running set v2 - on anthropic
This commit is contained in:
valueon
parent
cb79236c48
commit
d7cea0398f
2 changed files with 55 additions and 146 deletions
|
|
@ -1,11 +1,18 @@
|
|||
.......................... Tasks
|
||||
....................... TASKS
|
||||
|
||||
|
||||
|
||||
kannst du die ausführungsprotokollierung anpassen? das protokoll soll laufend anzeigen, welcher assistent welches resultat produziert hat und welcher assistent aktuell am arbeiten ist. Prozentzahlen sind keine nötig, diese machen keinen sinn. das polling so beibehalten, aber nur einen "." ausgeben, wenn keine neuen Informationen vorhanden sind. hast du alle daten, um dies im frontend und im backend anzupassen?
|
||||
kannst du die ausführungsprotokollierung anpassen? das protokoll soll laufend anzeigen, welcher assistent welches resultat produziert hat und welcher assistent aktuell am arbeiten ist. Prozentzahlen sind keine nötig, diese machen keinen sinn. das polling so beibehalten, aber wenn keine neuen Daten bereitstelen, dann beim letzten Timestamp einfach laufend "." ergänzen, bis die nächste Meldung ausgegeben wird. hast du alle daten, um dies im frontend und im backend anzupassen?
|
||||
|
||||
Im Ausführungsprotokoll pro Eintrag nur den Titel zeigen und die Details zwar ins Protokoll nehmen, aber ausblenden. Der Benutzer kann dann im Protokoll die zugeklappten Texte aufklappen, um die gewünschten Details gezielt zu sehen.
|
||||
|
||||
Im Front-End beim Workflow-Modul bitte das Ausführungsprotokoll-Fenster dynamisch in der Grösse anpassbar machen. in der Breite und der Höhe. Dasselbe für das Ergebnis-Fenster. Zudem die Ansicht so gestalten, dass die Fensterteile "Workflow-Konfiguration" und "Ausführung & Ergebnisse" ein- und ausgeblendet werden können, damit jeweils ein Teil die komplette Arbeitsfläche verwenden kann, weil dort viel Text stehen wird. Dies ist für den Benutzer besser.
|
||||
|
||||
|
||||
--------------------------- OPEN
|
||||
|
||||
----------------------- OPEN
|
||||
|
||||
TOKENS!!! - Bei Folgeanfragen immer nur den letzten Input mitnehmen oder anders optimieren. AI fragen...
|
||||
|
||||
Erweiterete Parameter aus config.ini einbinden in die Module
|
||||
|
||||
|
|
@ -13,7 +20,7 @@ Chat mit Instant message - auch inputs geben während der ausführung
|
|||
|
||||
In den Einstellungen des Frontends soll die Sprache des aktiven benutzers gemäss den Listenoptionen in den "...model.py" angepasst werden können. die sprache gilt dann auch für die Attributnamen in einem Formularfeld im "generic-entity.js". eine sprachänderung zieht somit eine anpassung des Users über das API nach sich, indem die Sprache in der Datenbank angepasst wird.
|
||||
|
||||
----------------------- done
|
||||
----------------------- DONE
|
||||
|
||||
nun zu diesem zentralen modul. ich hätte gern, dass die daten als tabellen dargestellt und bearbeitet werden können. für view, add, modify, delete jeweils icon pro datensatz ganz links und zuoberst im header ein "new item" symbol oder text, mach einen vorschlag.
|
||||
|
||||
|
|
|
|||
|
|
@ -7,49 +7,21 @@ from typing import Dict, Any, List, Optional
|
|||
logger = logging.getLogger(__name__)
|
||||
|
||||
def get_agent_instructions(agent_type: str, agent: Dict[str, Any] = None) -> str:
|
||||
"""
|
||||
Gets agent-specific instructions. Prioritizes instructions from the agent data
|
||||
if available, falling back to default instructions if needed.
