beswarm 0.2.89__py3-none-any.whl → 0.2.91__py3-none-any.whl

beswarm/agents/planact.py

@@ -276,7 +276,7 @@ class BrokerWorker:
         instruction_agent_config = {
             "api_key": os.getenv("API_KEY"), "api_url": os.getenv("BASE_URL"),
             "engine": os.getenv("MODEL"),
-            "system_prompt": instruction_system_prompt,
+            "system_prompt": copy.deepcopy(instruction_system_prompt),
             "print_log": os.getenv("DEBUG", "false").lower() in ("true", "1", "t", "yes"),
             "temperature": 0.7, "use_plugins": False, "logger": self.logger
         }
@@ -286,7 +286,7 @@ class BrokerWorker:
         worker_agent_config = {
             "api_key": os.getenv("API_KEY"), "api_url": os.getenv("BASE_URL"),
             "engine": os.getenv("FAST_MODEL") or os.getenv("MODEL"),
-            "system_prompt": worker_system_prompt,
+            "system_prompt": copy.deepcopy(worker_system_prompt),
             "print_log": True, "temperature": 0.5, "function_call_max_loop": 100, "logger": self.logger,
             "check_done": True
         }

beswarm/aient/aient/plugins/excute_command.py

@@ -75,6 +75,7 @@ def excute_command(command):
   - **正确示例**: `git clone https://github.com/user/repo_name.git repo_name`
   - **错误用法**: `git clone https://github.com/user/repo_name.git .`
 - **禁止**: 禁止用于查看pdf，禁止使用 `pdftotext` 命令。
+- **检查子任务状态**: 禁止使用 `ls`, `cat` 等文件系统命令轮询检查子任务的完成状态或其输出。请改用 `get_task_result`, `get_all_tasks_status` 等工具来获取子任务的状态和结果。
 
 参数:
     command: 要执行的命令，例如克隆仓库、安装依赖、运行代码等。

beswarm/tools/__init__.py

@@ -19,6 +19,7 @@ from .screenshot import save_screenshot_to_file
 from .worker import worker, worker_gen, chatgroup
 from .click import find_and_click_element, scroll_screen
 from .subtasks import create_task, resume_task, get_all_tasks_status, get_task_result, create_tasks_from_csv
+from .deep_search import deepsearch
 
 #显式导入 aient.plugins 中的所需内容
 from ..aient.aient.plugins import (
@@ -46,6 +47,7 @@ __all__ = [
     "worker_gen",
     "read_image",
     "search_web",
+    "deepsearch",
     "create_task",
     "resume_task",
     "search_arxiv",

