auto-coder 0.1.376__tar.gz → 0.1.377__tar.gz

{auto_coder-0.1.376 → auto_coder-0.1.377}/PKG-INFO

@@ -1,6 +1,6 @@
 Metadata-Version: 2.1
 Name: auto-coder
-Version: 0.1.376
+Version: 0.1.377
 Summary: AutoCoder: AutoCoder
 Author: allwefantasy
 Classifier: Programming Language :: Python :: 3.10

{auto_coder-0.1.376 → auto_coder-0.1.377}/src/auto_coder.egg-info/PKG-INFO

@@ -1,6 +1,6 @@
 Metadata-Version: 2.1
 Name: auto-coder
-Version: 0.1.376
+Version: 0.1.377
 Summary: AutoCoder: AutoCoder
 Author: allwefantasy
 Classifier: Programming Language :: Python :: 3.10

{auto_coder-0.1.376 → auto_coder-0.1.377}/src/autocoder/rag/agentic_rag.py

@@ -40,7 +40,7 @@ class RAGAgent(BaseAgent):
         args: AutoCoderArgs, 
         rag: LongContextRAG,
         conversation_history: Optional[List[Dict[str, Any]]] = None):
-
+        self.llm = llm 
         self.default_llm = self.llm
         self.context_prune_llm = self.default_llm
         if self.default_llm.get_sub_client("context_prune_model"):
@@ -125,37 +125,24 @@ class AgenticRAG:
             "query":message["content"]
         }
 
-
+    @byzerllm.prompt()
     def system_prompt(self):
         '''
         你是一个基于知识库的智能助手，我的核心能力是通过检索增强生成（RAG）技术来回答用户问题。
 
         你的工作流程如下：
-        1. 当用户提出问题时，我会首先理解问题的核心意图和关键信息需求
+        1. 当用户提出问题时，你首先理解问题的核心意图和关键信息需求
         2. 你会从多个角度分析问题，确定最佳的检索策略和关键词，然后召回工具 recall 获取与问题最相关的详细内容，只有在特别有必要的情况下，你才回使用 read_file 来获得相关文件更详细的信息。
         5. 如果获得的信息足够回答用户问题，你会直接生成回答。
         6. 如果获得的信息不足以回答用户问题，你会继续使用 recall 工具，直到你确信已经获取了足够的信息来回答用户问题。
         7. 有的问题可能需要拆解成多个问题，分别进行recall,然后最终得到的结果才是完整信息，最后才能进行回答。                
-
-        此外，你回答会遵循以下要求：
-
-        1. 严格基于召回的文档内容回答        
-        - 如果召回的文档提供的信息无法回答问题,请明确回复:"抱歉,文档中没有足够的信息来回答这个问题。" 
-        - 不要添加、推测或扩展文档未提及的信息
-
-        2. 格式如 ![image](/path/to/images/path.png) 的 Markdown 图片处理
-        - 根据Markdown 图片前后文本内容推测改图片与问题的相关性，有相关性则在回答中输出该Markdown图片路径
-        - 根据相关图片在文档中的位置，自然融入答复内容,保持上下文连贯
-        - 完整保留原始图片路径,不省略任何部分
-
-        3. 回答格式要求
-        - 使用markdown格式提升可读性        
+        8. 当你遇到图片的时候，请根据图片前后文本内容推测改图片与问题的相关性，有相关性则在回答中使用 ![]()格式输出该Markdown图片路径，否则不输出。        
         {% if local_image_host %}
-        4. 图片路径处理
+        9. 图片路径处理
         - 图片地址需返回绝对路径, 
-        - 对于Windows风格的路径，需要转换为Linux风格， 例如：C:\\Users\\user\\Desktop\\image.png 转换为 C:/Users/user/Desktop/image.png
+        - 对于Windows风格的路径，需要转换为Linux风格， 例如：![image](C:\\Users\\user\\Desktop\\image.png) 转换为 ![image](C:/Users/user/Desktop/image.png)
         - 为请求图片资源 需增加 http://{{ local_image_host }}/static/ 作为前缀
-        例如：/path/to/images/image.png， 返回 http://{{ local_image_host }}/static/path/to/images/image.png
+        举个例子：![image](/path/to/images/image.png)， 返回 ![image](http://{{ local_image_host }}/static/path/to/images/image.png)
         {% endif %} 
         '''    
         return {

auto_coder-0.1.377/src/autocoder/version.py

@@ -0,0 +1,2 @@
+
+__version__ = "0.1.377"

auto_coder-0.1.376/src/autocoder/version.py

@@ -1,2 +0,0 @@
-
-__version__ = "0.1.376"