ni.agentkit 0.7.1__tar.gz → 0.7.2__tar.gz

{ni_agentkit-0.7.1 → ni_agentkit-0.7.2}/PKG-INFO

@@ -1,6 +1,6 @@
 Metadata-Version: 2.4
 Name: ni.agentkit
-Version: 0.7.1
+Version: 0.7.2
 Summary: A Python-native Agent framework with first-class Skill support and multi-LLM adapter
 Author-email: Krix Tam <krix.tam@qq.com>
 License: MIT
@@ -31,8 +31,6 @@ Provides-Extra: google
 Requires-Dist: google-genai>=1.0.0; extra == "google"
 Provides-Extra: memory
 Requires-Dist: mem0ai>=0.1.0; extra == "memory"
-Provides-Extra: docker
-Requires-Dist: docker>=7.0.0; extra == "docker"
 Provides-Extra: all
 Requires-Dist: openai>=1.0.0; extra == "all"
 Requires-Dist: anthropic>=0.30.0; extra == "all"
@@ -71,7 +69,6 @@ pip install "ni.agentkit[openai]"
 pip install "ni.agentkit[anthropic]"
 pip install "ni.agentkit[google]"
 pip install "ni.agentkit[memory]"
-pip install "ni.agentkit[docker]"
 pip install "ni.agentkit[all]"
 ```
 
@@ -119,7 +116,7 @@ print(agentkit.get_examples_dir()) # 示例目录路径
 
 ## 🧪 示例
 
-安装包内含 36 个可运行示例（标准版 × 18 + Ollama 本地版 × 18）：
+安装包内含可运行示例（标准版 24 个 + Ollama 本地版 26 个）：
 
 ```bash
 # Ollama 本地版（无需 API Key）
@@ -153,8 +150,8 @@ python "$(python -c "import agentkit, os; print(os.path.join(agentkit.get_exampl
 
 ```bash
 dist/
-├── ni_agentkit-0.7.1-py3-none-any.whl   # pip install 用这个
-└── ni_agentkit-0.7.1.tar.gz             # 源码分发
+├── ni_agentkit-0.7.2-py3-none-any.whl   # pip install 用这个
+└── ni_agentkit-0.7.2.tar.gz             # 源码分发
 ```
 
 ## 📄 License

{ni_agentkit-0.7.1 → ni_agentkit-0.7.2}/README.md

@@ -29,7 +29,6 @@ pip install "ni.agentkit[openai]"
 pip install "ni.agentkit[anthropic]"
 pip install "ni.agentkit[google]"
 pip install "ni.agentkit[memory]"
-pip install "ni.agentkit[docker]"
 pip install "ni.agentkit[all]"
 ```
 
@@ -77,7 +76,7 @@ print(agentkit.get_examples_dir()) # 示例目录路径
 
 ## 🧪 示例
 
-安装包内含 36 个可运行示例（标准版 × 18 + Ollama 本地版 × 18）：
+安装包内含可运行示例（标准版 24 个 + Ollama 本地版 26 个）：
 
 ```bash
 # Ollama 本地版（无需 API Key）
@@ -111,8 +110,8 @@ python "$(python -c "import agentkit, os; print(os.path.join(agentkit.get_exampl
 
 ```bash
 dist/
-├── ni_agentkit-0.7.1-py3-none-any.whl   # pip install 用这个
-└── ni_agentkit-0.7.1.tar.gz             # 源码分发
+├── ni_agentkit-0.7.2-py3-none-any.whl   # pip install 用这个
+└── ni_agentkit-0.7.2.tar.gz             # 源码分发
 ```
 
 ## 📄 License

{ni_agentkit-0.7.1 → ni_agentkit-0.7.2}/__init__.py

@@ -31,7 +31,7 @@ from .tools.function_tool import FunctionTool, function_tool
 from .tools.structured_data import ResultFormatter, StructuredDataTool
 from .tools.sqlite_tool import SQLiteTool, SQLiteResultFormatter
 
-__version__ = "0.7.1"
+__version__ = "0.7.2"
 
 
 def get_docs_dir() -> str:

{ni_agentkit-0.7.1 → ni_agentkit-0.7.2}/docs/Architecture.md

@@ -620,8 +620,8 @@ agentkit/
 │   └── schema.py            #   函数签名 → JSON Schema
 │
 ├── examples/                # 示例
-│   ├── standard/            #   标准版示例（01-18 + 03B，含 8A/8B/8C、9A/9B/9C）
-│   ├── ollama/              #   Ollama 版示例（01-19 + 03B，含 8A/8B/8C、9A/9B/9C）
+│   ├── standard/            #   标准版示例（24 个：01-18 + 03B，含 8A/8B/8C、9A/9B/9C）
+│   ├── ollama/              #   Ollama 版示例（26 个：01-19 + 03B + 05_human_in_the_loop，含 8A/8B/8C、9A/9B/9C）
 │   ├── quickstart.py
 │   └── test_ollama.py
 │

{ni_agentkit-0.7.1 → ni_agentkit-0.7.2}/docs/QuickStart.md

@@ -1299,6 +1299,7 @@ agent = Agent(name="assistant", instructions="...")
 | [`05_guardrail.py`](../examples/standard/05_guardrail.py) | 示例 5：安全护栏 |
 | [`06_orchestration.py`](../examples/standard/06_orchestration.py) | 示例 6：编排 Agent |
 | [`07_sync_async_stream.py`](../examples/standard/07_sync_async_stream.py) | 示例 7：同步/异步/流式运行 |
+| [`08_memory.py`](../examples/standard/08_memory.py) | 示例 8：记忆系统（综合） |
 | [`08a_memory_simple_provider.py`](../examples/standard/08a_memory_simple_provider.py) | 示例 8A：记忆系统（SimpleMemory） |
 | [`08b_memory_mem0_provider.py`](../examples/standard/08b_memory_mem0_provider.py) | 示例 8B：记忆系统（Mem0Provider） |
 | [`08c_memory_file_provider.py`](../examples/standard/08c_memory_file_provider.py) | 示例 8C：记忆系统（文件持久化） |
@@ -1325,8 +1326,10 @@ agent = Agent(name="assistant", instructions="...")
 | [`03b_skill_tools_entry.py`](../examples/ollama/03b_skill_tools_entry.py) | 示例 3B：Skill tools.entry 动态注册/发现 |
 | [`04_multi_agent.py`](../examples/ollama/04_multi_agent.py) | 示例 4：多 Agent 协作 |
 | [`05_guardrail.py`](../examples/ollama/05_guardrail.py) | 示例 5：安全护栏 |
+| [`05_human_in_the_loop.py`](../examples/ollama/05_human_in_the_loop.py) | 扩展示例：HITL 工具触发（Playground） |
 | [`06_orchestration.py`](../examples/ollama/06_orchestration.py) | 示例 6：编排 Agent |
 | [`07_sync_async_stream.py`](../examples/ollama/07_sync_async_stream.py) | 示例 7：同步/异步/流式运行 |
+| [`08_memory.py`](../examples/ollama/08_memory.py) | 示例 8：记忆系统（综合） |
 | [`08a_memory_simple_provider.py`](../examples/ollama/08a_memory_simple_provider.py) | 示例 8A：记忆系统（SimpleMemory） |
 | [`08b_memory_mem0_provider.py`](../examples/ollama/08b_memory_mem0_provider.py) | 示例 8B：记忆系统（Mem0Provider） |
 | [`08c_memory_file_provider.py`](../examples/ollama/08c_memory_file_provider.py) | 示例 8C：记忆系统（文件持久化） |

{ni_agentkit-0.7.1 → ni_agentkit-0.7.2}/docs/README.md

@@ -3,7 +3,7 @@
 > Python 原生的 Agent 开发框架，内置一等公民级别的 Skill 支持和自研多模型适配层。
 
 [![Python](https://img.shields.io/badge/Python-≥3.11-blue.svg)](https://python.org)
-[![Version](https://img.shields.io/badge/Version-0.7.1-green.svg)]()
+[![Version](https://img.shields.io/badge/Version-0.7.2-green.svg)]()
 [![License](https://img.shields.io/badge/License-MIT-yellow.svg)]()
 