beswarm/tools/deep_search.py

@@ -0,0 +1,305 @@
+import os
+
+from beswarm.tools import (
+    worker,
+    get_code_repo_map,
+    search_arxiv,
+    read_file,
+    list_directory,
+    excute_command,
+    write_to_file,
+    download_read_arxiv_pdf,
+    edit_file,
+    search_web,
+    get_url_content,
+    read_image,
+    set_readonly_path,
+    request_admin_input,
+    create_task,
+    get_task_result,
+    get_all_tasks_status,
+    resume_task,
+    register_tool,
+    create_tasks_from_csv,
+    get_node_details,
+    add_knowledge_node,
+    delete_knowledge_node,
+    rename_knowledge_node,
+    move_knowledge_node,
+    get_knowledge_graph_tree,
+    add_tags_to_knowledge_node,
+    remove_tags_from_knowledge_node,
+)
+
+
+from datetime import datetime
+from typing import List, Dict, Union
+
+from ..core import mcp_manager, broker, kgm, get_task_manager, current_task_manager, current_work_dir
+from ..agents.planact import BrokerWorker
+
+
+
+@register_tool()
+def get_task1_goal(query: str):
+    """
+    根据用户查询生成任务1的目标。
+
+    这个函数为第一个子任务创建一个详细的提示。该子任务的目标是
+    使用 `search_web` 工具搜索与查询相关的信息，然后使用
+    `create_tasks_from_csv` 工具根据搜索结果创建更多的子任务。
+
+    返回的字符串是一个模版，将用作初始任务的“目标”。
+    它包含了指导AI代理（扮演“首席情报官”）从网络搜索结果构建知识图谱的说明。
+
+    参数:
+        query: 用户的搜索查询。
+
+    返回:
+        一个格式化的字符串，包含任务的详细目标提示。
+    """
+    return (
+        f"用户查询：{query}"
+        """
+调用 search_web 工具搜索，该工具会把搜索结果保存到 csv 文件中。
+
+**禁止**读取任何 csv 文件。
+
+然后使用 create_tasks_from_csv 工具，从 csv 文件中创建多个子任务。
+
+csv 的 title 是 query, url和content，content是url对应的网页内容。query 是查询内容。
+
+下面是通过 create_tasks_from_csv 创建子任务需要传入的 goal 模版，请将```内字符串原样传入，不要修改：
+
+```
+### **Deep Search & Synthesis Prompt (深度搜索与综合 Prompt)**
+
+**核心任务:** 你是一位**首席情报官、信息整合大师与战略分析师**。你的唯一目标是，围绕核心查询 (`{query}`), 通过深度分析指定URL (`{url}`) 的内容 (在 `<content>` 标签内), 动态地构建并填充一个**充满洞察、结构清晰、并具备决策价值**的知识图谱。
+
+**【决策者画像】**
+你的用户是一位**聪明的领域分析师、研究员或战略决策者**。他们需要一个关于 `{query}` 的、超越了简单链接列表的、结构化的深度理解。你的输出必须兼顾信息的精确性和整体格局的洞察力。
+
+**【第一原则 / The Prime Directive: 将信息转化为可行动的战略洞察】**
+1.  **【价值创造】** 你的目标远不止于信息的摘要，而是**提炼全新的理解、识别关键联系、并揭示潜在的洞察**。这要求你必须做到：**识别核心论点与反方观点**、**提取关键数据与证据**、**映射关键实体（人物、组织）及其关系**、**指明新兴趋势与待解问题**。
