bisheng-langchain 0.2.3.2__py3-none-any.whl → 0.3.0__py3-none-any.whl

bisheng_langchain/gpts/prompts/breif_description_prompt.py

@@ -0,0 +1,104 @@
+from langchain_core.prompts import PromptTemplate
+from langchain_core.prompts.chat import (
+    ChatPromptTemplate,
+    HumanMessagePromptTemplate,
+    SystemMessagePromptTemplate,
+)
+
+system_template = """
+你是一个生成简要描述的助手。接下来，你会收到一段关于任务助手的文本信息，你需要根据任务助手的文本信息生成一段简要的描述，描述不超过40个字。
+
+下面是一些示例
+例子1: 
+输入文本：
+# 角色
+你是一个可以帮助用户在家赚钱的机器人，你可以提供各种赚钱的途径和方法，帮助用户实现财务自由。
+
+## 技能
+### 技能 1: 提供赚钱途径
+1. 当用户需要赚钱途径时，你可以根据用户的兴趣、技能和时间等因素，提供一些适合在家赚钱的途径和方法，如网络兼职、自媒体创作、电商创业等。
+2. 你需要向用户详细介绍每种途径的操作流程、注意事项和收益情况等，以便用户做出选择。
+3. 你还可以根据用户的需求和情况，提供一些个性化的建议和指导，帮助用户更好地开展赚钱活动。
+
+### 技能 2: 提供赚钱技巧
+1. 当用户需要赚钱技巧时，你可以向用户提供一些实用的赚钱技巧，如如何提高工作效率、如何节省成本、如何增加收入等。
+2. 你需要向用户详细介绍每种技巧的操作方法和注意事项，以便用户能够正确地运用这些技巧。
+3. 你还可以根据用户的需求和情况，提供一些个性化的建议和指导，帮助用户更好地实现财务自由。
+
+### 技能 3: 提供创业指导
+1. 当用户需要创业指导时，你可以向用户提供一些创业的基本知识和方法，如如何选择创业项目、如何制定创业计划、如何筹集创业资金等。
+2. 你需要向用户详细介绍每种方法的操作流程和注意事项，以便用户能够正确地开展创业活动。
+3. 你还可以根据用户的需求和情况，提供一些个性化的建议和指导，帮助用户更好地实现创业目标。
+
+## 限制
+- 只讨论与赚钱有关的内容，拒绝回答与赚钱无关的话题。
+- 所输出的内容必须按照给定的格式进行组织，不能偏离框架要求。
+
+根据上述输入的文本概括生成一段简要描述: 
+针对用户的要求，提供赚钱途经、赚钱技巧和创业指导。
+
+
+例子2: 
+输入文本：
+# 角色：Excel全能助手
+## 个人简介
+- 版本：1.0
+- 语言：中文
+- 描述：我是一名Excel全能助手，专注于帮助用户解决Excel相关的问题和提供高效的数据处理方案。
+
+## 功能特点
+- 数据处理：熟练掌握Excel的各种数据处理功能，包括筛选、排序、合并、拆分、透视表等，能够帮助用户快速处理大量数据。
+- 公式应用：精通Excel的各种常用公式和函数，能够帮助用户进行复杂的数据计算和分析，提供准确的结果。
+- 数据可视化：熟悉Excel的图表功能，能够帮助用户将数据以直观的方式展示，制作出美观、清晰的图表。
+- 自动化操作：了解Excel的宏和VBA编程，能够帮助用户实现自动化操作，提高工作效率。
+
+## 使用指南
+1. 数据处理：
+   - 使用筛选功能，快速筛选出符合条件的数据。
+   - 利用排序功能，对数据进行升序或降序排列。
+   - 使用合并和拆分功能，将多个单元格合并为一个或将一个单元格拆分为多个。
+   - 利用透视表功能，对大量数据进行汇总和分析。
+
+2. 公式应用：
+   - 使用常用公式，如SUM、AVERAGE、MAX、MIN等，进行数据计算。
+   - 利用逻辑函数，如IF、AND、OR等，进行条件判断和逻辑运算。
+   - 使用VLOOKUP和HLOOKUP函数，进行数据查找和匹配。
+   - 利用COUNTIF和SUMIF函数，进行条件统计和求和。
+
+3. 数据可视化：
+   - 利用图表功能，选择合适的图表类型，如柱状图、折线图、饼图等，展示数据。
+   - 调整图表的样式和布局，使其更加美观和易读。
+   - 添加数据标签和图例，增加图表的信息量和可读性。
+
+4. 自动化操作：
+   - 利用宏录制功能，记录一系列操作步骤，实现自动化操作。
+   - 使用VBA编程，编写自定义的宏，实现更复杂的自动化操作。
+   - 将宏和VBA代码应用到Excel工作簿中，提高工作效率和准确性。
+
+## 使用建议
+- 熟悉Excel的快捷键和常用操作，可以提高工作效率。
+- 在处理大量数据时，先备份原始数据，以防误操作导致数据丢失。
+- 学习和掌握Excel的高级功能和技巧，可以更好地应对复杂的数据处理需求。
+- 及时保存和备份Excel文件，以防止意外情况导致数据丢失。
+
+根据上述输入的文本概括生成一段简要描述: 
+根据用户的需求，帮助用户解决Excel相关问题，包括数据处理、公式应用、数据可视化、使用建议等。
+
+你必须使用上述格式输出结果。
+
+"""
+
+
+human_template = """
+输入文本：
+{description}
+
+根据上述输入的文本概括生成一段简要描述:
+"""
+
+
+messages = [
+    SystemMessagePromptTemplate.from_template(system_template),
+    HumanMessagePromptTemplate.from_template(human_template),
+]
+BREIF_DES_PROMPT = ChatPromptTemplate.from_messages(messages)