 ---
@@ -35,7 +35,6 @@ pip install "ni.agentkit[openai]"    # OpenAI + 国内兼容厂商
 pip install "ni.agentkit[anthropic]" # Anthropic Claude
 pip install "ni.agentkit[google]"    # Google Gemini
 pip install "ni.agentkit[memory]"    # 记忆系统 (mem0)
-pip install "ni.agentkit[docker]"    # 预留：SandboxExecutor Docker 扩展依赖
 pip install "ni.agentkit[all]"       # 安装所有可选依赖
 ```
 

ni_agentkit-0.7.2/docs/TestReport.md

@@ -0,0 +1,61 @@
+# AgentKit 示例测试报告
+
+> 测试时间：`2026-05-05`  
+> 测试环境：`macOS (Apple Silicon)`  
+> 模型：`qwen/qwen3.5-flash` (DashScope)  
+> AgentKit 版本：v0.7.2  
+> Thinking 模式：开启（默认）  
+> LLM 调用模式：非流式（默认）  
+> 缓存：开启（默认）  
+> 执行脚本：`examples/test_standard.py`
+
+---
+
+## 测试结果
+
+| # | 示例 | 文件 | 耗时 | 状态 | 说明 |
+|---|------|------|-----:|:----:|------|
+| 1 | 基础对话 | `01_basic_chat.py` | 11.89s | ✅ | 运行通过 |
+| 2 | 工具调用 | `02_tool_calling.py` | 5.47s | ✅ | 运行通过 |
+| 3 | Skill 使用 | `03_skill_usage.py` | 8.80s | ✅ | 运行通过 |
+| 3B | Skill tools.entry 动态注册/发现 | `03b_skill_tools_entry.py` | 5.83s | ✅ | 运行通过 |
+| 4 | 多 Agent 协作 | `04_multi_agent.py` | 34.73s | ✅ | 运行通过 |
+| 5 | 安全护栏 | `05_guardrail.py` | 4.80s | ✅ | 运行通过 |
+| 6 | 编排 Agent | `06_orchestration.py` | 84.79s | ✅ | 运行通过 |
+| 7 | 同步/异步/流式 | `07_sync_async_stream.py` | 5.88s | ✅ | 运行通过 |
+| 8 | 记忆系统（综合） | `08_memory.py` | 77.63s | ✅ | 运行通过 |
+| 8A | SimpleMemory | `08a_memory_simple_provider.py` | 13.58s | ✅ | 运行通过 |
+| 8B | Mem0Provider | `08b_memory_mem0_provider.py` | 0.21s | ✅ | 未配置 OPENAI_API_KEY，自动跳过 |
+| 8C | 文件持久化 Memory | `08c_memory_file_provider.py` | 19.65s | ✅ | 运行通过 |
+| 9A | 结构化数据（SQL） | `09a_structured_data_sql.py` | 2.41s | ✅ | 运行通过 |
+| 9B | 结构化数据（图） | `09b_structured_data_graph.py` | 2.48s | ✅ | 运行通过 |
+| 9C | NebulaGraphTool（直调） | `09c_nebula_graph_tool.py` | 0.32s | ✅ | 运行通过 |
+| 10 | Skill 生命周期 | `10_skill_lifecycle.py` | 1.53s | ✅ | 运行通过 |
+| 11 | 编排增强 | `11_orchestration_enhancement.py` | 17.11s | ✅ | 运行通过 |
+| 12 | 序列化协议 | `12_run_context_serialization.py` | 0.31s | ✅ | 运行通过 |
+| 13 | Human in the Loop | `13_human_in_the_loop.py` | 4.39s | ✅ | 运行通过 |
+| 14 | Event 标准化 | `14_event_standardization.py` | 5.13s | ✅ | 运行通过 |
+| 15 | 多租户隔离 | `15_multi_tenant_isolation.py` | 4.58s | ✅ | 运行通过 |
+| 16 | 生命周期 Hooks | `16_lifecycle_hooks.py` | 4.74s | ✅ | 运行通过 |
+| 17 | Checkpoint + Handoff + Resume | `17_checkpoint_handoff_resume.py` | 0.17s | ✅ | 运行通过 |
+| 18 | ModelCosplay | `18_model_cosplay.py` | 0.18s | ✅ | 运行通过 |
+| | **合计** | | **316.61s** | **24/24** | |
+
+## 耗时分析
+
+- **最快示例**：17 Checkpoint + Handoff + Resume (0.17s)
+- **最慢示例**：06 编排 Agent (84.79s)
+- **性能改进**：相比 Ollama 运行，DashScope 接口响应更快，且在大规模编排和记忆检索场景下稳定性更好。
+
+## 已知问题
+
+| 问题 | 严重程度 | 说明 |
+|------|:--------:|------|
+| 运行异常 | - | 无，24 个示例全部通过 |
+
+## 运行方式
+
+```bash
+# 在 agentkit 目录执行
+python examples/test_standard.py
+```

{ni_agentkit-0.7.1 → ni_agentkit-0.7.2}/examples/ollama/01_basic_chat.py

@@ -12,12 +12,13 @@ import sys, os
 sys.path.insert(0, os.path.join(os.path.dirname(__file__), "..", "..", ".."))
 
 from agentkit import Agent, Runner
+from model_config import resolve_model
 
 # 创建最简 Agent —— 使用本地 Ollama 模型
 agent = Agent(
     name="assistant",
     instructions="你是一个有帮助的中文助手。回答尽量简洁。",
-    model="ollama/qwen3.5:cloud",      # 本地 Ollama 模型，无需 API Key