+2.  **【结构即大纲与查询根节点】** 整个知识图谱**必须且只能有一个根节点**，它代表核心查询 `{query}`。所有信息都必须是此根节点的子孙节点。当分析新内容时，应将其**核心观点**填充到**根节点下已有的主题节点**中（例如“核心论点”或“关键数据”），而非创建重复的结构。
+3.  **【来源可溯源】** 图谱中的**每一个信息点**都必须明确标注其来源 `#source:{url}`。
+4.  **【整合优先，审慎创建】** 尽一切努力将新信息归入现有的大纲结构中。只有当一个观点在逻辑上完全无法融入当前结构时，才考虑调整大纲（例如，新增一个“争议焦点”的三级标题）。
+5.  **【拥抱涌现】** 对 `{query}` 的理解是在持续分析中动态生长和重构的有机体，要为未来的可能性保留空间。
+6.  **【类别与实例分离】** **二级、三级节点必须是抽象的标题** (如 “关键人物”, “支持性证据”)。**具体的人物、组织、数据点等实例，只能作为叶子节点存在于各级标题之下。**
+7.  **【层级为骨，标签为魂】** 使用**层级结构**来表示信息的**主题归属关系**。对于所有**次要的、跨领域的、多维度的属性** (如观点倾向、证据类型)，**必须**使用**标签**来表示。
+
+**【命名风格规范】**
+所有节点的名称**必须**采用 **“中文名称 (英文全称或常用缩写)”** 的格式。
+
+**输入信息:**
+- **查询 (Query):** {query}
+- **URL:** {url}
+- **网页内容 (Content):** 在 `<content>` 标签内
+<content>
+{content}
+</content>
+
+**核心工作流:**
+
+你必须严格遵循以下**五个步骤**的思维与行动模型来完成任务：
+
+1.  **【第1步：审视全局与校准意图 (Review Landscape & Calibrate Intent)】**
+    *   调用 `get_knowledge_graph_tree` 工具，深入理解当前围绕 `{query}` 已构建的**知识图谱结构、核心主题、以及已有的标签体系**。明确当前分析的主要目的是为了填补哪些信息空白。
+
+2.  **【第2步：快速甄别与多维深潜 (Triage & Multi-dimensional Deep Dive)】**
+    *   **快速甄别:** 首先，判断该 `{url}` 的 `content` 是否与 `{query}` **直接相关**。如果完全无关，则**立即调用 `task_complete` 并注明“内容不相关”**，终止任务。
+    *   **多维深潜:** 如果相关，则必须从以下**多个维度**对内容进行强制性的深度分析：
+        *   **核心论点评估 (Central Thesis Assessment):** 此内容针对 `{query}` 提出了什么**核心观点、主张或关键信息**？
+        *   **证据与数据提取 (Evidence & Data Extraction):** 内容中是否包含可量化的**数据、统计、关键性能指标或强力证据**？必须将其作为独立节点提取。(标签: `#数据点`, `#统计数据`, `#案例研究`)
+        *   **立场与偏见识别 (Stance & Bias Identification):** 作者或来源对 `{query}` 持什么立场？是**支持、反对，还是中立**？是否存在明显的**商业或意识形态偏见**？ (标签: `#支持观点`, `#反对观点`, `#中立分析`, `#商业推广`)
+        *   **关键实体识别 (Key Entity Recognition):** 内容中是否提到了与 `{query}` 相关的**关键人物、组织、产品或技术**？这些应被识别并可能成为独立的节点。
+        *   **观点链接 (Argument Interconnectivity):** 此内容的观点是否**印证、反驳或补充**了知识图谱中已有的某个观点？
+        *   **信源强度评估 (Source Strength Assessment):** 该来源的**权威性**如何？是**官方报告、专家分析、新闻报道，还是用户生成内容**？ (标签: `#权威信源`, `#专家意见`, `#媒体报道`, `#用户评论`)
+        *   **洞察提炼 (Actionable Insight Distillation):** 该信息是否揭示了某个**新兴趋势、潜在风险、商业机会或有待进一步研究的问题**？ (标签: `#新兴趋势`, `#潜在风险`, `#未来方向`)
+
+3.  **【第3步：精确整合 (Precise Integration)】**
+    *   根据你的多维分析，调用工具 (`add_knowledge_node`, `add_tags_to_knowledge_node` 等) 将内容的知识点精确地整合进图谱。
+    *   **必须立即**为所有新节点打上**来源标签 (`#source:{url}`)** 和在第2步中规划好的所有**分析标签**。
