jarvis-ai-assistant 0.1.222__tar.gz → 0.1.224__tar.gz

{jarvis_ai_assistant-0.1.222/src/jarvis_ai_assistant.egg-info → jarvis_ai_assistant-0.1.224}/PKG-INFO

@@ -1,6 +1,6 @@
 Metadata-Version: 2.4
 Name: jarvis-ai-assistant
-Version: 0.1.222
+Version: 0.1.224
 Summary: Jarvis: An AI assistant that uses tools to interact with the system
 Home-page: https://github.com/skyfireitdiy/Jarvis
 Author: skyfire
@@ -148,15 +148,16 @@ pip3 install jarvis-ai-assistant
 jarvis
 
 # 带参数使用
-jarvis -p <平台> -m <模型> -t "初始任务"
+jarvis --llm_type thinking -t "初始任务"
 ```
 
 #### 3. 命令行参数
 | 参数 | 描述 |
 |------|------|
-| `-p/--platform` | 指定AI平台 (yuanbao/kimi/tongyi/openai) |
-| `-m/--model` | 指定模型名称 |
-| `-t/--task` | 指定初始任务 |
+| `--llm_type` | 使用的LLM类型 (normal/thinking) |
+| `-t/--task` | 直接从命令行输入任务内容 |
+| `-f/--config` | 自定义配置文件的路径 |
+| `--restore-session` | 从 .jarvis/saved_session.json 恢复会话 |
 
 #### 4. 工作流程
 1. 初始化环境
@@ -178,14 +179,14 @@ jarvis -p <平台> -m <模型> -t "初始任务"
 # 基本使用
 jarvis
 
-# 指定平台和模型
-jarvis -p yuanbao -m deep_seek_v3
+# 指定LLM类型
+jarvis --llm_type thinking
 
 # 直接执行任务
 jarvis -t "分析项目结构并生成架构图"
 
 # 组合使用
-jarvis -p kimi -m k1 -t "优化项目性能"
+jarvis --llm_type thinking -t "优化项目性能"
 ```
 
 ### 代码代理功能 (jarvis-code-agent)
@@ -207,15 +208,15 @@ jarvis-code-agent
 jca
 
 # 带参数使用
-jarvis-code-agent -p <平台> -m <模型> -r "需求描述"
+jarvis-code-agent --llm_type thinking -r "需求描述"
 ```
 
 #### 3. 命令行参数
 | 参数 | 描述 |
 |------|------|
-| `-p/--platform` | 指定AI平台 (yuanbao/kimi/tongyi/openai) |
-| `-m/--model` | 指定模型名称 |
-| `-r/--requirement` | 直接指定需求描述 |
+| `--llm_type` | 使用的LLM类型 (normal/thinking) |
+| `-r/--requirement` | 要处理的需求 |
+| `--restore-session` | 从 .jarvis/saved_session.json 恢复会话 |
 
 #### 4. 工作流程
 1. 初始化环境（查找git根目录，检查未提交修改）
@@ -229,8 +230,8 @@ jarvis-code-agent -p <平台> -m <模型> -r "需求描述"
 # 使用默认平台分析代码
 jca
 
-# 指定平台和模型
-jca -p yuanbao -m deep_seek_v3
+# 指定LLM类型
+jca --llm_type thinking
 
 # 直接处理需求
 jca -r "修复src/example.py中的内存泄漏问题"
@@ -338,6 +339,7 @@ jarvis-agent -f <配置文件> -c <代理定义文件> -t "初始任务"
 | `-f/--config` | 指定配置文件路径（可选） |
 | `-c/--agent_definition` | 指定代理定义文件路径（可选） |
 | `-t/--task` | 指定初始任务（可选） |
+| `--llm_type` | 使用的LLM类型 (normal/thinking)，会覆盖配置文件中的设置 |
 
 #### 4. 配置文件格式
 代理定义文件使用YAML格式：
@@ -413,6 +415,8 @@ jarvis-platform-manager chat -p <平台名称> -m <模型名称>
 - `/shell <命令>` - 执行shell命令
 - `/save <文件名>` - 保存最后一条消息
 - `/saveall <文件名>` - 保存完整对话历史
+- `/save_session <文件名>` - 保存当前会话状态
+- `/load_session <文件名>` - 加载会话状态
 
 ##### 2.3 启动API服务
 ```bash
@@ -430,6 +434,7 @@ jarvis-platform-manager service --host <IP地址> --port <端口号> -p <平台
 ```bash
 # 加载角色配置文件并开始对话
 jarvis-platform-manager role -c <配置文件路径>
+# 配置文件默认为 ~/.jarvis/roles.yaml
 ```
 
