jarvis-ai-assistant 0.1.218__py3-none-any.whl → 0.1.220__py3-none-any.whl

jarvis/__init__.py

@@ -1,4 +1,4 @@
 # -*- coding: utf-8 -*-
 """Jarvis AI Assistant"""
 
-__version__ = "0.1.218"
+__version__ = "0.1.220"

jarvis/jarvis_agent/__init__.py

@@ -2,7 +2,6 @@
 # 标准库导入
 import datetime
 import os
-from pathlib import Path
 import platform
 from typing import Any, Callable, Dict, List, Optional, Protocol, Tuple, Union
 
@@ -29,103 +28,57 @@ from jarvis.jarvis_utils.globals import (
     set_agent,
     set_interrupt,
 )
-from jarvis.jarvis_utils.input import get_multiline_input
+from jarvis.jarvis_utils.input import get_multiline_input, user_confirm
 from jarvis.jarvis_utils.methodology import load_methodology, upload_methodology
 from jarvis.jarvis_utils.output import OutputType, PrettyOutput
 from jarvis.jarvis_utils.tag import ct, ot
-from jarvis.jarvis_utils.utils import user_confirm
 
 origin_agent_system_prompt = f"""
 <role>
 # 🤖 角色
-你是一个专业的任务执行助手，擅长根据用户需求生成详细的任务执行计划并执行。
+你是一个专业的任务执行助手，根据用户需求制定并执行详细的计划。
 </role>
 
-<requirements>
-# 🔥 绝对行动要求
-1. 每个响应必须包含且仅包含一个工具调用
-2. 唯一例外：任务结束
-3. 空响应会触发致命错误
-</requirements>
-
-<violations>
-# 🚫 违规示例
-- 没有工具调用的分析 → 永久挂起
-- 未选择的多选项 → 永久挂起
-- 请求用户确认 → 永久挂起
-</violations>
+<rules>
+# ❗ 核心规则
+1.  **单步操作**: 每个响应必须包含且仅包含一个工具调用。
+2.  **任务终结**: 当任务完成时，明确指出任务已完成。这是唯一可以不调用工具的例外。
+3.  **无响应错误**: 空响应或仅有分析无工具调用的响应是致命错误，会导致系统挂起。
+4.  **决策即工具**: 所有的决策和分析都必须通过工具调用来体现。
+5.  **等待结果**: 在继续下一步之前，必须等待当前工具的执行结果。
+6.  **持续推进**: 除非任务完成，否则必须生成可操作的下一步。
+7.  **记录沉淀**: 如果解决方案有普适价值，应记录为方法论。
+8.  **用户语言**: 始终使用用户的语言进行交流。
+</rules>
 
 <workflow>
-# 🔄 问题解决流程
-1. 问题分析
-   - 重述问题以确认理解
-   - 分析根本原因（针对问题分析任务）
-   - 定义清晰、可实现的目标
-   → 必须调用分析工具
-
-2. 解决方案设计
-   - 生成多个可执行的解决方案
-   - 评估并选择最优方案
-   - 使用PlantUML创建详细行动计划
-   → 必须调用设计工具
-
-3. 执行
-   - 一次执行一个步骤
-   - 每个步骤只使用一个工具
-   - 等待工具结果后再继续
-   - 监控结果并根据需要调整
-   → 必须调用执行工具
-
-4. 任务完成
-   - 验证目标完成情况
-   - 如有价值则记录方法论
+# 🔄 工作流程
+1.  **分析**: 理解和分析问题，定义清晰的目标。
+2.  **设计**: 设计解决方案并制定详细的行动计划。
+3.  **执行**: 按照计划，一次一个步骤地执行。
+4.  **完成**: 验证任务是否达成目标，并进行总结。
 </workflow>
 