+
+4.  **【第4步：自我审查与价值综合 (Self-Correction & Value Synthesis)】**
+    *   **在你调用`task_complete`之前，必须执行这一最终的、强制性的审查与综合步骤。**
+    *   再次调用 `get_knowledge_graph_tree()`，审视整个知识图谱，并对照以下的**【高价值情报简报清单】**进行重构：
+        *   **检查项1 (来源可溯源性):** 图谱中的**每一个信息点**是否都已正确、无遗漏地标注了其 `#source:{url}`？
+        *   **检查项2 (结构一致性):** 整个知识图谱是否严格维持在**单一查询根节点**之下？我是否将新信息正确**填充**到了已有的主题中，而不是创建了重复的类别？
+        *   **检查项3 (观点综合呈现):** 我是否已将**对立或互补的观点**组织在专门的标题下（如“争议焦点”）进行**对比呈现**？
+        *   **检查项4 (数据集中化):** 我能否创建一个对比性的列表或小节，来**并列呈现不同来源的关键数据**？
+        *   **检查项5 (关键实体网络):** 我是否清晰地展示了**核心实体（人物、组织）及其之间的关系**？
+        *   **检查项6 (洞察凸显):** **最具价值的洞察** (例如，被标记为 `#新兴趋势` 或 `#潜在风险` 的节点) 是否被组织在了专门的“**核心摘要**”或“**战略展望**”章节下，使其一目了然？
+    *   **如果检查发现任何可以提升情报价值的机会，你必须立即调用相应工具进行重构。**
+
+5.  **【第5步：完成任务 (Finalize)】**
+    *   只有当你确认知识图谱（情报简报）在**结构、逻辑、深度和洞察力**上都达到了你作为**首席情报官**的最高标准时，才能调用 `task_complete` 结束你的任务。
+```
+
+观察知识图谱，如果当前信息不足以回答用户的查询，则继续从不同角度搜索，直到信息足够为止。继续循环上一个子任务，直到信息足够为止。
+        """
+    )
+
+@register_tool()
+def get_task2_goal(query: str):
+    """
+    根据用户查询生成任务2的目标。
+
+    这个函数为第二个子任务创建一个详细的提示。该子任务的目标是
+    扮演一个“首席分析师”的角色，基于第一个任务构建的知识图谱，
+    生成一份最终的情报分析报告。
+
+    返回的字符串是一个模版，将用作第二个主要任务的“目标”。
+    它包含了指导AI代理如何审视知识图谱、构建报告大纲、
+    通过创建更多子任务来并行撰写报告的各个章节、
+    最终将所有章节整合成一份完整报告的详细说明。
+
+    参数:
+        query: 用户的搜索查询。
+
+    返回:
+        一个格式化的字符串，包含任务的详细目标提示。
+    """
+    return (
+        f"用户查询：{query}"
+        """
+### **Deep Synthesis & Report Generation Prompt (深度综合与报告生成 Prompt)**
+
+**任务:** 你是一位顶尖的**首席分析师**和资深的**情报报告总编辑**。你和你的情报官团队已经围绕核心查询 (`{query}`)，成功构建了一个高度结构化、信息丰富的知识图谱。现在，你的最终任务是基于这个完美的知识图谱，撰写一篇全面、深入、且具备决策价值的**最终情报分析报告**。
+
+**【最高指导原则：结构即洞察，深度源于综合】**
+1.  **以图谱为唯一蓝本:** 你撰写的报告，其**章节、段落、乃至论述的逻辑顺序，都必须严格遵循我们已经构建好的知识图谱树状结构**。图谱的层级就是你报告的层级。
+2.  **融合细节，提炼洞察:** 不要简单地罗列图谱中的叶子节点信息（如单个数据或观点）。你的任务是**综合**一个类别下的所有实例（叶子节点），并**提炼**出该类别的**核心趋势、关键发现、主要争论点或战略启示**。
+3.  **引用来源，彰显可信:** 在论述中提及任何具体信息、数据或观点时，你**必须**利用记录在节点`tags`中的`#source`信息，以清晰的方式（如 `(Source: {url})`）来标注来源。
+
+**你的工作流程:**
+
+你将采用一种**“总编规划 -> 分析师并行撰写 -> 总编整合终审”**的专业报告生成工作流。
+
+1.  **【第1步：全局情报审视 (Global Intelligence Review)】**
+    *   调用 `get_knowledge_graph_tree`，获取最终的、完整的知识图谱。这是你撰写报告的唯一事实来源，也是你分发给手下分析师们的“共享数据库”。