 角色配置文件格式（YAML）：
@@ -604,14 +609,36 @@ jarvis-rag add README.md ./docs/ 'src/jarvis/jarvis_rag/*.py'
 
 **参数与选项:**
 
+| 参数/选项 | 描述 |
+|---|---|
 | 参数/选项 | 描述 |
 |---|---|
 | `paths` | **[必需]** 一个或多个文件路径、目录路径或用引号包裹的通配符模式。 |
-| `--collection` | 指定知识库的集合名称（默认为 `jarvis_rag_collection`）。 |
-| `--embedding-model` | 覆盖全局配置，强制使用特定的嵌入模型名称。 |
+| `--collection` / `-c` | 指定知识库的集合名称（默认为 `jarvis_rag_collection`）。 |
+| `--embedding-model` / `-e` | 覆盖全局配置，强制使用特定的嵌入模型名称。 |
 | `--db-path` | 覆盖全局配置，指定向量数据库的存储路径。 |
+| `--batch-size` / `-b` | 单个批次中要处理的文档数（默认为 500）。 |
+
+##### 2.2 列出知识库中的文档 (`list-docs`)
 
-##### 2.2 查询知识库 (`query`)
+此命令用于列出知识库中所有唯一的文档来源。
+
+```bash
+# 基本用法
+jarvis-rag list-docs
+
+# 指定集合
+jarvis-rag list-docs --collection my_collection
+```
+
+**参数与选项:**
+
+| 参数/选项 | 描述 |
+|---|---|
+| `--collection` / `-c` | 指定要查询的知识库集合名称。 |
+| `--db-path` | 覆盖全局配置，指定向量数据库的存储路径。 |
+
+##### 2.3 查询知识库 (`query`)
 
 此命令用于向已建立的知识库提出问题。
 
@@ -624,18 +651,20 @@ jarvis-rag query "你的问题"
 jarvis-rag query "请总结一下我添加的文档的核心内容"
 
 # 2. 指定使用Kimi模型进行查询
-jarvis-rag query "代码中的 'PlatformRegistry' 类是做什么用的？" --platform kimi --model moonshot-v1-8k
+jarvis-rag query "代码中的 'PlatformRegistry' 类是做什么用的？" --platform kimi --model kimi
 ```
 
 **参数与选项:**
 
+| 参数/选项 | 描述 |
+|---|---|
 | 参数/选项 | 描述 |
 |---|---|
 | `question` | **[必需]** 你要向知识库提出的问题。 |
-| `--collection` | 指定要查询的知识库集合名称。 |
-| `--platform` | 指定一个平台名称来回答问题，覆盖默认的“思考”模型。 |
-| `--model` | 指定一个模型名称来回答问题，需要与 `--platform` 同时使用。 |
-| `--embedding-model` | 覆盖全局配置，强制使用特定的嵌入模型名称。 |
+| `--collection` / `-c` | 指定要查询的知识库集合名称。 |
+| `--platform` / `-p` | 指定一个平台名称来回答问题，覆盖默认的“思考”模型。 |
+| `--model` / `-m` | 指定一个模型名称来回答问题，需要与 `--platform` 同时使用。 |
+| `--embedding-model` / `-e` | 覆盖全局配置，强制使用特定的嵌入模型名称。 |
 
 ### 3. 命令替换功能
 支持使用特殊标记`'<tag>'`触发命令替换功能：

{jarvis_ai_assistant-0.1.222 → jarvis_ai_assistant-0.1.224}/README.md

@@ -64,15 +64,16 @@ pip3 install jarvis-ai-assistant
 jarvis
 
 # 带参数使用
-jarvis -p <平台> -m <模型> -t "初始任务"
+jarvis --llm_type thinking -t "初始任务"
 ```
 