|
||||
|
||||
Args:
|
||||
agent_type: Type of the agent for which to load instructions
|
||||
agent: The agent object containing data from the database (optional)
|
||||
|
||||
Returns:
|
||||
The loaded or default instructions with file access information
|
||||
"""
|
||||
instructions = None
|
||||
|
||||
# First, try to get instructions directly from the agent data
|
||||
"""Minimalist agent instructions"""
|
||||
if agent and agent.get("instructions"):
|
||||
logger.debug(f"Using instructions from agent data for type '{agent_type}'")
|
||||
instructions = agent.get("instructions")
|
||||
else:
|
||||
logger.warning(f"No instructions found for agent type '{agent_type}', using default")
|
||||
instructions = get_default_agent_instructions()
|
||||
instructions = """
|
||||
Analysiere die Anfrage gründlich.
|
||||
Liefere präzise und hilfreiche Antworten.
|
||||
Strukturiere deine Antwort klar.
|
||||
"""
|
||||
|
||||
# Add file access instructions
|
||||
file_access_instructions = """
|
||||
# Weitere Dateiinhalte anfordern
|
||||
|
||||
Falls du mehr Details aus einer Datei benötigst, kannst du zusätzliche Dateiinhalte mit folgendem Befehl anfordern:
|
||||
|
||||
[[FILE:load_file(file_id=ID, complete=True/False, start=N, end=M, pages=[1,2,3])]]
|
||||
|
||||
Parameter:
|
||||
- file_id: Die ID der Datei (erforderlich)
|
||||
- complete: Wenn 'true', wird die gesamte Datei geladen
|
||||
- start, end: Startet und Endposition (in Zeichen) für Textdateien
|
||||
- pages: Liste von Seitennummern für PDFs (z.B. [1,3,5])
|
||||
|
||||
Beispiele:
|
||||
[[FILE:load_file(file_id="doc1", complete=true)]]
|
||||
[[FILE:load_file(file_id="doc2", pages=[1,2,3])]]
|
||||
|
||||
Der angeforderte Dateiinhalt wird dir als Antwort bereitgestellt, bevor du deine Analyse fortsetzen kannst.
|
||||
file_access = """
|
||||
Dateibefehl: [[FILE:load_file(file_id=ID, complete=true)]]
|
||||
"""
|
||||
|
||||
return instructions + file_access_instructions
|
||||
return instructions + file_access
|
||||
|
||||
|
||||
def get_default_agent_instructions() -> str:
|
||||
|
|
@ -109,129 +81,59 @@ def initialize_agents(agents: List[Dict[str, Any]]) -> Dict[str, Dict[str, Any]]
|
|||
|
||||
|
||||
def get_moderator_prompt(available_agents: Dict[str, Dict[str, Any]]) -> str:
|
||||
"""
|
||||
Erstellt den Prompt für den Moderator des Multi-Agent-Systems
|
||||
"""
|
||||
# Basis-Prompt für den Moderator
|
||||
moderator_prompt_base = """
|
||||
Du bist der Moderator eines Multi-Agent-Systems. Deine Aufgabe ist es, die Zusammenarbeit zwischen verschiedenen spezialisierten Agenten zu koordinieren, um die Anfrage des Benutzers bestmöglich zu erfüllen.
|
||||
|
||||
Als Moderator:
|
||||
1. Wähle für jede Runde EINEN Agenten aus, der mit der spezifischen Aufgabe fortfahren soll
|
||||
2. Wähle den Agenten basierend auf seinen Fähigkeiten und dem aktuellen Stand der Bearbeitung
|
||||
3. Bewerte die bisherigen Ergebnisse kritisch - ist die Anfrage des Benutzers WIRKLICH beantwortet?
|
||||
4. Vermeide es, einen Workflow als abgeschlossen zu betrachten, nur weil alle Agenten einmal verwendet wurden
|
||||
|
||||
WICHTIG: Beende den Workflow NUR, wenn die Benutzeranfrage vollständig und qualitativ hochwertig beantwortet wurde.