+
+2.  **【第2步：构建报告大纲并分派任务 (Report Outline & Task Delegation)】**
+    *   **a. 构思报告框架**: 基于你对整个知识图谱的理解，创造一个符合专业情报报告范式、具有逻辑递进关系的**报告大纲（即报告目录）**。例如，可以包含“执行摘要”、“核心发现”、“关键实体分析”、“数据与证据”、“新兴趋势与风险”、“战略展望”等章节。
+    *   **b. 精准定位素材**: 对于大纲中的**每一个章节**，明确指出它对应知识图谱中的**哪一个或哪几个主要分支**。这是你接下来要分派给每个分析师的“撰写范围”。
+    *   **c. 分派撰写子任务**: 基于你的大纲，调用`create_task`工具，为**每一个章节**创建一个并行的子任务。你**必须**将以下信息清晰地传递给每个子任务的`goal`中：
+        *   **`section_title`**: 你为该章节设定的标题。
+        *   **`list_of_relevant_kg_paths`**: 你在(b)步中为该章节划定的、在知识图谱中对应的源路径列表。
+        *   **`full_report_outline`**: 完整的报告大纲，让每个分析师都了解自己的工作在整个报告中的位置，以便更好地把握上下文和撰写口吻。
+        *   **`chief_analyst_notes`**: （可选但推荐）你作为总编辑对本章撰写的特别指示，例如“本章重点要突出不同来源观点的冲突与矛盾”或“请将本章数据进行可视化呈现的建议”。
+
+3.  **【第3步：监控与等待 (Monitor & Wait)】**
+    *   所有章节的撰写任务已并行派出。你的任务是监控它们的进度，并使用`get_task_result`工具，以等待所有撰写任务全部完成。
+
+4.  **【第4步：整合与终审 (Integration & Final Review)】**
+    *   调用`get_task_result`返回了所有子任务的结果，现在你的手上有多份独立的Markdown章节草稿。
+    *   你的任务是：
+        a. **整合**: 将所有章节草稿按照你最初设计的大纲顺序，合并成一篇完整的分析报告。
+        b. **审校**: 通读全文，检查章节间的过渡是否流畅，术语使用是否一致，整体风格是否统一。进行必要的编辑和润色。
+        c. **撰写执行摘要与战略展望**: 基于所有章节的深度内容，亲自撰写全文的**“执行摘要”**（提炼核心洞察给决策者）和**“战略展望”**（指明未来方向和建议）部分，为整篇报告注入灵魂。
+
+5.  **【第5步：完成任务 (Finalize)】**
+    *   当你对这篇由团队协作完成、并由你亲自统稿的报告感到满意时，编写执行摘要和战略展望章节，编写脚本通过 excute_command 使用 cat 和输出重定向进行文件内容拼接将所有章节合并到同一个md文件保存到本地，最后调用 `task_complete`，并将**最终的、完整的Markdown报告全文的文件路径**作为`message`参数返回。
+
+---
+### **【分析师专用】子任务`goal`** (注意：这是子任务的`goal`，填入必要信息后，传给子-任务执行)
+
+**任务:** 你是一位专业的领域分析师。你的总编辑已经为你规划好了整篇报告的结构，并为你分配了具体的章节撰写任务。
+
+**你的撰写任务:**
+
+- **章节标题:** `{section_title}` (例如: "3. 关键实体分析")
+- **撰写范围 (知识图谱路径):** `{list_of_relevant_kg_paths}` (例如: `["{query}/关键人物", "{query}/相关组织"]`)
+
+**核心指令:**
+
+1.  **获取全局图谱**: 首先，调用 `get_knowledge_graph_tree` 获取完整的、最新的知识图谱，作为你的参考背景。
+
+2.  **聚焦与深挖**: 将你的注意力**严格限制**在你被分配的撰写范围（`{list_of_relevant_kg_paths}`）内。
+    *   遍历这些分支下的所有叶子节点。
+    *   对于每一个重要的叶子节点，调用 `get_node_details` 来获取其完整的`description`（其中包含了核心信息）和`#source`标签。
+
+3.  **提炼与叙述**: 基于你收集到的详细信息，撰写一段**只关于本章节内容**的、逻辑连贯、语言流畅的Markdown文本保存到本地。
+    *   你需要综合信息，提炼观点（例如，总结某一类实体的共同特征或相互关系），而不是简单地罗列事实。
+    *   在论述中提及任何具体信息或数据时，**必须**以 `(Source: {url})` 的格式清晰地标注其来源。
+    *   如果需要，可以使用Markdown的表格来对比不同来源的数据。