 #### 3. 命令行参数
 | 参数 | 描述 |
 |------|------|
-| `-p/--platform` | 指定AI平台 (yuanbao/kimi/tongyi/openai) |
-| `-m/--model` | 指定模型名称 |
-| `-t/--task` | 指定初始任务 |
+| `--llm_type` | 使用的LLM类型 (normal/thinking) |
+| `-t/--task` | 直接从命令行输入任务内容 |
+| `-f/--config` | 自定义配置文件的路径 |
+| `--restore-session` | 从 .jarvis/saved_session.json 恢复会话 |
 
 #### 4. 工作流程
 1. 初始化环境
@@ -94,14 +95,14 @@ jarvis -p <平台> -m <模型> -t "初始任务"
 # 基本使用
 jarvis
 
-# 指定平台和模型
-jarvis -p yuanbao -m deep_seek_v3
+# 指定LLM类型
+jarvis --llm_type thinking
 
 # 直接执行任务
 jarvis -t "分析项目结构并生成架构图"
 
 # 组合使用
-jarvis -p kimi -m k1 -t "优化项目性能"
+jarvis --llm_type thinking -t "优化项目性能"
 ```
 
 ### 代码代理功能 (jarvis-code-agent)
@@ -123,15 +124,15 @@ jarvis-code-agent
 jca
 
 # 带参数使用
-jarvis-code-agent -p <平台> -m <模型> -r "需求描述"
+jarvis-code-agent --llm_type thinking -r "需求描述"
 ```
 
 #### 3. 命令行参数
 | 参数 | 描述 |
 |------|------|
-| `-p/--platform` | 指定AI平台 (yuanbao/kimi/tongyi/openai) |
-| `-m/--model` | 指定模型名称 |
-| `-r/--requirement` | 直接指定需求描述 |
+| `--llm_type` | 使用的LLM类型 (normal/thinking) |
+| `-r/--requirement` | 要处理的需求 |
+| `--restore-session` | 从 .jarvis/saved_session.json 恢复会话 |
 
 #### 4. 工作流程
 1. 初始化环境（查找git根目录，检查未提交修改）
@@ -145,8 +146,8 @@ jarvis-code-agent -p <平台> -m <模型> -r "需求描述"
 # 使用默认平台分析代码
 jca
 
-# 指定平台和模型
-jca -p yuanbao -m deep_seek_v3
+# 指定LLM类型
+jca --llm_type thinking
 
 # 直接处理需求
 jca -r "修复src/example.py中的内存泄漏问题"
@@ -254,6 +255,7 @@ jarvis-agent -f <配置文件> -c <代理定义文件> -t "初始任务"
 | `-f/--config` | 指定配置文件路径（可选） |
 | `-c/--agent_definition` | 指定代理定义文件路径（可选） |
 | `-t/--task` | 指定初始任务（可选） |
+| `--llm_type` | 使用的LLM类型 (normal/thinking)，会覆盖配置文件中的设置 |
 
 #### 4. 配置文件格式
 代理定义文件使用YAML格式：
@@ -329,6 +331,8 @@ jarvis-platform-manager chat -p <平台名称> -m <模型名称>
 - `/shell <命令>` - 执行shell命令
 - `/save <文件名>` - 保存最后一条消息
 - `/saveall <文件名>` - 保存完整对话历史
+- `/save_session <文件名>` - 保存当前会话状态
+- `/load_session <文件名>` - 加载会话状态
 