-<principles>
-# ⚖️ 操作原则
-- 每个步骤一个操作
-- 下一步前必须等待结果
-- 除非任务完成否则必须生成可操作步骤
-- 根据反馈调整计划
-- 记录可复用的解决方案
-- 使用完成命令结束任务
-- 操作之间不能有中间思考状态
-- 所有决策必须表现为工具调用
-</principles>
-
-<rules>
-# ❗ 重要规则
-1. 每个步骤只能使用一个操作
-2. 必须等待操作执行结果
-3. 必须验证任务完成情况
-4. 必须生成可操作步骤
-5. 如果无需操作必须使用完成命令
-6. 永远不要使对话处于等待状态
-7. 始终使用用户语言交流
-8. 必须记录有价值的方法论
-9. 违反操作协议将导致系统崩溃
-10. 空响应会触发永久挂起
-</rules>
-
 <system_info>
-# 系统信息：
-{platform.platform()}
-{platform.version()}
-
-# 当前时间
-{datetime.datetime.now().strftime("%Y-%m-%d %H:%M:%S")}
+# 系统信息
+- OS: {platform.platform()} {platform.version()}
+- Time: {datetime.datetime.now().strftime("%Y-%m-%d %H:%M:%S")}
 </system_info>
 """
 
 
 class OutputHandlerProtocol(Protocol):
-    def name(self) -> str: ...
+    def name(self) -> str:
+        ...
 
-    def can_handle(self, response: str) -> bool: ...
+    def can_handle(self, response: str) -> bool:
+        ...
 
-    def prompt(self) -> str: ...
+    def prompt(self) -> str:
+        ...
 
-    def handle(self, response: str, agent: Any) -> Tuple[bool, Any]: ...
+    def handle(self, response: str, agent: Any) -> Tuple[bool, Any]:
+        ...
 
 
 class Agent:
@@ -191,9 +144,7 @@ class Agent:
             if isinstance(platform, str):
                 self.model = PlatformRegistry().create_platform(platform)
                 if self.model is None:
-                    PrettyOutput.print(
-                        f"平台 {platform} 不存在，将使用普通模型", OutputType.WARNING
-                    )
+                    PrettyOutput.print(f"平台 {platform} 不存在，将使用普通模型", OutputType.WARNING)
                     self.model = PlatformRegistry().get_normal_platform()
             else:
                 self.model = platform
@@ -818,18 +769,14 @@ arguments:
 
                     if get_interrupt():
                         set_interrupt(False)
-                        user_input = self.multiline_inputer(
-                            f"模型交互期间被中断，请输入用户干预信息："
-                        )
+                        user_input = self.multiline_inputer(f"模型交互期间被中断，请输入用户干预信息：")
                         if user_input:
                             # 如果有工具调用且用户确认继续，则将干预信息和工具执行结果拼接为prompt
                             if any(
                                 handler.can_handle(current_response)
                                 for handler in self.output_handler
                             ):
-                                if user_confirm(
-                                    "检测到有工具调用，是否继续处理工具调用？", True
-                                ):
+                                if user_confirm("检测到有工具调用，是否继续处理工具调用？", True):
                                     self.prompt = f"{user_input}\n\n{current_response}"
                                     continue
                             self.prompt += f"{user_input}"
@@ -875,9 +822,7 @@ arguments:
             if self.use_methodology:
                 if not upload_methodology(self.model, other_files=self.files):
                     if self.files:
-                        PrettyOutput.print(
-                            "文件上传失败，将忽略文件列表", OutputType.WARNING
-                        )
+                        PrettyOutput.print("文件上传失败，将忽略文件列表", OutputType.WARNING)
                         # 上传失败则回退到本地加载
                     msg = self.prompt
                     for handler in self.input_handler:
@@ -885,14 +830,14 @@ arguments:
                     self.prompt = f"{self.prompt}\n\n以下是历史类似问题的执行经验，可参考：\n{load_methodology(msg, self.get_tool_registry())}"
                 else:
                     if self.files:
-                        self.prompt = f"{self.prompt}\n\n上传的文件包含历史对话信息和方法论文件，可以从中获取一些经验信息。"
+                        self.prompt = (
+                            f"{self.prompt}\n\n上传的文件包含历史对话信息和方法论文件，可以从中获取一些经验信息。"
+                        )
                     else:
                         self.prompt = f"{self.prompt}\n\n上传的文件包含历史对话信息，可以从中获取一些经验信息。"
             elif self.files:
                 if not self.model.upload_files(self.files):
-                    PrettyOutput.print(
-                        "文件上传失败，将忽略文件列表", OutputType.WARNING
-                    )
+                    PrettyOutput.print("文件上传失败，将忽略文件列表", OutputType.WARNING)
                 else:
                     self.prompt = f"{self.prompt}\n\n上传的文件包含历史对话信息，可以从中获取一些经验信息。"
         else:

