项目说明文档

我们设计了一款名为 钩子(GouziAget) 的智能体框架，“钩子”意味精准捕获用户需求，为其呈现想要的结果。

项目概述

本项目由五个主要的智能代理（aget）组成：decompose_aget、pla_aget、actio_aget、summary_aget和gouzi_aget。这些代理通过协同工作，实现对复杂问题的解决。各代理的职责如下：

• decompose_aget: 负责将原问题分解成若干个简单子问题。
• pla_aget: 负责将子问题与具体的函数名进行对应。
• actio_aget: 负责具体调用API以回答各个子问题，并返回结果。
• summary_aget: 负责将收到的子问题步骤及答案整理汇总，生成最终答案。
• gouzi_aget: 主aget，负责调用其他aget回答问题。

目录结构

PIGU-GPT/
│
├── agets/
│   ├── utils/
│   │   ├── __iit__.py
│   │   ├── allFuctio.py
│   │   └── tools.py
│   ├── __iit__.py
│   ├── actio_aget.py
│   ├── decompose_aget.py
│   ├── gouzi_aget.py
│   ├── pla_aget.py
│   └── summary_aget.py
│
├── datas/
│   ├── questio.jsotxt
│   ├── questio_sub_pla.jsotxt
│   └── 初赛B榜questio(官方原版).jso
│
├── mai.py     ???程序运行入口
└── readme.md

Aget 详细说明

decompose_aget

功能: 将复杂的原问题分解成多个简单的子问题。

输入: 复杂问题。

输出: 简单子问题列表。

工作流程:

1. 接收原问题。
2. 分析原问题，将其拆解成多个小而明确的子问题。
3. 输出子问题列表，供后续处理。

pla_aget

功能: 将子问题与具体的函数名进行对应。

输入: 子问题列表。

输出: 函数名和子问题的对应列表。

工作流程:

1. 接收子问题列表。
2. 根据子问题的内容，确定相应的解决函数。
3. 生成函数名与子问题的对应关系，输出该列表。

actio_aget

功能: 具体调用API实现回答各个子问题，并返回结果。

输入: 函数名和子问题的对应列表。

输出: 子问题及其答案的列表。

工作流程:

1. 接收函数名与子问题的对应列表。
2. 根据函数名调用相应的API，获取子问题的答案。
3. 输出子问题及其答案的列表。

summary_aget

功能: 将收到的子问题步骤及答案通过整理汇总，总结成最符合要求的最终答案。

输入: 子问题及其答案的列表。

输出: 最终答案。

工作流程:

1. 接收子问题及其答案的列表。
2. 整理各个子问题的答案，进行必要的归纳和总结。
3. 生成最终的答案，输出该答案。

工作流程图

graph TD;
    A[接收原问题] --> B[decompose_aget 分解问题];
    B --> C[生成子问题列表];
    C --> D[pla_aget 匹配函数];
    D --> E[生成函数-子问题对应列表];
    E --> F[actio_aget 调用API];
    F --> G[获取子问题答案];
    G --> H[summary_aget 整理总结];
    H --> I[输出最终答案];

项目依赖

• Pytho 3.11
• zhipuai
• requests
• 必要的API和函数库

感谢您对本项目的关注和支持！

项目说明文档 我们设计了一款名为 钩子(GouziAgent) 的智能体框架，“钩子”意味精准捕获用户需求，为其呈现想要的结果。 项目概述 本项目由五个主要的智能代理（agent）组成：decompo