打造chat-o1

.gitignore

@@ -0,0 +1,44 @@
+# Python-related
+__pycache__/
+*.py[cod]
+*.so
+*.egg
+*.egg-info/
+dist/
+build/
+*.egg-info/
+.eggs/
+
+# Virtual environments
+venv/
+env/
+.venv/
+.env/
+
+# IDEs and editors
+.vscode/
+.idea/
+*.swp
+*.swo
+*~
+
+# OS-specific
+.DS_Store
+Thumbs.db
+
+# Project-specific
+logs/*.log
+!logs/.gitkeep
+
+# API keys and secrets
+.env
+
+# Jupyter Notebook
+.ipynb_checkpoints
+
+# pyenv
+.python-version
+
+# Log files
+*.log
+.aider*

llm/agent/agent.py

@@ -0,0 +1,80 @@
+import re
+import json
+from openai import OpenAI
+
+class Agent:
+    def __init__(self, name, agent_prompt):
+        self.name = name
+        self.agent_prompt = agent_prompt
+        self.client = OpenAI()
+        self.messages = []
+        self.steps = []
+
+    def get_solution(self, problem, previous_solution=None):
+        self.initialize_conversation(problem, previous_solution)
+        prompt = "\n\n".join([f"{msg['role']}: {msg['content']}" for msg in self.messages])
+        response = self.generate_response(prompt)
+
+        if not response:
+            print(f"{self.name} did not return a valid response.")
+
+        step_data = self.parse_response(response)
+
+        if not step_data:
+            print(f"{self.name} failed to parse response: {response}")
+
+        self.store_step(step_data)
+
+        return self.compile_solution()
+
+    def initialize_conversation(self, problem, previous_solution):
+        self.messages = []
+        # Initialize system prompt
+        self.messages.append({"role": "system", "content": self.agent_prompt})
+
+        # Add problem and previous solution (if any)
+        user_message = f"问题:\n{problem}\n"
+        if previous_solution:
+            user_message += f"\n之前的解决方案:\n{previous_solution}\n请继续进行你的推理分析。"
+        else:
+            user_message += "\n请提供你的解决方案。"
+
+        self.messages.append({"role": "user", "content": user_message})
+        # Assistant initial acknowledgment
+        self.messages.append({"role": "assistant", "content": "好的，我现在开始推理"})
+
+    def generate_response(self, prompt):
+        # Generate response from the model
+        try:
+            response = self.client.chat.completions.create(
+                model="gpt-4o",
+                messages=[{"role": "user", "content": prompt}]
+            )
+            return response.choices[0].message.content
+        except Exception as e:
+            print(f"Error generating response: {str(e)}")
+            return None
+
+    def parse_response(self, result):
+        # Attempt to parse the assistant's response as JSON
+        try:
+            json_pattern = r"```json\s*(\{[\s\S]*?\})\s*```"
+            match = re.findall(json_pattern, result)
+            if match:
+                json_list = []
+                for temp_match in match:
+                    json_list.append(json.loads(temp_match))
+                return json_list
+        except json.JSONDecodeError as e:
+            print(f"{self.name} error parsing JSON response: {str(e)} - Response Text: {result}")
+        return None
+
+    def store_step(self, step_data):
+        # Store the parsed step data and append it to the conversation
+        for data in step_data:
+            self.steps.append((data['title'], data["content"]))
+            self.messages.append({"role": "assistant", "content": data["content"]})
+
+    def compile_solution(self):
+        # Compile the steps into a final solution format
+        return "\n\n".join([f"### {title}\n{content}" for title, content in self.steps])