bisheng_langchain/gpts/prompts/opening_dialog_prompt.py

@@ -0,0 +1,118 @@
+from langchain_core.prompts import PromptTemplate
+from langchain_core.prompts.chat import (
+    ChatPromptTemplate,
+    HumanMessagePromptTemplate,
+    SystemMessagePromptTemplate,
+)
+
+system_template = """
+你是一个生成开场白和预置问题的助手。接下来，你会收到一段关于任务助手的描述，你需要带入描述中的角色，以描述中的角色身份生成一段开场白，同时你还需要以描述中的角色身份生成几个预置问题。输出格式如下：
+[
+    {{
+        "开场白": "开场白内容",
+        "问题": ["问题1", "问题2", "问题3"]
+    }}
+]
+
+下面是一些示例
+例子1: 
+输入描述:
+# 角色
+你是一个可以帮助用户在家赚钱的机器人，你可以提供各种赚钱的途径和方法，帮助用户实现财务自由。
+
+## 技能
+### 技能 1: 提供赚钱途径
+1. 当用户需要赚钱途径时，你可以根据用户的兴趣、技能和时间等因素，提供一些适合在家赚钱的途径和方法，如网络兼职、自媒体创作、电商创业等。
+2. 你需要向用户详细介绍每种途径的操作流程、注意事项和收益情况等，以便用户做出选择。
+3. 你还可以根据用户的需求和情况，提供一些个性化的建议和指导，帮助用户更好地开展赚钱活动。
+
+### 技能 2: 提供赚钱技巧
+1. 当用户需要赚钱技巧时，你可以向用户提供一些实用的赚钱技巧，如如何提高工作效率、如何节省成本、如何增加收入等。
+2. 你需要向用户详细介绍每种技巧的操作方法和注意事项，以便用户能够正确地运用这些技巧。
+3. 你还可以根据用户的需求和情况，提供一些个性化的建议和指导，帮助用户更好地实现财务自由。
+
+### 技能 3: 提供创业指导
+1. 当用户需要创业指导时，你可以向用户提供一些创业的基本知识和方法，如如何选择创业项目、如何制定创业计划、如何筹集创业资金等。
+2. 你需要向用户详细介绍每种方法的操作流程和注意事项，以便用户能够正确地开展创业活动。
+3. 你还可以根据用户的需求和情况，提供一些个性化的建议和指导，帮助用户更好地实现创业目标。
+
+## 限制
+- 只讨论与赚钱有关的内容，拒绝回答与赚钱无关的话题。
+- 所输出的内容必须按照给定的格式进行组织，不能偏离框架要求。
+
+根据上述输入的描述生成开场白和预置问题:
+[
+    {{
+        "开场白": "你好，我是一个可以帮助你在家赚钱的机器人，很高兴认识你。",
+        "问题": ["如何使用你的服务来在家赚钱?", "你能提供哪些在家赚钱的建议和技巧?", "你的服务如何帮助我实现财务自由?"]
+    }}
+]
+
+
+例子2: 
+输入描述:
+# 角色：Excel全能助手
+## 个人简介
+- 版本：1.0
+- 语言：中文
+- 描述：我是一名Excel全能助手，专注于帮助用户解决Excel相关的问题和提供高效的数据处理方案。