 ##### 2.3 启动API服务
 ```bash
@@ -346,6 +350,7 @@ jarvis-platform-manager service --host <IP地址> --port <端口号> -p <平台
 ```bash
 # 加载角色配置文件并开始对话
 jarvis-platform-manager role -c <配置文件路径>
+# 配置文件默认为 ~/.jarvis/roles.yaml
 ```
 
 角色配置文件格式（YAML）：
@@ -520,14 +525,36 @@ jarvis-rag add README.md ./docs/ 'src/jarvis/jarvis_rag/*.py'
 
 **参数与选项:**
 
+| 参数/选项 | 描述 |
+|---|---|
 | 参数/选项 | 描述 |
 |---|---|
 | `paths` | **[必需]** 一个或多个文件路径、目录路径或用引号包裹的通配符模式。 |
-| `--collection` | 指定知识库的集合名称（默认为 `jarvis_rag_collection`）。 |
-| `--embedding-model` | 覆盖全局配置，强制使用特定的嵌入模型名称。 |
+| `--collection` / `-c` | 指定知识库的集合名称（默认为 `jarvis_rag_collection`）。 |
+| `--embedding-model` / `-e` | 覆盖全局配置，强制使用特定的嵌入模型名称。 |
 | `--db-path` | 覆盖全局配置，指定向量数据库的存储路径。 |
+| `--batch-size` / `-b` | 单个批次中要处理的文档数（默认为 500）。 |
+
+##### 2.2 列出知识库中的文档 (`list-docs`)
 
-##### 2.2 查询知识库 (`query`)
+此命令用于列出知识库中所有唯一的文档来源。
+
+```bash
+# 基本用法
+jarvis-rag list-docs
+
+# 指定集合
+jarvis-rag list-docs --collection my_collection
+```
+
+**参数与选项:**
+
+| 参数/选项 | 描述 |
+|---|---|
+| `--collection` / `-c` | 指定要查询的知识库集合名称。 |
+| `--db-path` | 覆盖全局配置，指定向量数据库的存储路径。 |
+
+##### 2.3 查询知识库 (`query`)
 
 此命令用于向已建立的知识库提出问题。
 
@@ -540,18 +567,20 @@ jarvis-rag query "你的问题"
 jarvis-rag query "请总结一下我添加的文档的核心内容"
 
 # 2. 指定使用Kimi模型进行查询
-jarvis-rag query "代码中的 'PlatformRegistry' 类是做什么用的？" --platform kimi --model moonshot-v1-8k
+jarvis-rag query "代码中的 'PlatformRegistry' 类是做什么用的？" --platform kimi --model kimi
 ```
 
 **参数与选项:**
 
+| 参数/选项 | 描述 |
+|---|---|
 | 参数/选项 | 描述 |
 |---|---|
 | `question` | **[必需]** 你要向知识库提出的问题。 |
-| `--collection` | 指定要查询的知识库集合名称。 |
-| `--platform` | 指定一个平台名称来回答问题，覆盖默认的“思考”模型。 |
-| `--model` | 指定一个模型名称来回答问题，需要与 `--platform` 同时使用。 |
-| `--embedding-model` | 覆盖全局配置，强制使用特定的嵌入模型名称。 |
+| `--collection` / `-c` | 指定要查询的知识库集合名称。 |
+| `--platform` / `-p` | 指定一个平台名称来回答问题，覆盖默认的“思考”模型。 |
+| `--model` / `-m` | 指定一个模型名称来回答问题，需要与 `--platform` 同时使用。 |
+| `--embedding-model` / `-e` | 覆盖全局配置，强制使用特定的嵌入模型名称。 |
 
 ### 3. 命令替换功能
 支持使用特殊标记`'<tag>'`触发命令替换功能：

{jarvis_ai_assistant-0.1.222 → jarvis_ai_assistant-0.1.224}/pyproject.toml

@@ -4,7 +4,7 @@ build-backend = "setuptools.build_meta"
 
 [project]
 name = "jarvis-ai-assistant"
-version = "0.1.222"
+version = "0.1.224"
 description = "Jarvis: An AI assistant that uses tools to interact with the system"
 readme = "README.md"
 authors = [{ name = "skyfire", email = "skyfireitdiy@hotmail.com" }]

{jarvis_ai_assistant-0.1.222 → jarvis_ai_assistant-0.1.224}/setup.py

@@ -3,7 +3,7 @@ from setuptools import setup, find_packages  # type: ignore
 
 setup(
     name="jarvis-ai-assistant",
-    version="0.1.222",
+    version="0.1.224",
     author="skyfire",
     author_email="skyfireitdiy@hotmail.com",
     description="An AI assistant that uses various tools to interact with the system",

{jarvis_ai_assistant-0.1.222 → jarvis_ai_assistant-0.1.224}/src/jarvis/__init__.py

@@ -1,4 +1,4 @@
 # -*- coding: utf-8 -*-
 """Jarvis AI Assistant"""
 
-__version__ = "0.1.222"
+__version__ = "0.1.224"

{jarvis_ai_assistant-0.1.222 → jarvis_ai_assistant-0.1.224}/src/jarvis/jarvis_agent/__init__.py

@@ -92,6 +92,10 @@ class Agent:
         # 只有在记录启动时才停止记录
         delete_agent(self.name)
 
+    def get_tool_usage_prompt(self) -> str:
+        """获取工具使用提示"""
+        return build_action_prompt(self.output_handler)  # type: ignore
+
     def __init__(
         self,
         system_prompt: str,
@@ -199,7 +203,7 @@ class Agent:
 