llm/agent/agent_builder.py

@@ -0,0 +1,138 @@
+from .agent import Agent
+
+
+class AgentBuilder:
+    def __init__(self):
+        self.agent_prompts = [
+            (
+                "初步方案设计师",
+                """
+你是初步方案设计师，一名擅长通过详细的链式思维推理提供初步解决方案的专家。
+
+**目标**
+- 深入理解问题。
+- 提供详细的、逐步的解决方案。
+- 反思并迭代你的解决方案，直到有信心确认无误为止。
+
+**指示**
+- 在每个推理步骤之后，决定是否需要继续完善推理、是否准备将解决方案传递给下一个代理人。
+- 明确说明推理中的任何不确定性或假设。
+
+**输出格式**
+以JSON格式回复：
+- "title"：该推理步骤的简短标题。
+- "content"：该推理步骤的详细解释。
+- "next_action"：如果你需要继续执行更多步骤，填"continue"；如果你对解决方案有信心，则填"final_answer"。
+
+**响应示例**
+```json
+{
+    "title": "问题分析",
+    "content": "为了解决这个问题，我将首先……",
+    "next_action": "continue"
+}
+
+ """,
+            ),
+            (
+                "批判性反思分析师",
+                """
+你是一位批判性反思分析师,负责审查解决方案并通过深度反思来改进它们。
+
+**目标**
+- 批判性地分析前一个解决方案。
+- 识别优点和需要改进的地方。
+- 提供具体的改进建议。
+- 对你的解决方案进行反思和迭代,直到你充满信心。
+- 考虑与其他agent协商的可能性,特别是在遇到重大分歧时。
+
+**指示**
+
+1. **解决方案审查**
+   - 总结前一个解决方案的要点。
+   - 识别所有错误、遗漏或需要改进的地方。
+
+2. **改进**
+   - 为解决方案提供具体的改进建议。
+   - 纠正存在的错误或误解。
+
+3. **反思与迭代**
+   - 批判性地评估你修改后的解决方案。
+   - 决定是继续完善还是进入下一个阶段。
+
+4. **最终答案**
+   - 清晰地表述你改进后的解决方案。
+
+5. **协商需求**
+   - 如果存在重大问题,可以考虑是否需要与初步方案设计师协商。
+
+**输出格式**
+使用JSON格式回应:
+- "标题": 推理步骤的简短标题。
+- "内容": 推理步骤的详细解释。
+- "下一步行动": 如果你需要继续执行更多步骤，填"continue"；如果你对解决方案有信心，则填"final_answer"。
+
+
+**输出示例**
+```json
+{
+    "title": "解决方案增强",
+    "content": "经过审查,我注意到...",
+    "next_action": "continue",
+}
+
+""",
+            ),
+            (
+                "最终审查员",
+                """
+你是最终审查员，确保解决方案的正确性、全面性以及表达的完善性。
+
+**目标**
+- 进行全面的最终审查。
+- 解决所有剩余问题。
+- 提供最终优化后的解决方案。
+- 反思并评估对答案的整体信心。
+
+**指示**
+
+1. **最终审查**
+   - 仔细阅读整个解决方案。
+   - 检查是否还有任何遗漏的错误或不一致之处。
+
+2. **润色**
+   - 改进解决方案的表达和清晰度。
+   - 确保逻辑流畅且易于阅读。
+
+4. **反思和总结**
+   - 反思解决方案的整体质量。
+   - 决定是否需要进一步优化。
+
+5. **最终答案**
+   - 提交最终优化后的解决方案。
+
+**输出格式**
+
+请以JSON格式输出：
+
+- `"title"`： "最终优化解决方案"
+- `"content"`： 对最终审查和优化解决方案的详细解释。
+- `"next_action"`： `"final_answer"`
+
+**示例响应：**
+
+```json
+{
+    "title": "最终优化解决方案",
+    "content": 完整的优化后解决方案,
+    "next_action": "final_answer"
+}
+""",
+            ),
+        ]
+
+    def build_agents(self):
+        agents = []
+        for name, prompt in self.agent_prompts:
+            agents.append(Agent(name, prompt))
+        return agents

llm/main.ipynb

@@ -0,0 +1,70 @@
+{
+ "cells": [
+  {
+   "cell_type": "code",
+   "execution_count": 1,
+   "metadata": {},
+   "outputs": [],
+   "source": [
+    "from agent.agent_builder import AgentBuilder \n",
+    "import os\n",
+    "import time\n",
+    "from openai import OpenAI\n",
+    "from getpass import getpass\n",
+    "\n",
+    "os.environ[\"OPENAI_API_KEY\"] = getpass()"
+   ]
+  },
+  {
+   "cell_type": "code",
+   "execution_count": 10,
+   "metadata": {},
+   "outputs": [],
+   "source": [
+    "query = input(\"请输入问题\")\n",
+    "\n",
+    "agent_bulider = AgentBuilder()\n",
+    "agents = agent_bulider.build_agents()  \n",
+    "\n",
+    "previous_solution = None\n",
+    "all_solutions = []\n",
+    "\n",
+    "for agent in agents:\n",
+    "    solution = agent.get_solution(query, previous_solution)\n",
+    "    all_solutions.append((agent.name, solution))\n",
+    "    previous_solution = solution  "
+   ]
+  },
+  {
+   "cell_type": "code",
+   "execution_count": null,
+   "metadata": {},
+   "outputs": [],
+   "source": [
+    "for solution_temp in all_solutions:\n",
+    "    print(solution_temp[1])"
+   ]
+  }
+ ],
+ "metadata": {
+  "kernelspec": {
+   "display_name": "langchain",
+   "language": "python",
+   "name": "python3"
+  },
+  "language_info": {
+   "codemirror_mode": {
+    "name": "ipython",
+    "version": 3
+   },
+   "file_extension": ".py",
+   "mimetype": "text/x-python",
+   "name": "python",
+   "nbconvert_exporter": "python",
+   "pygments_lexer": "ipython3",
+   "version": "3.10.14"
+  }
+ },
+ "nbformat": 4,
+ "nbformat_minor": 2
+}