+
+4.  **串行写作:** 你将以串行的方式，逐一完成每一个二级标题的撰写，分阶段写入本地文件。对于每个需要撰写的二级标题的内容，查看知识图谱分析是否存在可以补充的背景信息，调用 get_node_details 获取信息来补充。
+
+5.  **对于每一个二级标题，你必须遵循以下写作规范:**
+    *   a. **规划段落:** 在动笔前，先构思好要写2-3个段落来阐述观点。**禁止**使用不必要的无序列表。
+    *   b. **详细阐述:** 确保内容详实、有据可依、逻辑清晰，确保篇幅适中，每个二级标题只有一段是不合适的。
+    *   c. **承上启下:** 在开始撰写一个新的二级标题时，你的第一句话应该巧妙地与上一个标题的内容进行关联或对比，以确保章节的流畅性。
+
+6.  **完成本章**: 当你完成了本章节的撰写后，调用 `task_complete`，并将**你撰写的本章节Markdown文本的文件路径**作为`message`参数返回。**不要包含任何额外的内容，只返回你负责的这一章。**
+        """
+    )
+
+tools = [
+    write_to_file,
+    search_web,
+    create_task,
+    get_task_result,
+    get_all_tasks_status,
+    resume_task,
+    create_tasks_from_csv,
+    get_knowledge_graph_tree,
+    add_knowledge_node,
+    add_tags_to_knowledge_node,
+    rename_knowledge_node,
+    move_knowledge_node,
+    get_node_details,
+    get_task1_goal,
+    get_task2_goal,
+]
+
+@register_tool()
+async def deepsearch(query: str, work_dir: str):
+    """
+    执行一个深度搜索和综合任务，分为两个主要阶段。
+
+    deepsearch 任务通过编排两个连续的子任务来响应用户查询。
+    首先，它启动一个“情报收集”阶段，然后是一个“报告生成”阶段。
+
+    参数:
+        query (str): 用户的原始搜索查询。
+        work_dir (str): 工作目录的绝对路径。deepsearch 任务将在此目录上下文中执行操作。deepsearch 任务的工作目录位置在主任务的工作目录的子目录。deepsearch 任务工作目录**禁止**设置为主任务目录本身。
+
+    返回:
+        worker执行的结果。
+    """
+    start_time = datetime.now()
+    task_manager = get_task_manager()
+    current_task_manager.set(task_manager)
+    current_work_dir.set(work_dir)
+
+    goal = f"""
+**禁止**执行 get_task1_goal，get_task2_goal。
+
+使用 create_task 启动第一个子任务，下面是 goal 原文，请将```内字符串原样传入，不要修改：
+
+```
+用户查询：{query}
+
+使用get_task1_goal获取任务安排。
+```
+
+使用 create_task 第一个子任务结束后，启动第二个子任务，第二个子任务需要 excute_command 工具，下面是 goal 原文，请将```内字符串原样传入，不要修改：
+
+```
+用户查询：{query}
+
+使用get_task2_goal获取任务安排。
+
+务必先执行第一个子任务，等第一个子任务完成后，再执行第二个子任务。
+等待两个子任务都完成后，才调用 task_complete 结束任务。
+```
+"""
+
+    worker_instance = BrokerWorker(goal, tools, work_dir, True, broker, mcp_manager, task_manager, kgm)
+    result = await worker_instance.run()
+    end_time = datetime.now()
+    print(f"\n任务开始时间: {start_time.strftime('%Y-%m-%d %H:%M:%S')}")
+    print(f"任务结束时间: {end_time.strftime('%Y-%m-%d %H:%M:%S')}")
+    print(f"总用时: {end_time - start_time}")
+    return result