+    model=resolve_model("qwen3.5:cloud"),      # 本地 Ollama 模型，无需 API Key
 )
 
 # 同步运行

{ni_agentkit-0.7.1 → ni_agentkit-0.7.2}/examples/ollama/02_tool_calling.py

@@ -14,7 +14,7 @@ import sys, os
 sys.path.insert(0, os.path.join(os.path.dirname(__file__), "..", "..", ".."))
 
 from agentkit import Agent, Runner, function_tool
-
+from model_config import resolve_model
 
 # ===== 定义工具 =====
 
@@ -38,17 +38,15 @@ def get_weather(city: str) -> str:
     }
     return weather_data.get(city, f"{city}：暂无数据")
 
-
 # ===== 创建 Agent =====
 
 agent = Agent(
     name="smart-assistant",
     instructions="你是一个全能助手。可以做数学计算和查天气。根据用户需求选择合适的工具。回答简洁。",
-    model="ollama/qwen3.5:cloud",
+    model=resolve_model("qwen3.5:cloud"),
     tools=[add, multiply, get_weather],
 )
 
-
 # ===== 运行测试 =====
 
 queries = [

{ni_agentkit-0.7.1 → ni_agentkit-0.7.2}/examples/ollama/03_skill_usage.py

@@ -14,7 +14,7 @@ import sys, os
 sys.path.insert(0, os.path.join(os.path.dirname(__file__), "..", "..", ".."))
 
 from agentkit import Agent, Runner, Skill, SkillFrontmatter, function_tool
-
+from model_config import resolve_model
 
 # ===== 定义工具 =====
 
@@ -30,7 +30,6 @@ def get_weather(city: str) -> str:
     }
     return weather_data.get(city, f"{city}：暂无数据")
 
-
 # ===== 定义 Skill =====
 
 weather_skill = Skill(
@@ -49,18 +48,16 @@ weather_skill = Skill(
 4. 用简洁的中文回复用户""",
 )
 
-
 # ===== 创建带 Skill 的 Agent =====
 
 agent = Agent(
     name="skill-agent",
     instructions="你是一个智能助手，可以使用专业技能来完成任务。",
-    model="ollama/qwen3.5:cloud",
+    model=resolve_model("qwen3.5:cloud"),
     skills=[weather_skill],
     tools=[get_weather],
 )
 
-
 # ===== 运行测试 =====
 
 queries = [

{ni_agentkit-0.7.1 → ni_agentkit-0.7.2}/examples/ollama/03b_skill_tools_entry.py

@@ -15,7 +15,7 @@ from pathlib import Path
 sys.path.insert(0, os.path.join(os.path.dirname(__file__), "..", "..", ".."))
 
 from agentkit import Agent, Runner, load_skill_from_dir
-
+from model_config import resolve_model
 
 skill_dir = Path(__file__).resolve().parents[1] / "skills" / "weather-tools-entry"
 weather_skill = load_skill_from_dir(skill_dir)
@@ -23,7 +23,7 @@ weather_skill = load_skill_from_dir(skill_dir)
 agent = Agent(
     name="skill-tools-entry-agent",
     instructions="你是天气助手。遇到天气问题优先加载并使用 weather-tools-entry Skill。",
-    model="ollama/qwen3.5:cloud",
+    model=resolve_model(),
     skills=[weather_skill],
 )
 

{ni_agentkit-0.7.1 → ni_agentkit-0.7.2}/examples/ollama/04_multi_agent.py

@@ -14,7 +14,7 @@ import sys, os
 sys.path.insert(0, os.path.join(os.path.dirname(__file__), "..", "..", ".."))
 
 from agentkit import Agent, Runner
-
+from model_config import resolve_model
 
 # ============================================================
 # 模式 A：as_tool（委派）
@@ -27,13 +27,13 @@ print("=" * 50)
 researcher = Agent(
     name="researcher",
     instructions="你是一个研究助手。收到问题后，给出简短的研究结论（不超过 3 句话）。",
-    model="ollama/qwen3.5:cloud",
+    model=resolve_model("qwen3.5:cloud"),
 )
 
 manager = Agent(
     name="manager",
     instructions="你是项目经理。需要研究信息时调用 research 工具。综合研究结果给出你的建议。",
-    model="ollama/qwen3.5:cloud",
+    model=resolve_model("qwen3.5:cloud"),
     tools=[
         researcher.as_tool("research", "调用研究助手获取研究信息"),
     ],
@@ -49,7 +49,6 @@ for event in result.events:
     if event.type == "tool_result":
         print(f"  🔧 研究员返回: {str(event.data)[:100]}")
 
-
 # ============================================================
 # 模式 B：Handoff（转介）
 # ============================================================
@@ -61,19 +60,19 @@ print("=" * 50)
 billing_agent = Agent(
     name="billing",
     instructions="你是账单专家。处理所有账单相关的问题，给出专业的解答。",
-    model="ollama/qwen3.5:cloud",
+    model=resolve_model("qwen3.5:cloud"),
 )
 
 tech_agent = Agent(
     name="tech",
     instructions="你是技术支持专家。处理所有技术相关的问题。",
-    model="ollama/qwen3.5:cloud",
+    model=resolve_model("qwen3.5:cloud"),
 )
 
 triage_agent = Agent(
     name="triage",
     instructions="你是客服分诊员。根据用户问题类型，转交给合适的专家：账单问题转给 billing，技术问题转给 tech。",
-    model="ollama/qwen3.5:cloud",
+    model=resolve_model("qwen3.5:cloud"),
     handoffs=[billing_agent, tech_agent],
 )
 

{ni_agentkit-0.7.1 → ni_agentkit-0.7.2}/examples/ollama/05_guardrail.py

@@ -18,7 +18,7 @@ from agentkit import (
     input_guardrail, output_guardrail, GuardrailResult,
     PermissionPolicy,
 )
-
+from model_config import resolve_model
 
 # ===== 定义工具 =====
 
@@ -32,7 +32,6 @@ def delete_file(filename: str) -> str:
     """删除文件"""
     return f"[模拟] 已删除文件 {filename}"
 
-
 # ===== 定义护栏 =====
 
 @input_guardrail
@@ -54,13 +53,12 @@ async def check_output_safety(ctx, output):
             return GuardrailResult(triggered=True, reason=f"输出包含危险内容: {word}")
     return GuardrailResult(triggered=False)
 
-
 # ===== 创建带安全护栏的 Agent =====
 
 agent = Agent(
     name="safe-agent",
     instructions="你是一个安全的助手。可以帮用户读取文件，但不能删除文件。",
-    model="ollama/qwen3.5:cloud",
+    model=resolve_model("qwen3.5:cloud"),
     tools=[read_file, delete_file],
     input_guardrails=[block_sensitive_words],
     output_guardrails=[check_output_safety],
@@ -70,7 +68,6 @@ agent = Agent(
     ),
 )
 
-
 # ===== 运行测试 =====
 
 print("=" * 50)

{ni_agentkit-0.7.1 → ni_agentkit-0.7.2}/examples/ollama/05_human_in_the_loop.py

@@ -13,22 +13,19 @@ sys.path.insert(0, os.path.join(os.path.dirname(__file__), "..", "..", ".."))
 from agentkit import Agent
 from agentkit.tools.base_tool import request_human_input
 from agentkit.tools.function_tool import FunctionTool
-
+from model_config import resolve_model
 
 def confirm_action(action: str) -> str:
     """敏感操作执行前请求人工确认。"""
     request_human_input(f"即将执行敏感操作: {action}，请确认 (approve/reject)")
 
-
 def execute_action(action: str) -> str:
     """执行操作（示例返回）。"""
     return f"操作 '{action}' 已执行。"
 
-
 confirm_tool = FunctionTool.from_function(confirm_action)
 execute_tool = FunctionTool.from_function(execute_action)
 
-
 agent = Agent(
     name="hitl-agent",
     instructions=(
@@ -37,6 +34,6 @@ agent = Agent(
         "收到确认后再调用 execute_action。"
     ),
     # 使用纯本地模型，避免 cloud 变体在未鉴权/网络抖动时触发远端 502。
-    model="ollama/qwen3.5:4b",
+    model=resolve_model(),
     tools=[confirm_tool, execute_tool],
 )

{ni_agentkit-0.7.1 → ni_agentkit-0.7.2}/examples/ollama/06_orchestration.py

@@ -14,11 +14,7 @@ import sys, os
 sys.path.insert(0, os.path.join(os.path.dirname(__file__), "..", "..", ".."))
 
 from agentkit import Agent, Runner, SequentialAgent, ParallelAgent, LoopAgent
-
-
-MODEL = "ollama/qwen3.5:cloud"
-
-
+from model_config import resolve_model