         PrettyOutput.print(welcome_message, OutputType.SYSTEM)
 
-        action_prompt = build_action_prompt(self.output_handler)  # type: ignore
+        action_prompt = self.get_tool_usage_prompt()
 
         self.model.set_system_prompt(
             f"""

{jarvis_ai_assistant-0.1.222 → jarvis_ai_assistant-0.1.224}/src/jarvis/jarvis_agent/builtin_input_handler.py

@@ -38,13 +38,7 @@ def builtin_input_handler(user_input: str, agent_: Any) -> Tuple[str, bool]:
             agent.clear()
             return "", True
         elif tag == "ToolUsage":
-            from jarvis.jarvis_tools.registry import ToolRegistry
-
-            tool_registry_ = agent.get_tool_registry()
-            tool_registry: ToolRegistry = (
-                tool_registry_ if tool_registry_ else ToolRegistry()
-            )
-            agent.set_addon_prompt(tool_registry.prompt())
+            agent.set_addon_prompt(agent.get_tool_usage_prompt())
             return "", False
         elif tag == "ReloadConfig":
             from jarvis.jarvis_utils.utils import load_config

{jarvis_ai_assistant-0.1.222 → jarvis_ai_assistant-0.1.224}/src/jarvis/jarvis_data/config_schema.json

@@ -176,6 +176,14 @@
       "description": "是否启用任务分析",
       "default": true
     },
+    "JARVIS_TOOL_LOAD_DIRS": {
+      "type": "array",
+      "description": "自定义工具加载目录",
+      "items": {
+        "type": "string"
+      },
+      "default": []
+    },
     "JARVIS_PRINT_PROMPT": {
       "type": "boolean",
       "description": "是否打印提示",
@@ -229,7 +237,35 @@
           "template"
         ]
       }
+    },
+    "OPENAI_API_KEY": {
+      "type": "string",
+      "description": "OpenAI API Key"
+    },
+    "OPENAI_API_BASE": {
+      "type": "string",
+      "description": "OpenAI API Base URL"
+    },
+    "KIMI_API_KEY": {
+      "type": "string",
+      "description": "Kimi API Key"
+    },
+    "TONGYI_COOKIES": {
+      "type": "string",
+      "description": "Tongyi Cookies"
+    },
+    "YUANBAO_COOKIES": {
+      "type": "string",
+      "description": "Yuanbao Cookies"
+    },
+    "AI8_API_KEY": {
+      "type": "string",
+      "description": "AI8 API Key"
+    },
+    "OYI_API_KEY": {
+      "type": "string",
+      "description": "Oyi API Key"
     }
   },
-  "additionalProperties": false
+  "additionalProperties": true
 }

{jarvis_ai_assistant-0.1.222 → jarvis_ai_assistant-0.1.224}/src/jarvis/jarvis_multi_agent/__init__.py

@@ -1,6 +1,6 @@
 # -*- coding: utf-8 -*-
 import re
-from typing import Any, Dict, List, Tuple
+from typing import Any, Dict, List, Optional, Tuple
 
 import yaml
 
@@ -14,9 +14,10 @@ from jarvis.jarvis_utils.tag import ct, ot
 class MultiAgent(OutputHandler):
     def __init__(self, agents_config: List[Dict], main_agent_name: str):
         self.agents_config = agents_config
-        self.agents = {}
-        self.init_agents()
+        self.agents_config_map = {c["name"]: c for c in agents_config}
+        self.agents: Dict[str, Agent] = {}
         self.main_agent_name = main_agent_name
+        self.original_question: Optional[str] = None
 
     def prompt(self) -> str:
         return f"""
@@ -101,43 +102,85 @@ content: |2
                 continue
         return ret
 
