/ChatPilot](https://github.com/shibing624/ChatPilot) 兼容`agentica`，可以通过Web UI进行交互。
+
+Web Demo: https://chat.mulanai.com
+
+<img src="https://github.com/shibing624/ChatPilot/blob/main/docs/shot.png" width="800" />
+
+```shell
+git clone https://github.com/shibing624/ChatPilot.git
+cd ChatPilot
+pip install -r requirements.txt
+
+cp .env.example .env
+
+bash start.sh
+```
+
+
 ## Examples
 
 | 示例                                                                                                                                    | 描述                                                                                                                              |
@@ -151,19 +158,20 @@ print(r)
 | [examples/team_news_article_demo.py](https://github.com/shibing624/agentica/blob/main/examples/team_news_article_demo.py)             | 实现了写新闻稿的team协作，multi-role实现，委托不用角色完成各自任务：研究员检索分析文章，撰写员根据排版写文章，汇总多角色成果输出结果                                                       |
 | [examples/workflow_news_article_demo.py](https://github.com/shibing624/agentica/blob/main/examples/workflow_news_article_demo.py)     | 实现了写新闻稿的工作流，multi-agent的实现，定义了多个Assistant和Task，多次调用搜索工具，并生成高级排版的新闻文章                                                            |
 | [examples/workflow_investment_demo.py](https://github.com/shibing624/agentica/blob/main/examples/workflow_investment_demo.py)         | 实现了投资研究的工作流：股票信息收集 - 股票分析 - 撰写分析报告 - 复查报告等多个Task                                                                                |
-| [examples/crawl_webpage_demo.py](https://github.com/shibing624/agentica/blob/main/examples/crawl_webpage_demo.py)                          | 实现了网页分析工作流：从Url爬取融资快讯 - 分析网页内容和格式 - 提取核心信息 - 汇总保存为md文件                                                                          |
+| [examples/crawl_webpage_demo.py](https://github.com/shibing624/agentica/blob/main/examples/crawl_webpage_demo.py)                     | 实现了网页分析工作流：从Url爬取融资快讯 - 分析网页内容和格式 - 提取核心信息 - 汇总保存为md文件                                                                          |
 | [examples/find_paper_from_arxiv_demo.py](https://github.com/shibing624/agentica/blob/main/examples/find_paper_from_arxiv_demo.py)     | 实现了论文推荐工作流：自动从arxiv搜索多组论文 - 相似论文去重 - 提取核心论文信息 - 保存为csv文件                                                                        |
 | [examples/remove_image_background_demo.py](https://github.com/shibing624/agentica/blob/main/examples/remove_image_background_demo.py) | 实现了自动去除图片背景功能，包括自动通过pip安装库，调用库实现去除图片背景                                                                                          |
 | [examples/text_classification_demo.py](https://github.com/shibing624/agentica/blob/main/examples/text_classification_demo.py)         | 实现了自动训练分类模型的工作流：读取训练集文件并理解格式 - 谷歌搜索pytextclassifier库 - 爬取github页面了解pytextclassifier的调用方法 - 写代码并执行fasttext模型训练 - check训练好的模型预测结果 |
 | [examples/llm_os_demo.py](https://github.com/shibing624/agentica/blob/main/examples/llm_os_demo.py)                                   | 实现了LLM OS的初步设计，基于LLM设计操作系统，可以通过LLM调用RAG、代码执行器、Shell等工具，并协同代码解释器、研究助手、投资助手等来解决问题。                                                |
-| [examples/workflow_write_novel_demo.py](https://github.com/shibing624/agentica/blob/main/examples/workflow_write_novel_demo.py)        | 实现了写小说的工作流：定小说提纲 - 搜索谷歌反思提纲 - 撰写小说内容 - 保存为md文件                                                                                  |
-| [examples/workflow_write_tutorial_demo.py](https://github.com/shibing624/agentica/blob/main/examples/workflow_write_tutorial_demo.py)  | 实现了写技术教程的工作流：定教程目录 - 反思目录内容 - 撰写教程内容 - 保存为md文件                                                                                  |
+| [examples/workflow_write_novel_demo.py](https://github.com/shibing624/agentica/blob/main/examples/workflow_write_novel_demo.py)       | 实现了写小说的工作流：定小说提纲 - 搜索谷歌反思提纲 - 撰写小说内容 - 保存为md文件                                                                                  |
+| [examples/workflow_write_tutorial_demo.py](https://github.com/shibing624/agentica/blob/main/examples/workflow_write_tutorial_demo.py) | 实现了写技术教程的工作流：定教程目录 - 反思目录内容 - 撰写教程内容 - 保存为md文件                                                                                  |
+| [examples/self_evolving_agent_demo.py](https://github.com/shibing624/agentica/blob/main/examples/self_evolving_agent_demo.py)         | 实现了基于长期记忆的自我进化智能体，可以基于历史问答信息自我调整决策                                                                                              |
 
 
 ### LLM OS
 The LLM OS design:
 
-<img alt="LLM OS" src="https://github.com/shibing624/agentica/blob/main/docs/llmos.png" width="600" />
+<img alt="LLM OS" src="https://github.com/shibing624/agentica/blob/main/docs/llmos.png" width="800" />
 
 #### Run the LLM OS App
 
@@ -172,26 +180,31 @@ cd examples
 streamlit run llm_os_demo.py
 ```
 
-![llm_os](https://github.com/shibing624/agentica/blob/main/docs/llm_os_snap.png)
+<img alt="LLM OS" src="https://github.com/shibing624/agentica/blob/main/docs/llm_os_snap.png" width="800" />
 
-## Web UI
+### Self-evolving Agent
+The self-evolving agent design:
 
-[shibing624/ChatPilot](https://github.com/shibing624/ChatPilot) 兼容`agentica`，可以通过Web UI进行交互。
+<img alt="LLM OS" src="https://github.com/shibing624/agentica/blob/main/docs/sage_arch.png" width="800" />
 
-Web Demo: https://chat.mulanai.com
+#### Feature
 
-![](https://github.com/shibing624/ChatPilot/blob/main/docs/shot.png)
+具有反思和增强记忆能力的自我进化智能体(self-evolving Agents with Reflective and Memory-augmented Abilities, SAGE)
 
-```shell
-git clone https://github.com/shibing624/ChatPilot.git
-cd ChatPilot
-pip install -r requirements.txt
+实现方法:
 
-cp .env.example .env
+1. 使用PythonAssistant作为SAGE智能体，使用AzureOpenAILLM作为LLM, 具备code-interpreter功能，可以执行Python代码，并自动纠错。
+2. 使用CsvMemoryDb作为SAGE智能体的记忆，用于存储用户的问题和答案，下次遇到相似的问题时，可以直接返回答案。
 
-bash start.sh
+#### Run Self-evolving Agent App
+
+```shell
+cd examples
+streamlit run self_evolving_agent_demo.py
 ```
 
+<img alt="sage_snap" src="https://github.com/shibing624/agentica/blob/main/docs/sage_snap.png" width="800" />
+
 
 ## Contact
 

agentica-0.1.6/agentica/version.py

@@ -1 +0,0 @@
-__version__ = "0.1.6"