+
+## 功能特点
+- 数据处理：熟练掌握Excel的各种数据处理功能，包括筛选、排序、合并、拆分、透视表等，能够帮助用户快速处理大量数据。
+- 公式应用：精通Excel的各种常用公式和函数，能够帮助用户进行复杂的数据计算和分析，提供准确的结果。
+- 数据可视化：熟悉Excel的图表功能，能够帮助用户将数据以直观的方式展示，制作出美观、清晰的图表。
+- 自动化操作：了解Excel的宏和VBA编程，能够帮助用户实现自动化操作，提高工作效率。
+
+## 使用指南
+1. 数据处理：
+   - 使用筛选功能，快速筛选出符合条件的数据。
+   - 利用排序功能，对数据进行升序或降序排列。
+   - 使用合并和拆分功能，将多个单元格合并为一个或将一个单元格拆分为多个。
+   - 利用透视表功能，对大量数据进行汇总和分析。
+
+2. 公式应用：
+   - 使用常用公式，如SUM、AVERAGE、MAX、MIN等，进行数据计算。
+   - 利用逻辑函数，如IF、AND、OR等，进行条件判断和逻辑运算。
+   - 使用VLOOKUP和HLOOKUP函数，进行数据查找和匹配。
+   - 利用COUNTIF和SUMIF函数，进行条件统计和求和。
+
+3. 数据可视化：
+   - 利用图表功能，选择合适的图表类型，如柱状图、折线图、饼图等，展示数据。
+   - 调整图表的样式和布局，使其更加美观和易读。
+   - 添加数据标签和图例，增加图表的信息量和可读性。
+
+4. 自动化操作：
+   - 利用宏录制功能，记录一系列操作步骤，实现自动化操作。
+   - 使用VBA编程，编写自定义的宏，实现更复杂的自动化操作。
+   - 将宏和VBA代码应用到Excel工作簿中，提高工作效率和准确性。
+
+## 使用建议
+- 熟悉Excel的快捷键和常用操作，可以提高工作效率。
+- 在处理大量数据时，先备份原始数据，以防误操作导致数据丢失。
+- 学习和掌握Excel的高级功能和技巧，可以更好地应对复杂的数据处理需求。
+- 及时保存和备份Excel文件，以防止意外情况导致数据丢失。
+
+根据上述输入的描述生成开场白和预置问题:
+[
+    {{
+        "开场白": "你好，我是一名Excel全能助手，可以帮助你解决Excel相关的问题和提供高效的数据处理方案。",
+        "问题": ["如何快速处理大量数据?", "如何使用Excel进行复杂的数据计算和分析?", "如何将数据以直观的方式展示，制作出美观、清晰的图表?"]
+    }}
+]
+
+你必须使用上述格式输出结果。
+"""
+
+human_template = """
+输入描述:
+{description}
+
+根据上述输入的描述生成开场白和预置问题:
+"""
+
+
+messages = [
+    SystemMessagePromptTemplate.from_template(system_template),
+    HumanMessagePromptTemplate.from_template(human_template),
+]
+OPENDIALOG_PROMPT = ChatPromptTemplate.from_messages(messages)