-    def init_agents(self):
-        for config in self.agents_config:
-            output_handler = config.get("output_handler", [])
-            if len(output_handler) == 0:
-                output_handler = [
-                    ToolRegistry(),
-                    self,
-                ]
-            else:
+    def _get_agent(self, name: str) -> Agent | None:
+        if name in self.agents:
+            return self.agents[name]
+
+        if name not in self.agents_config_map:
+            return None
+
+        config = self.agents_config_map[name].copy()
+
+        if name != self.main_agent_name and self.original_question:
+            system_prompt = config.get("system_prompt", "")
+            config["system_prompt"] = (
+                f"{system_prompt}\n\n# 原始问题\n{self.original_question}"
+            )
+
+        output_handler = config.get("output_handler", [])
+        if len(output_handler) == 0:
+            output_handler = [
+                ToolRegistry(),
+                self,
+            ]
+        else:
+            if not any(isinstance(h, MultiAgent) for h in output_handler):
                 output_handler.append(self)
-            config["output_handler"] = output_handler
-            agent = Agent(**config)
-            self.agents[config["name"]] = agent
+        config["output_handler"] = output_handler
+
+        agent = Agent(**config)
+        self.agents[name] = agent
+        return agent
 
     def run(self, user_input: str) -> str:
-        last_agent = self.main_agent_name
-        msg = self.agents[self.main_agent_name].run(user_input)
+        self.original_question = user_input
+        last_agent_name = self.main_agent_name
+
+        agent = self._get_agent(self.main_agent_name)
+        if not agent:
+            # This should not happen if main_agent_name is correctly configured
+            return f"主智能体 {self.main_agent_name} 未找到"
+
+        msg: Any = agent.run(user_input)
+
         while msg:
             if isinstance(msg, str):
                 return msg
-            elif isinstance(msg, Dict):
-                prompt = f"""
+
+            if not isinstance(msg, Dict):
+                # Should not happen if agent.run() returns str or Dict
+                PrettyOutput.print(f"未知消息类型: {type(msg)}", OutputType.WARNING)
+                break
+
+            prompt = f"""
 Please handle this message:
-from: {last_agent}
+from: {last_agent_name}
 content: {msg['content']}
 """
-                if msg["to"] not in self.agents:
-                    PrettyOutput.print(
-                        f"未找到智能体 {msg['to']}，正在重试...", OutputType.WARNING
-                    )
-                    msg = self.agents[last_agent].run(
-                        f"未找到智能体 {msg['to']}，可用智能体列表: {self.agents.keys()}"
-                    )
-                    continue
+            to_agent_name = msg.get("to")
+            if not to_agent_name:
+                return f"消息中未指定 `to` 字段"
+
+            if to_agent_name not in self.agents_config_map:
                 PrettyOutput.print(
-                    f"{last_agent} 正在向 {msg['to']} 发送消息...", OutputType.INFO
+                    f"未找到智能体 {to_agent_name}，正在重试...", OutputType.WARNING
                 )
-                last_agent = self.agents[msg["to"]].name
-                msg = self.agents[msg["to"]].run(prompt)
+                agent = self._get_agent(last_agent_name)
+                if not agent:
+                    return f"智能体 {last_agent_name} 未找到"
+                msg = agent.run(
+                    f"未找到智能体 {to_agent_name}，可用智能体列表: {list(self.agents_config_map.keys())}"
+                )
+                continue
+
+            PrettyOutput.print(
+                f"{last_agent_name} 正在向 {to_agent_name} 发送消息...", OutputType.INFO
+            )
+
+            agent = self._get_agent(to_agent_name)
+            if not agent:
+                return f"智能体 {to_agent_name} 未找到"
+
+            last_agent_name = agent.name
+            msg = agent.run(prompt)
         return ""

{jarvis_ai_assistant-0.1.222 → jarvis_ai_assistant-0.1.224}/src/jarvis/jarvis_platform/kimi.py

@@ -24,8 +24,8 @@ class KimiModel(BasePlatform):
     def get_model_list(self) -> List[Tuple[str, str]]:
         """Get model list"""
         return [
-            ("kimi", "基于网页的 Kimi，免费接口"),
-            ("k1", "基于网页的 Kimi，深度思考模型"),
+            ("k1.5", "基于网页的 Kimi，免费接口"),
+            ("k1.5-thinking", "基于网页的 Kimi，深度思考模型"),
             ("k2", "基于网页的 Kimi，深度思考模型 K2"),
         ]
 

{jarvis_ai_assistant-0.1.222 → jarvis_ai_assistant-0.1.224}/src/jarvis/jarvis_rag/cli.py

@@ -4,7 +4,7 @@ from pathlib import Path
 from typing import Optional, List, Literal, cast
 import mimetypes
 
-import pathspec
+import pathspec  # type: ignore
 import typer
 from langchain.docstore.document import Document
 from langchain_community.document_loaders import (