 # ============================================================
 # 模式 A：顺序执行 — 报告生成流水线
 # ============================================================
@@ -33,17 +29,17 @@ pipeline = SequentialAgent(
         Agent(
             name="extractor",
             instructions="你是数据提取专家。从用户输入中提取所有关键数据点，以列表形式输出。",
-            model=MODEL,
+            model=resolve_model(),
         ),
         Agent(
             name="analyzer",
             instructions="你是数据分析专家。分析上文提取的数据点，找出趋势和规律，给出 2-3 条洞察。",
-            model=MODEL,
+            model=resolve_model(),
         ),
         Agent(
             name="reporter",
             instructions="你是报告撰写专家。将上文的分析结果写成一段简洁的中文报告（不超过 100 字）。",
-            model=MODEL,
+            model=resolve_model(),
         ),
     ],
 )
@@ -54,7 +50,6 @@ for event in result.events:
     if event.type == "final_output":
         print(f"  [{event.agent}] {str(event.data)[:120]}")
 
-
 # ============================================================
 # 模式 B：并行执行 — 多维度分析
 # ============================================================
@@ -69,17 +64,17 @@ parallel = ParallelAgent(
         Agent(
             name="financial",
             instructions="你是财务分析师。用一句话分析给定数据的财务状况。",
-            model=MODEL,
+            model=resolve_model(),
         ),
         Agent(
             name="market",
             instructions="你是市场分析师。用一句话分析给定数据反映的市场趋势。",
-            model=MODEL,
+            model=resolve_model(),
         ),
         Agent(
             name="risk",
             instructions="你是风险分析师。用一句话分析给定数据中的潜在风险。",
-            model=MODEL,
+            model=resolve_model(),
         ),
     ],
 )
@@ -90,7 +85,6 @@ for event in result.events:
     if event.type == "final_output":
         print(f"  [{event.agent}] {str(event.data)[:120]}")
 
-
 # ============================================================
 # 模式 C：循环执行 — 迭代优化
 # ============================================================
@@ -106,12 +100,12 @@ loop = LoopAgent(
         Agent(
             name="writer",
             instructions="你是一个文案写手。根据用户需求或上轮反馈，写一句广告语。只输出广告语本身。",
-            model=MODEL,
+            model=resolve_model(),
         ),
         Agent(
             name="critic",
             instructions="你是一个文案评审。评估上面的广告语，如果已经很好则只输出'通过'，否则给出简短的改进建议。",
-            model=MODEL,
+            model=resolve_model(),
         ),
     ],
 )

{ni_agentkit-0.7.1 → ni_agentkit-0.7.2}/examples/ollama/07_sync_async_stream.py

@@ -18,7 +18,7 @@ import time
 sys.path.insert(0, os.path.join(os.path.dirname(__file__), "..", "..", ".."))
 
 from agentkit import Agent, Runner, function_tool
-
+from model_config import resolve_model
 
 # ===== 定义一个简单工具 =====
 
@@ -27,17 +27,15 @@ def get_weather(city: str) -> str:
     """获取指定城市的天气信息"""
     return {"北京": "晴，25°C", "上海": "多云，22°C"}.get(city, f"{city}：暂无数据")
 
-
 # ===== 创建 Agent（三种方式共用同一个） =====
 
 agent = Agent(
     name="assistant",
     instructions="你是一个简洁的中文助手。回答尽量简短。",
-    model="ollama/qwen3.5:cloud",
+    model=resolve_model(),
     tools=[get_weather],
 )
 
-
 # ============================================================
 # 方式 1：同步运行 — Runner.run_sync()
 # 最简单，一行搞定。适合脚本和快速测试。
@@ -58,7 +56,6 @@ def demo_sync():
         print(f"  ❌ 错误: {result.error}")