bisheng_langchain/gpts/prompts/select_tools_prompt.py

@@ -0,0 +1,29 @@
+SYS_MSG = """
+你是一个善于分析用户需求的专家，你非常擅长根据用户对任务的描述，从你的工具箱中选择合适的工具给用户。
+你的工具箱中有以下工具，其中tool_name表示这个工具的名字，tool_description表示工具的用途：{tool_pool}。
+
+在选择工具时，你需要遵守以下规则：
+1. 你需要根据用户输入的任务描述，选择最符合用户需求的工具，不要随意选择工具给用户。
+2. 只能从你的工具箱中选择工具，一定不要自己编造工具箱中不存在的工具给用户！
+3. 你只需要返回工具的名称，不需要返回工具的描述以及其他额外的信息，返回的格式为：['tool1', 'tool2', 'tool3']。
+4. 如果你觉得没有合适的工具，请返回：[]。
+5. 当任务描述中出现“Skill”时，你可以重点关注“Skill”中的内容，这些内容可能会帮助你更好地选择工具。
+6. 如果你回答对了，将会获得100块钱的奖励，如果回答错误，将会扣除50块钱。
+
+以下是一些示例:
+例子1:
+任务名: 论文助手
+任务描述: 帮助学生查找相关论文
+建议的工具: ['arxiv', 'bing_search']
+
+例子2:
+任务名: 时间查询
+任务描述: 查询当前时间
+建议的工具: ['get_current_time']
+"""
+
+HUMAN_MSG = """
+任务名: {task_name}
+任务描述: {task_description}
+建议的工具: 
+"""

bisheng_langchain/gpts/tools/api_tools/__init__.py

@@ -0,0 +1,50 @@
+from typing import Any, Callable, Dict, List, Tuple
+
+# from .eastmoney import
+from langchain_core.tools import BaseTool
+from mypy_extensions import KwArg
+
+from .flow import FlowTools
+from .macro_data import MacroData
+from .sina import StockInfo
+from .tianyancha import CompanyInfo
+
+# 筛选出类方法
+tianyancha_class_methods = [
+    method for method in CompanyInfo.__dict__
+    if isinstance(CompanyInfo.__dict__[method], classmethod)
+]
+
+_TIAN_YAN_CHA_TOOLS: Dict[str, Tuple[Callable[[KwArg(Any)], BaseTool], List[str]]] = {
+    f'tianyancha_{name}': (CompanyInfo.get_api_tool, ['api_key'])
+    for name in tianyancha_class_methods
+}
+
+sina_class_methods = [
+    method for method in StockInfo.__dict__ if isinstance(StockInfo.__dict__[method], classmethod)
+]
+
+_SINA_TOOLS: Dict[str, Tuple[Callable[[KwArg(Any)], BaseTool], List[str]]] = {
+    f'sina_{name}': (StockInfo.get_api_tool, [])
+    for name in sina_class_methods
+}
+
+macro_class_methods = [
+    method for method in MacroData.__dict__ if isinstance(MacroData.__dict__[method], classmethod)
+]
+
+_MACRO_TOOLS: Dict[str, Tuple[Callable[[KwArg(Any)], BaseTool], List[str]]] = {
+    f'macro_{name}': (MacroData.get_api_tool, [])
+    for name in macro_class_methods
+}
+
+_tmp_flow = ['knowledge_retrieve']
+_TMP_TOOLS: Dict[str, Tuple[Callable[[KwArg(Any)], BaseTool], List[str]]] = {
+    f'flow_{name}': (FlowTools.get_api_tool, ['collection_id'])
+    for name in _tmp_flow
+}
+ALL_API_TOOLS = {}
+ALL_API_TOOLS.update(_TIAN_YAN_CHA_TOOLS)
+ALL_API_TOOLS.update(_SINA_TOOLS)
+ALL_API_TOOLS.update(_MACRO_TOOLS)
+ALL_API_TOOLS.update(_TMP_TOOLS)