jarvis/jarvis_agent/shell_input_handler.py

@@ -2,7 +2,7 @@
 from typing import Any, Tuple
 
 from jarvis.jarvis_utils.output import OutputType, PrettyOutput
-from jarvis.jarvis_utils.utils import user_confirm
+from jarvis.jarvis_utils.input import user_confirm
 
 
 def shell_input_handler(user_input: str, agent: Any) -> Tuple[str, bool]:

jarvis/jarvis_code_agent/code_agent.py

@@ -30,9 +30,9 @@ from jarvis.jarvis_utils.git_utils import (
     handle_commit_workflow,
     has_uncommitted_changes,
 )
-from jarvis.jarvis_utils.input import get_multiline_input
+from jarvis.jarvis_utils.input import get_multiline_input, user_confirm
 from jarvis.jarvis_utils.output import OutputType, PrettyOutput
-from jarvis.jarvis_utils.utils import get_loc_stats, init_env, user_confirm
+from jarvis.jarvis_utils.utils import get_loc_stats, init_env
 
 
 class CodeAgent:
@@ -359,7 +359,9 @@ class CodeAgent:
 
                 # 添加提交信息到final_ret
                 if commits:
-                    final_ret += f"\n\n代码已修改完成\n补丁内容:\n```diff\n{diff}\n```\n"
+                    final_ret += (
+                        f"\n\n代码已修改完成\n补丁内容:\n```diff\n{diff}\n```\n"
+                    )
                     # 修改后的提示逻辑
                     lint_tools_info = "\n".join(
                         f"   - {file}: 使用 {'、'.join(get_lint_tools(file))}"

jarvis/jarvis_data/config_schema.json

@@ -181,6 +181,36 @@
       "description": "是否打印提示",
       "default": false
     },
+    "JARVIS_RAG": {
+      "type": "object",
+      "description": "RAG框架的配置",
+      "properties": {
+        "embedding_mode": {
+          "type": "string",
+          "enum": [
+            "performance",
+            "accuracy"
+          ],
+          "default": "performance",
+          "description": "嵌入模型的模式, 'performance'表示性能优先, 'accuracy'表示准确度优先"
+        },
+        "embedding_cache_path": {
+          "type": "string",
+          "default": ".jarvis/rag/embeddings",
+          "description": "嵌入向量缓存的路径, 相对于当前工作目录"
+        },
+        "vector_db_path": {
+          "type": "string",
+          "default": ".jarvis/rag/vectordb",
+          "description": "向量数据库的持久化存储路径, 相对于当前工作目录"
+        }
+      },
+      "default": {
+        "embedding_mode": "performance",
+        "embedding_cache_path": ".jarvis/rag/embeddings",
+        "vector_db_path": ".jarvis/rag/vectordb"
+      }
+    },
     "JARVIS_REPLACE_MAP": {
       "type": "object",
       "description": "自定义替换映射表配置",

jarvis/jarvis_git_squash/main.py

@@ -6,7 +6,8 @@ from typing import Dict
 
 from jarvis.jarvis_git_utils.git_commiter import GitCommitTool
 from jarvis.jarvis_utils.output import OutputType, PrettyOutput
-from jarvis.jarvis_utils.utils import init_env, user_confirm
+from jarvis.jarvis_utils.utils import init_env
+from jarvis.jarvis_utils.input import user_confirm
 
 
 class GitSquashTool:

jarvis/jarvis_platform/human.py

@@ -12,6 +12,7 @@ from typing import Generator, List, Tuple
 from jarvis.jarvis_platform.base import BasePlatform
 from jarvis.jarvis_utils.input import get_multiline_input
 from jarvis.jarvis_utils.output import OutputType, PrettyOutput
+from jarvis.jarvis_utils.utils import copy_to_clipboard
 
 
 class HumanPlatform(BasePlatform):
@@ -57,13 +58,7 @@ class HumanPlatform(BasePlatform):
             prompt = f"{message} {session_info}"
 