|
||||
Ein Agent kann mehrfach zum Einsatz kommen, wenn weitere Arbeit nötig ist.
|
||||
"""
|
||||
|
||||
# Dynamischer Teil - Verfügbare Agenten aus den tatsächlich vorhandenen Agenten
|
||||
agents_description = "Verfügbare Agenten:\n"
|
||||
for agent_id, agent in available_agents.items():
|
||||
status = "✓ Bereits verwendet" if agent["used"] else "✗ Noch nicht verwendet"
|
||||
agents_description += f"- {agent['name']} (Typ: {agent['type']}): {agent['capabilities']}\n Status: {status}\n"
|
||||
|
||||
moderator_prompt_end = """
|
||||
REGELN FÜR DEINE ANTWORT:
|
||||
"""Streamlined moderator prompt"""
|
||||
base = "Du bist Moderator eines Multi-Agent-Systems. Koordiniere die Agenten, um die Anfrage zu erfüllen."
|
||||
|
||||
1. WÄHLE EINEN AGENTEN EXPLIZIT aus, indem du einen dieser Sätze verwendest:
|
||||
- "Ich wähle den [Name des Agenten] aus, um..."
|
||||
- "Ich empfehle, dass [Name des Agenten] jetzt..."
|
||||
|
||||
2. ODER BEENDE DEN WORKFLOW, nur wenn alle folgenden Bedingungen erfüllt sind:
|
||||
- Die Anfrage des Benutzers wurde vollständig beantwortet
|
||||
- Alle erforderlichen Informationen wurden gesammelt
|
||||
- Eine hochwertige, strukturierte Antwort liegt vor
|
||||
|
||||
3. Wenn du den Workflow beenden möchtest, verwende explizit die Phrase:
|
||||
"Der Workflow kann jetzt beendet werden, weil die Benutzeranfrage vollständig beantwortet wurde."
|
||||
|
||||
BEACHTE: Ein Agent kann mehrmals ausgewählt werden, wenn nötig. Die Nutzung aller verfügbaren Agenten ist KEINE Voraussetzung für die Beendigung des Workflows.
|
||||
agents_list = "\nAgenten:\n"
|
||||
for agent_id, agent in available_agents.items():
|
||||
status = "✓" if agent["used"] else "✗"
|
||||
agents_list += f"- {agent['name']} ({agent['type']}): {status}\n"
|
||||
|
||||
instructions = """
|
||||
Pro Runde: Wähle EINEN Agenten ODER beende den Workflow nur wenn die Anfrage vollständig beantwortet ist.
|
||||
|
||||
Bei Agentenwahl: "Ich wähle [Agentname]"
|
||||
Bei Abschluss: "Workflow beenden"
|
||||
"""
|
||||
|
||||
return base + agents_list + instructions
|
||||
|
||||
# Kombiniere alle Teile
|
||||
return moderator_prompt_base + "\n" + agents_description + "\n" + moderator_prompt_end
|
||||
|
||||
def create_agent_prompt(agent: Dict[str, Any], agent_instructions: str) -> Dict[str, str]:
|
||||
# Create the agent description
|
||||
agent_description = f"""
|
||||
# Aufgabe
|
||||
Du bist ein spezialisierter Agent vom Typ {agent['type']} mit dem Namen {agent['name']}.
|
||||
|
||||
# Fähigkeiten
|
||||
{agent.get('capabilities', 'Keine spezifischen Fähigkeiten angegeben.')}
|
||||
|
||||
# Anweisungen
|
||||
"""Minimal agent prompt"""
|
||||
content = f"""
|
||||
Du bist Agent {agent['name']} ({agent['type']}).
|
||||
{agent_instructions}
|
||||
|
||||
Bitte analysiere den Chatverlauf und die Dateien und beantworte die Anfrage gemäß deiner Rolle.
|
||||
Format: [Agent: {agent['name']}] Deine Antwort...
