# AI Agent - 个人生活助手和数据分析助手

## 项目概述

这是一个基于 LangGraph、LangChain 和 FastAPI 构建的 AI 助手系统，能够处理天气查询、文件读取、网页抓取等任务。采用前后端分离架构，支持 PostgreSQL 持久化对话记忆。

## 项目结构

```
Agent1/
├── tools.py              # 工具定义（纯函数、@tool）
├── graph_builder.py      # LangGraph 状态图构建（状态定义、节点、边）
├── agent.py              # AIAgentService 类（模型初始化、graph 管理、消息处理）
├── backend.py            # FastAPI 应用（路由、WebSocket、lifespan）
├── frontend.py           # Streamlit 前端（通过 HTTP 调用后端）
├── .env                  # 环境变量（ZHIPUAI_API_KEY 等）
├── requirement.txt       # Python 依赖包列表
└── user_docs/            # 允许读取的文档目录
    ├── a.txt
    ├── b.pdf
    └── c.xlsx
```

## 核心功能

- 🌤️ **天气查询**：获取指定地点的当前温度
- 📄 **文本文件读取**：读取 `.txt`、`.md` 等文本文件
- 📑 **PDF 文件读取**：解析 PDF 文件并提取文本内容
- 📊 **Excel 数据处理**：读取 Excel 文件并转换为 Markdown 表格
- 🌐 **网页抓取**：抓取网页正文内容
- 💾 **持久化记忆**：使用 PostgreSQL 保存对话历史，支持多轮对话上下文
- 🔄 **多模型动态切换**：前端可选择不同的大语言模型，后端自动切换处理

## 技术栈

- **后端框架**：FastAPI + Uvicorn
- **前端框架**：Streamlit
- **AI 框架**：LangGraph + LangChain
- **数据库**：PostgreSQL（用于持久化对话记忆）
- **LLM 支持**：
  - 智谱 AI（glm-4.7-flash）：在线服务，响应速度快
  - 本地 vLLM（gemma-4-E2B-it）：本地部署，数据隐私性好

系统支持多种大语言模型，可在前端动态切换。每个模型在启动时都会预编译独立的 LangGraph，确保最佳性能。如果某个模型初始化失败（如 API Key 未配置），系统会自动降级到可用模型。

## 环境要求

- Python 3.10+
- PostgreSQL 16+
- Docker（可选，用于运行 PostgreSQL）

## 安装步骤

### 1. 启动 PostgreSQL 容器

```bash
docker run -d \
  --name postgres-langgraph \
  -e POSTGRES_PASSWORD=mysecretpassword \
  -e POSTGRES_DB=langgraph_db \
  -p 5432:5432 \
  -v ~/docker_volumes/postgres_data:/var/lib/postgresql/data \
  postgres:16
```

### 2. 安装 Python 依赖

```bash
pip install fastapi uvicorn streamlit requests psycopg[binary,pool] \
            langgraph langgraph-checkpoint-postgres langchain langchain-community \
            langchain-openai python-dotenv pypdf pandas beautifulsoup4
```

或者使用 requirements.txt：

```bash
pip install -r requirement.txt
```

### 3. 配置环境变量

编辑 `.env` 文件，设置您的 API 密钥：

```env
ZHIPUAI_API_KEY=your_zhipuai_api_key_here
VLLM_LOCAL_KEY=token-abc123  # 如果使用本地模型
```

## 运行步骤

### 1. 启动后端服务

```bash
python backend.py
```

看到 `Uvicorn running on http://0.0.0.0:8001` 即表示启动成功。

### 2. 启动前端界面（新终端）

```bash
streamlit run frontend.py
```

浏览器会自动打开 `http://localhost:8501`，即可开始使用。

## API 接口

### POST /chat

同步对话接口，支持模型选择

**请求体：**
```json
{
  "message": "今天北京天气怎么样？",
  "thread_id": "optional-thread-id",
  "model": "zhipu"  // 可选: "zhipu" 或 "local"
}
```

**响应：**
```json
{
  "reply": "当前北京的温度为25℃",
  "thread_id": "generated-or-provided-thread-id",
  "model_used": "zhipu"  // 实际使用的模型
}
```