         # 将prompt复制到剪贴板
-        import subprocess
-
-        try:
-            subprocess.run(["xsel", "-ib"], input=prompt.encode("utf-8"), check=True)
-            PrettyOutput.print("提示已复制到剪贴板", OutputType.INFO)
-        except subprocess.CalledProcessError as e:
-            PrettyOutput.print(f"无法复制到剪贴板: {e}", OutputType.WARNING)
+        copy_to_clipboard(prompt)
 
         response = get_multiline_input(prompt + "\n\n请回复:")
         yield response

jarvis/jarvis_platform/yuanbao.py

@@ -38,7 +38,9 @@ class YuanbaoPlatform(BasePlatform):
         self.agent_id = "naQivTmsDa"
 
         if not self.cookies:
-            PrettyOutput.print("YUANBAO_COOKIES 未设置", OutputType.WARNING)
+            raise ValueError(
+                "YUANBAO_COOKIES environment variable not set. Please provide your cookies to use the Yuanbao platform."
+            )
 
         self.system_message = ""  # 系统消息，用于初始化对话
         self.first_chat = True  # 标识是否为第一次对话

jarvis/jarvis_rag/__init__.py

@@ -0,0 +1,11 @@
+"""
+Jarvis RAG Framework
+
+A flexible RAG pipeline with pluggable remote LLMs and local, cache-enabled embedding models.
+"""
+
+from .rag_pipeline import JarvisRAGPipeline
+from .llm_interface import LLMInterface
+from .embedding_manager import EmbeddingManager
+
+__all__ = ["JarvisRAGPipeline", "LLMInterface", "EmbeddingManager"]

jarvis/jarvis_rag/cache.py

@@ -0,0 +1,87 @@
+import hashlib
+from typing import List, Optional, Any
+
+from diskcache import Cache
+
+
+class EmbeddingCache:
+    """
+    A disk-based cache for storing and retrieving text embeddings.
+
+    This class uses diskcache to create a persistent, local cache. It generates
+    a key for each text content based on its SHA256 hash, making lookups
+    deterministic and efficient.
+    """
+
+    def __init__(self, cache_dir: str, salt: str = ""):
+        """
+        Initializes the EmbeddingCache.
+
+        Args:
+            cache_dir (str): The directory where the cache will be stored.
+            salt (str): A salt to be added to the hash. This is crucial for
+                        ensuring that embeddings generated by different models
+                        do not collide. For example, use the model name as a salt.
+        """
+        self.cache = Cache(cache_dir)
+        self.salt = salt
+
+    def _get_key(self, text: str) -> str:
+        """Generates a unique cache key for a given text and salt."""
+        hash_object = hashlib.sha256((self.salt + text).encode("utf-8"))
+        return hash_object.hexdigest()
+
+    def get(self, text: str) -> Optional[Any]:
+        """
+        Retrieves an embedding from the cache.
+
+        Args:
+            text (str): The text to look up.
+
+        Returns:
+            The cached embedding, or None if it's not in the cache.
+        """
+        key = self._get_key(text)
+        return self.cache.get(key)
+
+    def set(self, text: str, embedding: Any) -> None:
+        """
+        Stores an embedding in the cache.
+
+        Args:
+            text (str): The text corresponding to the embedding.
+            embedding (Any): The embedding vector to store.
+        """
+        key = self._get_key(text)
+        self.cache.set(key, embedding)
+
+    def get_batch(self, texts: List[str]) -> List[Optional[Any]]:
+        """
+        Retrieves a batch of embeddings from the cache.
+
+        Args:
+            texts (List[str]): A list of texts to look up.
+
+        Returns:
+            A list containing cached embeddings or None for cache misses.
+        """
+        return [self.get(text) for text in texts]
+
+    def set_batch(self, texts: List[str], embeddings: List[Any]) -> None:
+        """
+        Stores a batch of embeddings in the cache.
+
+        Args:
+            texts (List[str]): The list of texts.
+            embeddings (List[Any]): The list of corresponding embeddings.
+        """
+        if len(texts) != len(embeddings):
+            raise ValueError("Length of texts and embeddings must be the same.")
+
+        with self.cache.transact():
+            for text, embedding in zip(texts, embeddings):
+                self.set(text, embedding)
+
+    def close(self):
+        """Closes the cache connection."""
+        self.cache.close()