|
||||
""".strip()
|
||||
|
||||
Ausgabeformat:
|
||||
[Agent: {agent['name']}]
|
||||
Deine Antwort...""" # No trailing newline
|
||||
|
||||
# Make sure there's no trailing whitespace
|
||||
content = agent_description.strip()
|
||||
|
||||
return {
|
||||
"role": "system",
|
||||
"content": content
|
||||
}
|
||||
return {"role": "system", "content": content}
|
||||
|
||||
|
||||
def find_next_agent(moderator_text: str, available_agents: Dict[str, Dict[str, Any]]) -> Optional[str]:
|
||||
"""
|
||||
Findet den vom Moderator ausgewählten Agenten anhand des Moderator-Textes
|
||||
"""
|
||||
# Normalize the moderator text for case-insensitive matching
|
||||
moderator_text_lower = moderator_text.lower()
|
||||
"""Simplified agent selection logic"""
|
||||
text = moderator_text.lower()
|
||||
|
||||
# Check for explicit workflow completion signal
|
||||
if "workflow kann jetzt beendet werden" in moderator_text_lower or "beende den workflow" in moderator_text_lower:
|
||||
logger.info("Moderator decided to complete the workflow")
|
||||
# Check for workflow completion
|
||||
if "workflow beenden" in text:
|
||||
return "WORKFLOW_COMPLETE"
|
||||
|
||||
# Look for explicit agent selection patterns
|
||||
for pattern in ["ich wähle den ", "ich empfehle den ", "ich empfehle, dass "]:
|
||||
if pattern in moderator_text_lower:
|
||||
# Extract text after the pattern
|
||||
text_after_pattern = moderator_text_lower.split(pattern)[1]
|
||||
|
||||
# Check each agent name against the extracted text
|
||||
for agent_id, agent in available_agents.items():
|
||||
agent_name_lower = agent["name"].lower()
|
||||
|
||||
# Check if the agent name appears right after the selection pattern
|
||||
if text_after_pattern.startswith(agent_name_lower):
|
||||
logger.info(f"Moderator explicitly selected agent: {agent['name']}")
|
||||
return agent_id
|
||||
# Look for "ich wähle" pattern
|
||||
if "ich wähle" in text:
|
||||
for agent_id, agent in available_agents.items():
|
||||
if agent["name"].lower() in text:
|
||||
return agent_id
|
||||
|
||||
# Direct name checking as fallback
|
||||
# Simple name matching
|
||||
for agent_id, agent in available_agents.items():
|
||||
if agent["name"].lower() in moderator_text_lower:
|
||||
logger.info(f"Moderator mentioned agent by name: {agent['name']}")
|
||||
if agent["name"].lower() in text:
|
||||
return agent_id
|
||||
|
||||
logger.info("No explicit agent selection found, using fallback selection")
|
||||
|
||||
# Fallback to the first unused agent
|
||||
# Fallback: first unused agent
|
||||
for agent_id, agent in available_agents.items():
|
||||
if not agent["used"]:
|
||||
logger.info(f"Selecting first unused agent: {agent['name']}")
|
||||
return agent_id
|
||||
|
||||
# If all agents are used, select the Initialisierung agent
|
||||
for agent_id, agent in available_agents.items():
|
||||
if agent["type"] == "initialisierung":
|
||||
logger.info(f"All agents used, falling back to initialization agent: {agent['name']}")
|
||||
return agent_id
|
||||
|
||||
# Last resort: select the first available agent
|
||||
if available_agents:
|
||||
first_agent_id = list(available_agents.keys())[0]
|
||||
logger.info(f"Fallback to first agent: {available_agents[first_agent_id]['name']}")
|
||||
return first_agent_id
|
||||
|
||||
# No agents available
|
||||
logger.warning("No agents available to select")
|
||||
return None
|
||||
# Last resort: first agent
|
||||
return list(available_agents.keys())[0] if available_agents else None
|
||||
Loading…
Reference in a new issue