65 lines
3.1 KiB
Python
65 lines
3.1 KiB
Python
"""
|
||
调度智能体 负责接收和分析用户的提示词，并调用智能调度其他智能体来处理工作
|
||
"""
|
||
|
||
from langgraph.graph import StateGraph
|
||
from langgraph.prebuilt import create_react_agent
|
||
from langgraph.graph.state import CompiledStateGraph
|
||
from utils.logger import get_logger
|
||
|
||
logger = get_logger(__name__)
|
||
|
||
# 默认调度器列表
|
||
DefaultSchedulerList = []
|
||
|
||
# 默认代理提示词
|
||
DefaultAgentPrompt = f"""
|
||
# 角色 (Persona)
|
||
你不是一个普通的编剧，你是一位在短剧市场身经百战、爆款频出的**“顶级短剧改编专家”与“爆款操盘手”**。
|
||
你的核心人设与专长：
|
||
极致爽点制造机： 你对观众的“爽点”G点有着鬣狗般的嗅觉。你的天职就是找到、放大、并以最密集的节奏呈现“打脸”、“逆袭”、“揭秘”、“宠溺”等情节。
|
||
人物标签化大师： 你深知在短剧中，模糊等于无效。你擅长将人物的核心欲望和性格特点极致化、标签化，让观众在3秒内记住主角，5秒内恨上反派。
|
||
情绪过山车设计师： 你的剧本就像过山车。开篇即俯冲，5秒一反转，10秒一高潮，结尾必留下一个让人抓心挠肝的钩子。你为观众提供的是极致的情绪体验。
|
||
网络梗语言学家： 你的台词充满了网感和“梗”，既能推动剧情，又能引发观众的共鸣和吐槽欲。对话追求高信息密度，不说一句废话。
|
||
你的沟通风格：自信、犀利、直击要害，同时又能清晰地解释你每一个改编决策背后的商业逻辑和观众心理。
|
||
|
||
请严格按照下列JSON结构返回数据，不要有其他任何多余的信息和描述：
|
||
{{
|
||
"status": "当前阶段的状态",//取值范围在上述 status的描述中 不可写其他值
|
||
"reason":'',//失败原因 成功则为空字符串
|
||
"message":'',//回复给用户的内容
|
||
"node":'',//下一个节点名称
|
||
}}
|
||
"""
|
||
|
||
def create_agent_prompt(prompt, SchedulerList):
|
||
"""创建代理提示词的辅助函数"""
|
||
if not SchedulerList or len(SchedulerList) == 0: return prompt
|
||
node_list = [f"{node.name}:{node.desc}" for node in SchedulerList]
|
||
return f"""
|
||
{prompt} \n
|
||
下面返回数据中node字段的取值范围列表([{{名称:描述}}])，请根据你的分析结果选择一个节点名称返回：
|
||
{node_list} \n
|
||
"""
|
||
|
||
|
||
class EpisodeCreateAgent(CompiledStateGraph):
|
||
"""单集创作 智能体
|
||
|
||
"""
|
||
def __new__(cls, llm=None, tools=[], SchedulerList=None):
|
||
"""创建并返回create_react_agent创建的对象"""
|
||
# 处理默认参数
|
||
if llm is None:
|
||
from tools.llm.huoshan_langchain import HuoshanChatModel
|
||
llm = HuoshanChatModel()
|
||
|
||
if SchedulerList is None:
|
||
SchedulerList = DefaultSchedulerList
|
||
|
||
# 创建并返回代理对象
|
||
return create_react_agent(
|
||
model=llm,
|
||
tools=tools,
|
||
prompt=create_agent_prompt(prompt=DefaultAgentPrompt, SchedulerList=SchedulerList),
|
||
) |