     print(f"  ⏱️ 耗时: {elapsed:.1f}s")
 
-
 # ============================================================
 # 方式 2：异步运行 — await Runner.run()
 # 推荐用于 Web 服务、并发任务等生产场景。
@@ -79,7 +76,6 @@ async def demo_async():
         print(f"  ❌ 错误: {result.error}")
     print(f"  ⏱️ 耗时: {elapsed:.1f}s")
 
-
 # ============================================================
 # 方式 2b：异步并发 — 同时运行多个 Agent
 # 这是异步的核心优势：多个 LLM 调用可以并发执行。
@@ -111,7 +107,6 @@ async def demo_async_concurrent():
 
     print(f"  ⏱️ 3 个请求并发总耗时: {elapsed:.1f}s（如果串行需要约 3 倍时间）")
 
-
 # ============================================================
 # 方式 3：流式运行 — async for event in Runner.run_streamed()
 # 实时获取每一个事件，适合聊天界面、进度展示。
@@ -140,7 +135,6 @@ async def demo_stream():
         else:
             print(f"  [{elapsed:5.1f}s] 📋 {event.type}: {str(event.data)[:60]}")
 
-
 # ============================================================
 # 主入口
 # ============================================================
@@ -175,6 +169,5 @@ def run_all():
    请直接用 await Runner.run()。
 """)
 
-
 if __name__ == "__main__":
     run_all()

{ni_agentkit-0.7.1 → ni_agentkit-0.7.2}/examples/ollama/08_memory.py

@@ -20,11 +20,7 @@ import os
 sys.path.insert(0, os.path.join(os.path.dirname(__file__), "..", "..", ".."))
 
 from agentkit import Agent, Runner, BaseMemoryProvider, Memory
-
-
-MODEL = "ollama/qwen3.5:cloud"
-
-
+from model_config import resolve_model
 # ============================================================
 # SimpleMemory：轻量内存记忆实现（无需外部依赖）
 #
@@ -67,7 +63,6 @@ class SimpleMemory(BaseMemoryProvider):
         self._store = [m for m in self._store if m.id != memory_id]
         return True
 
-
 # ============================================================
 # 演示 A：无记忆（默认）
 # ============================================================
@@ -80,7 +75,7 @@ async def demo_no_memory():
     agent = Agent(
         name="forgetful",
         instructions="你是一个简洁的助手。回答尽量简短。",
-        model=MODEL,
+        model=resolve_model(),
     )
 
     # 第一次告诉它信息
@@ -92,7 +87,6 @@ async def demo_no_memory():
     print(f"  对话2: {result.final_output}")
     print("  📝 无记忆 → Agent 不记得之前的对话\n")
 
-
 # ============================================================
 # 演示 B：使用 SimpleMemory
 # ============================================================
@@ -107,7 +101,7 @@ async def demo_simple_memory():
     agent = Agent(
         name="remembering",
         instructions="你是一个贴心的个人助手。根据相关记忆来个性化回答。回答简洁。",
-        model=MODEL,
+        model=resolve_model(),
         memory=memory,
         memory_async_write=False,   # 多轮串行对话需要即时读取记忆
     )
@@ -136,7 +130,6 @@ async def demo_simple_memory():
     all_memories = await memory.get_all()
     print(f"\n  📋 记忆库中共 {len(all_memories)} 条记忆")
 
-
 # ============================================================
 # 演示 C：Mem0 说明（仅展示配置方式）
 # ============================================================
@@ -180,7 +173,6 @@ def demo_mem0_info():
     ✅ 支持 user_id / agent_id 多维度隔离
 """)
 
-
 # ============================================================
 # 主入口
 # ============================================================
@@ -196,6 +188,5 @@ async def main():
     print("  演示完成 🎉")
     print("=" * 55)
 
-
 if __name__ == "__main__":
     asyncio.run(main())