bisheng_langchain/gpts/tools/api_tools/base.py

@@ -0,0 +1,90 @@
+from typing import Any, Dict, Tuple, Type, Union
+
+from bisheng_langchain.utils.requests import Requests, RequestsWrapper
+from langchain_core.pydantic_v1 import BaseModel, Extra, Field, root_validator
+from langchain_core.tools import BaseTool, Tool
+from loguru import logger
+
+
+class ApiArg(BaseModel):
+    query: str = Field(description='query to look up in this tool')
+
+
+class MultArgsSchemaTool(Tool):
+
+    def _to_args_and_kwargs(self, tool_input: Union[str, Dict]) -> Tuple[Tuple, Dict]:
+        # For backwards compatibility, if run_input is a string,
+        # pass as a positional argument.
+        if isinstance(tool_input, str):
+            return (tool_input, ), {}
+        else:
+            return (), tool_input
+
+
+class APIToolBase(BaseModel):
+    """Manage tianyancha company client."""
+
+    client: Any = Field(default=None, exclude=True)  #: :meta private:
+    async_client: Any = Field(default=None, exclude=True)  #: :meta private:
+    headers: Dict[str, Any] = {}
+    request_timeout: int = 30
+    url: str = None
+    params: Dict[str, Any] = Field(default_factory=dict)
+    input_key: str = 'keyword'
+    args_schema: Type[BaseModel] = ApiArg
+
+    class Config:
+        """Configuration for this pydantic object."""
+
+        extra = Extra.forbid
+
+    @root_validator()
+    def validate_environment(cls, values: Dict) -> Dict:
+        """Validate that api key and python package exists in environment."""
+        timeout = values.get('request_timeout', 30)
+        if not values.get('client'):
+            values['client'] = Requests(headers=values['headers'], request_timeout=timeout)
+        if not values.get('async_client'):
+            values['async_client'] = RequestsWrapper(headers=values['headers'],
+                                                     request_timeout=timeout)
+        return values
+
+    def run(self, query: str) -> str:
+        """Run query through api and parse result."""
+        if query:
+            self.params[self.input_key] = query
+        if self.params:
+            param = '&'.join([f'{k}={v}' for k, v in self.params.items()])
+            url = self.url + '?' + param if '?' not in self.url else self.url + '&' + param
+        else:
+            url = self.url
+        logger.info('api_call url={}', url)
+        resp = self.client.get(url)
+        if resp.status_code != 200:
+            logger.info('api_call_fail res={}', resp.text)
+        return resp.text
+
+    async def arun(self, query: str) -> str:
+        """Run query through api and parse result."""
+        if query:
+            self.params[self.input_key] = query
+        if self.params:
+            param = '&'.join([f'{k}={v}' for k, v in self.params.items()])
+            url = self.url + '?' + param if '?' not in self.url else self.url + '&' + param
+        else:
+            url = self.url
+        logger.info('api_call url={}', url)
+        resp = await self.async_client.aget(url)
+        logger.info(resp)
+        return resp
+
+    @classmethod
+    def get_api_tool(cls, name, **kwargs: Any) -> BaseTool:
+        attr_name = name.split('_', 1)[-1]
+        class_method = getattr(cls, attr_name)
+
+        return MultArgsSchemaTool(name=name,
+                                  description=class_method.__doc__,
+                                  func=class_method(**kwargs).run,
+                                  coroutine=class_method(**kwargs).arun,
+                                  args_schema=class_method(**kwargs).args_schema)

bisheng_langchain/gpts/tools/api_tools/flow.py

@@ -0,0 +1,59 @@
+from loguru import logger
+from pydantic import BaseModel, Field
+
+from .base import APIToolBase
+
+
+class FlowTools(APIToolBase):
+
+    def run(self, query: str) -> str:
+        """Run query through api and parse result."""
+        if query:
+            self.params[self.input_key] = {
+                'question': query
+            }
+
+        url = self.url
+        logger.info('api_call url={}', url)
+        resp = self.client.post(url, json=self.params)
+        if resp.status_code != 200:
+            logger.info('api_call_fail res={}', resp.text)
+        return resp.text
+
+    async def arun(self, query: str) -> str:
+        """Run query through api and parse result."""
+        if query:
+            self.params[self.input_key] = {
+                'question': query
+            }
+
+        url = self.url
+        logger.info('api_call url={}', url)
+        resp = await self.async_client.apost(url, json=self.params)
+        logger.info(resp)
+        return resp
+
+    @classmethod
+    def knowledge_retrieve(cls, collection_id: int = None) -> str:
+        """
+        知识库检索工具，从内部知识库进行检索总结
+        """
+        flow_id = 'c7985115-a9d2-446a-9c55-40b5728ffb52'
+        url = 'http://192.168.106.120:3002/api/v1/process/{}'.format(flow_id)
+        input_key = 'inputs'
+        params = {
+            'tweaks': {
+                'ElasticKeywordsSearch-pFFyR': {
+                    'collection_id': collection_id
+                },
+                'Milvus-9KIR6': {
+                    'collection_id': collection_id
+                }
+            }
+        }
+
+        class InputArgs(BaseModel):
+            """args_schema"""
+            query: str = Field(description='questions to ask')
+
+        return cls(url=url, params=params, input_key=input_key, args_schema=InputArgs)