beswarm/tools/subtasks.py

@@ -74,7 +74,7 @@ def get_all_tasks_status():
     立即获取并返回所有任务的当前状态快照。
     此函数不会等待，它会立刻返回一个包含所有已知任务（包括已完成、正在运行和待处理的）信息的字典。
     **警告：** 此工具会返回所有任务的完整信息，可能导致大量的token消耗。
-    如果需要等待任务完成，请使用 `get_task_result()`。仅在需要对所有任务进行全面概览或调试时才应使用此工具。
+    如果需要等待任务完成，请使用 `get_task_result`。仅在需要对所有任务进行全面概览或调试时才应使用此工具。
 
     Returns:
         dict: 包含所有任务当前状态的字典。

{beswarm-0.2.89.dist-info → beswarm-0.2.91.dist-info}/METADATA

@@ -1,6 +1,6 @@
 Metadata-Version: 2.4
 Name: beswarm
-Version: 0.2.89
+Version: 0.2.91
 Summary: MAS
 Requires-Python: >=3.11
 Description-Content-Type: text/markdown

{beswarm-0.2.89.dist-info → beswarm-0.2.91.dist-info}/RECORD

@@ -6,7 +6,7 @@ beswarm/prompt.py,sha256=yuIDzFnU4nFmaZ4st_tS14W7RI_bvDDpaoTJYEuZTo4,34285
 beswarm/taskmanager.py,sha256=2Uz_cthW9rWkQMJdzgsXAMlfN8Ni2Qj_DOq_L-p6XZc,12662
 beswarm/utils.py,sha256=0J-b38P5QGT-A_38co7FjzaUNJykaskI7mbbcQ4w_68,8215
 beswarm/agents/chatgroup.py,sha256=PzrmRcDKAbB7cxL16nMod_CzPosDV6bfTmXxQVuv-AQ,12012
-beswarm/agents/planact.py,sha256=g4103GbyMSq3yT9dMwBYrZjZaPX6oQulvnSOvrospmU,18249
+beswarm/agents/planact.py,sha256=m78GIbgv8VGMcSPAU_Jk3YAT-1mHykEo5xuF6kNoxx8,18279
 beswarm/aient/aient/__init__.py,sha256=SRfF7oDVlOOAi6nGKiJIUK6B_arqYLO9iSMp-2IZZps,21
 beswarm/aient/aient/architext/architext/__init__.py,sha256=79Ih1151rfcqZdr7F8HSZSTs_iT2SKd1xCkehMsXeXs,19
 beswarm/aient/aient/architext/architext/core.py,sha256=IHN1d8Pe1oqaFSS1EQ3OpxCJydiLB3goL5n2uohr5Q8,29737
@@ -30,7 +30,7 @@ beswarm/aient/aient/models/chatgpt.py,sha256=gEOwukH-t9bHbW9ctyYiQ671NeHyIz8yP1Q
 beswarm/aient/aient/plugins/__init__.py,sha256=p3KO6Aa3Lupos4i2SjzLQw1hzQTigOAfEHngsldrsyk,986
 beswarm/aient/aient/plugins/arXiv.py,sha256=yHjb6PS3GUWazpOYRMKMzghKJlxnZ5TX8z9F6UtUVow,1461
 beswarm/aient/aient/plugins/config.py,sha256=TGgZ5SnNKZ8MmdznrZ-TEq7s2ulhAAwTSKH89bci3dA,7079
-beswarm/aient/aient/plugins/excute_command.py,sha256=urbOFUI-Wd-XaNyH3EfNBn7vnimzF84b2uq4jMXPxYM,10642
+beswarm/aient/aient/plugins/excute_command.py,sha256=b-rxsyFN6_HnZJAhUi9Qsp8iJ6XTf-zU-CIUIxeQO98,10869
 beswarm/aient/aient/plugins/get_time.py,sha256=Ih5XIW5SDAIhrZ9W4Qe5Hs1k4ieKPUc_LAd6ySNyqZk,654
 beswarm/aient/aient/plugins/image.py,sha256=ZElCIaZznE06TN9xW3DrSukS7U3A5_cjk1Jge4NzPxw,2072
 beswarm/aient/aient/plugins/list_directory.py,sha256=V_uKkLx_fQDL5z__bSDC-PqAP-o32KmQW6Pdhx0Fx0s,1433