**模型选项：**
- `zhipu`：智谱 GLM-4.7-Flash（在线）
- `local`：本地 vLLM Gemma-4（需要启动 vLLM 容器）

### WebSocket /ws

流式对话接口（可选扩展）

## 使用说明

### 工具调用示例

1. **查询天气**：
   ```
   用户：今天上海天气怎么样？
   ```

2. **读取文本文件**：
   ```
   用户：请读取 a.txt 文件的内容
   ```

3. **读取 PDF 文件**：
   ```
   用户：帮我总结一下 b.pdf 的内容
   ```

4. **读取 Excel 文件**：
   ```
   用户：显示 c.xlsx 的数据
   ```

5. **抓取网页**：
   ```
   用户：请抓取 https://example.com 的内容
   ```

### 会话记忆

- 系统会自动为每个会话生成唯一的 `thread_id`
- 相同 `thread_id` 的对话会共享历史记录
- 即使重启后端服务，对话历史依然保存在 PostgreSQL 中
- 如需固定会话 ID，可在前端代码中修改 `st.session_state.thread_id` 为固定字符串

### 多模型切换

**前端操作：**
1. 在左侧边栏的"选择大模型"下拉框中选择模型
2. 可随时切换模型，甚至在同一会话中
3. 点击"🔄 新会话"按钮可清空当前对话并开始新的会话

**后端行为：**
- 启动时会预编译所有可用模型的 LangGraph
- 如果某个模型初始化失败（如 API Key 未配置），会自动跳过
- 请求时如果选择的模型不可用，会自动降级到第一个可用模型
- 响应中会返回 `model_used` 字段，显示实际使用的模型

**添加新模型：**
在 `agent.py` 的 `initialize()` 方法中的 `model_configs` 字典添加新模型即可：
```python
model_configs = {
    "zhipu": self._create_zhipu_llm,
    "local": self._create_local_llm,
    "new_model": self._create_new_model_llm,  # 添加新模型
}
```

## 架构说明

### 模块职责

- **tools.py**：独立工具模块，包含所有 `@tool` 装饰的纯函数，无外部依赖，可单独测试
- **graph_builder.py**：LangGraph 状态图构建器，定义状态、节点函数和条件边
- **agent.py**：AIAgentService 服务类，负责模型初始化和 graph 编译，使用 `AsyncPostgresSaver`
- **backend.py**：FastAPI 应用，提供 REST API 和 WebSocket 接口，端口 8001
- **frontend.py**：Streamlit 前端，通过 HTTP 调用后端 API，实现友好的用户界面

### 数据流

```
用户输入 → Streamlit 前端 → FastAPI 后端 → AIAgentService 
→ LangGraph StateGraph → LLM + Tools → PostgreSQL (记忆) 
→ 返回响应 → 前端展示
```

## 注意事项

1. **文件安全**：所有文件读取操作仅限于 `./user_docs` 目录，防止路径遍历攻击
2. **端口冲突**：后端使用 8001 端口，避免与本地 vLLM 服务的 8000 端口冲突
3. **API 密钥**：请妥善保管 `.env` 文件中的 API 密钥，不要提交到版本控制系统
4. **数据库持久化**：PostgreSQL 数据卷挂载到 `~/docker_volumes/postgres_data`，确保数据安全

## 故障排除

### 问题：无法连接 PostgreSQL

**解决方案：**
```bash
# 检查容器是否运行
docker ps | grep postgres-langgraph

# 查看容器日志
docker logs postgres-langgraph

# 重新启动容器
docker restart postgres-langgraph
```

### 问题：后端启动失败

**解决方案：**
- 确认端口 8001 未被占用
- 检查 `.env` 文件中的 API 密钥是否正确配置
- 确认所有依赖包已正确安装
- 查看启动日志，确认至少有一个模型初始化成功

### 问题：模型切换后无响应

**解决方案：**
- 检查所选模型的配置是否正确（如智谱 API Key）
- 确认 vLLM 容器是否正在运行（如果使用本地模型）
- 查看后端日志，确认模型是否初始化成功
- 尝试切换到另一个模型

### 问题：工具调用失败

**解决方案：**
- 确认文件位于 `./user_docs` 目录下
- 检查文件格式是否正确
- 查看后端日志获取详细错误信息

## 许可证

本项目采用 MIT 许可证。详见 [LICENSE](LICENSE) 文件。

## 贡献

欢迎提交 Issue 和 Pull Request！