CSPON-TSC/aiAgent_gd/qwen_agent/sub_agent/summary_agent.py

import asyncio
import traceback
from typing import List
from httpx import RemoteProtocolError

from qwen_agent.planning.planner import PlanResponseContextManager
from qwen_agent.sub_agent.BaseSubAgent import BaseSubAgent
from qwen_agent.messages.context_message import ChatResponseChoice, ChatResponseStreamChoice

SYSTEM_PROMPT = """
你是一个对前面提到的分析过程和结果进行总结摘要的专家，给你一段用户的提问，以及之前代码执行的过程和执行结果，你可以对整个分析的过程进行总结摘要，来回答用户提出的问题。
那么我问你，请对前面提到的分析过程和结果进行总结摘要，回答用户的问题。
注意：
1. 如果用户查询的Question通过数据库查询，没有返回结果，请直接回答“数据库中没有查询到相关的数据”，不允许胡编乱造。如果在数据库中查询到相关的结果，请根据结果回答用户问题。
2. 请不要对show_case的查询到的记录做过与详细的描述；
3. 如果用户查询的Question没有设计到数据库查询，请直接回答没有相关数据。
"""

agents_prompt = dict({
    'LandSupplySqlAgent': '返回的数据结果面积单位是亩，金额单位是万元， 楼面价和土地单价的单位是万元/平方米',
    'LandUseSqlAgent': """
        返回的数据结果面积单位是公顷，不要对其进行转换，不要对其四舍五入
        各一级类包含以下二级类：
            湿地：包含以下几种土地利用现状小类 红树林地、森林沼泽、灌丛沼泽、沼泽草地、沿海滩涂、内陆滩涂和沼泽地，
            耕地：包含以下几种土地利用现状小类 水田,水浇地和旱地，
            园林：包含以下几种土地利用现状小类 果园,茶园,橡胶园和其他园地
            林地：包含以下几种土地利用现状小类 乔木林地,竹林地,灌木林地和其他林地
            草地：包含以下几种土地利用现状小类 天然牧草地,人工牧草地和其他草地
            城镇村及工矿用地：包含以下几种土地利用现状小类 城市用地,建制镇用地,村庄用地,采矿用地和风景名胜及特殊用地
            交通运输用地：包含以下几种土地利用现状小类 铁路用地,轨道交通用地,公路用地,农村道路,机场用地,港口码头用地和管道运输用地
            水域及水利设施用地：包含以下几种土地利用现状小类 河流水面,湖泊水面,水库水面,坑塘水面,沟渠,水工建筑用地和冰川及常年积雪
        """,
    'LandApprovalSqlAgent':     """
        返回的数据结果面积单位是公顷
        注意问题中的近几年指的是当前年份往前推几年,例如，近5年，指的是当前年份往前推5年，即，2020年，2021年，2022年，2023年 和当前年份 2024年
        """,
    'SpatialAnalysisAgent': """
        1. 总结时不要输出图形的wkt信息或者其他坐标点信息
    """,
    'GisLayerOperationAgent':"""
        总结操作的是哪个图层
    """,
    'LandSiteSelectionSqlAgent': """
    
    必须按照markdown格式输出的地块信息。以下是输出信息的参考，请将<>替换成真实的内容：
    
        ### 1.<地块名称>
                
        ### 2.<地块名称>
    
     下面是输出时的注意事项：
        1.生成markdown 注意必须严格使用换行符，不可章节之间出现没有换行符的情况
        2.必须严格按照上面的结构输出信息
        3.不要输出除上面结构之外的信息
        
        """,
    'GisSurroundingFacilitiesQueryAgent': """
            1. 问题中涉及交通便利性，需要结合返回数据中字段中key 为 "way"的值进行解答，不准胡编乱造，如果数据都不符合交通便利的要求，则提示用户该数据方圆5公里内无任何道路信息
            2. 需要对用户提问中的数据进行提炼，对符合问题周边分析的数据进行总结，如：用户希望获取离港口近的地块，则对分析数据中哪个地块中的港口离距离近进行总结
            3. 总结时必须要对筛选后的地块的周边信息进行介绍,对于不符合问题要求的周边信息的地块不进行介绍
        """,
'KfqEvalSqlAgent': """
           
        """
})


class SummaryAgent(BaseSubAgent):
    def __init__(self, llm=None, llm_name=None, stream=False, name='summary'):
        super().__init__(llm=llm, llm_name=llm_name, stream=stream, name=name)

    async def run(self, plan_context: PlanResponseContextManager, messages: List[str]):
        query = plan_context.get_summary_context()

        _messages = [{
            "role": "system",
            "content": self.handle_prompt(plan_context, SYSTEM_PROMPT)
        }]
        _messages.extend(messages)
        _messages.append({
            'role': 'user',
            'content': query
        })
        # print(f"query of summary agent: {query}")
        # for msg in _messages:
        for i, msg in enumerate(_messages):
            if not isinstance(msg, dict):
                msg = dict(msg)
                if msg['type'].value == 1:
                    msg['role'] = 'user'
                    msg['content'] = msg['data']
                else:
                    msg['role'] = 'assistant'
                    msg['content'] = dict(msg['data'])['exec_res'][0]
                msg['history'] = True
                del msg['data']
                del msg['type']
                _messages[i] = msg
            if 'history' in msg and msg['history']:
                print('is history messsage')
            else:
                yield ChatResponseChoice(role=msg['role'], content=msg['content'])
        retry_round = 0
        self.exec_res = 'Summary error, please try again...'
        self.is_success = False
        while retry_round < self.max_retry_round:
            try:
                rsp = await self.llm.chat(model=self.llm_name, messages=_messages, stream=self.stream)
                if self.stream:
                    res = ""
                    async for chunk in rsp:
                        res += chunk
                        yield ChatResponseStreamChoice(role='assistant', delta=chunk)
                    yield ChatResponseStreamChoice(role='assistant', finish_reason='stop')
                else:
                    res = rsp
                    yield ChatResponseChoice(role='assistant', content=rsp)
                print(f'summary input: {query} \n summary output: {res}')
                self.exec_res = res
                self.is_success = True
                break
            except Exception as e:
                traceback.print_exc()
                if self.stream:
                    yield ChatResponseStreamChoice(role='assistant', finish_reason='flush')
                if isinstance(e, RemoteProtocolError):
                    await asyncio.sleep(2 ** self.max_retry_round + 2 ** (self.max_retry_round - retry_round + 1))
                retry_round += 1

    def handle_prompt(self, plan_context: PlanResponseContextManager, prompt: str):

        plans = plan_context.plans

        for i, plan in enumerate(plans):
            if plan.action_name in dict.keys(agents_prompt):
                return prompt + agents_prompt[plan.action_name]

        return prompt