@@ -107,9 +107,10 @@ beswarm/queries/tree-sitter-languages/ruby-tags.scm,sha256=vIidsCeE2A0vdFN18yXKq
 beswarm/queries/tree-sitter-languages/rust-tags.scm,sha256=9ljM1nzhfPs_ZTRw7cr2P9ToOyhGcKkCoN4_HPXSWi4,1451
 beswarm/queries/tree-sitter-languages/scala-tags.scm,sha256=UxQjz80JIrrJ7Pm56uUnQyThfmQNvwk7aQzPNypB-Ao,1761
 beswarm/queries/tree-sitter-languages/typescript-tags.scm,sha256=OMdCeedPiA24ky82DpgTMKXK_l2ySTuF2zrQ2fJAi9E,1253
-beswarm/tools/__init__.py,sha256=CPFj04Lm6TEol_2BFX-mVrpzvVIsmPcfTWhRg3xex7Q,2077
+beswarm/tools/__init__.py,sha256=7QHfhDaM12CG0sZ07yz-AOxtW2Hbrzuhn-g44pKyZ4c,2131
 beswarm/tools/click.py,sha256=wu-Ov5U2ZZLcU0gennDVh_2w_Td7F4dbVJcmu_dfHV4,20872
 beswarm/tools/completion.py,sha256=AIHtEHfSp6fs4Xa_nTcw9fLgXtYHtYGRDTSy7_x_Fak,544
+beswarm/tools/deep_search.py,sha256=s3gaL-lx15fqgSIpnH7465UwiLzTGhJP87xzXco1MNQ,20232
 beswarm/tools/edit_file.py,sha256=ZTJvbpsfRlp2t98kTn9XQ5qZBTdsWJVWv9t0lvK4RfU,9147
 beswarm/tools/graph.py,sha256=Ni51LCB65bLDDLC3ZyEJj_BeHAzhimhFgH9Ekr56Ll8,5871
 beswarm/tools/planner.py,sha256=vsHd7rE8RQHJrZ7BQ0ZXhbt4Fjh3DeyxU4piA5R-VPM,1253
@@ -118,10 +119,10 @@ beswarm/tools/request_input.py,sha256=3n2UW8m8Q7dxGhd7L7hzSJ1kk4ekMbtdtNZZT3dJf2
 beswarm/tools/screenshot.py,sha256=hyL6F8_k9Y03Nb_X18cY-klCpWWdkqyC-iGXfKX-7jc,1007
 beswarm/tools/search_arxiv.py,sha256=NLiJV1B7Um6EuZXLxnL950d837_he2LGG7qaGACSgwg,10750
 beswarm/tools/search_web.py,sha256=0fTeczXiOX_LJQGaLEGbuJtIPzofeuquGWEt3yDMtVw,17498
-beswarm/tools/subtasks.py,sha256=anKNMx3vpAhFSSn9FThTfET5w70c0iMr9RI3WbEaIJ4,12660
+beswarm/tools/subtasks.py,sha256=NHDnmUhUPgDQKBACnpgErpFJRcsH0w_Q9VsyQjNvNHA,12658
 beswarm/tools/worker.py,sha256=mQ1qdrQ8MgL99byAbTvxfEByFFGN9mty3UHqHjARMQ8,2331
 beswarm/tools/write_csv.py,sha256=u0Hq18Ksfheb52MVtyLNCnSDHibITpsYBPs2ub7USYA,1466
-beswarm-0.2.89.dist-info/METADATA,sha256=39srjSp9Xc4PreZUnljiYmrmyIsqITMG3IHHCtnhBwo,3878
-beswarm-0.2.89.dist-info/WHEEL,sha256=_zCd3N1l69ArxyTb8rzEoP9TpbYXkqRFSNOD5OuxnTs,91
-beswarm-0.2.89.dist-info/top_level.txt,sha256=pJw4O87wvt5882smuSO6DfByJz7FJ8SxxT8h9fHCmpo,8
-beswarm-0.2.89.dist-info/RECORD,,
+beswarm-0.2.91.dist-info/METADATA,sha256=40CjZjaI7ebbI-hkWAMSOjXceBotULgw76oASLnYRII,3878
+beswarm-0.2.91.dist-info/WHEEL,sha256=_zCd3N1l69ArxyTb8rzEoP9TpbYXkqRFSNOD5OuxnTs,91
+beswarm-0.2.91.dist-info/top_level.txt,sha256=pJw4O87wvt5882smuSO6DfByJz7FJ8SxxT8h9fHCmpo,8
+beswarm-0.2.91.dist-info/RECORD,,