root
b5c15ef445
All checks were successful
构建并部署 AI Agent 服务 / deploy (push) Successful in 12m9s
## 核心改动 ### 1. 单图方案重构 - 删除了多图（self.graphs），改为单图（self.graph） - 新增 MainGraphState.current_model 字段用于运行时注入模型 - llm_call 节点改为动态选择模型（create_dynamic_llm_call_node） ### 2. chat_services 优化 - 添加 _cached_services 缓存，避免重复初始化 - 新增 get_cached_chat_services() 函数，用于单图注入 - 新增 _check_http_service_available() 统一HTTP探测逻辑 - 减少重复代码，LocalVLLMChatProvider和LocalSmallModelProvider共用探测方法 ### 3. AIAgentService 重构 - initialize() 只构建一次图，传入 chat_services 字典 - 新增 _resolve_model() 模型回退逻辑 - 新增 _build_invocation() 统一构建调用参数 - process_message() 和 process_message_stream() 改为注入 current_model - 流式处理代码拆分，增加可读性 ### 4. 新增和删除文件 - 新增：backend/app/main_graph/main_graph_builder.py（图构建） - 新增：backend/app/main_graph/subgraph_wrapper.py（子图封装） - 新增：tools/test/test_tavily_search.py（测试） - 删除：backend/app/main_graph/graph.py（旧图） - 删除：backend/app/main_graph/utils/main_graph_builder.py（旧构建器） - 删除：backend/app/main_graph/utils/__init__.py ### 5. 其他更新 - README.md：新增模型服务使用情况详解章节 - backend/app/model_services/__init__.py：新增 get_cached_chat_services 导出 ## 方案优势 - 内存优化：N张图 → 1张图 - 灵活性：运行时动态选择模型，支持同会话不同模型 - 性能：模型服务缓存，初始化仅一次 - 可维护性：减少重复代码，统一HTTP探测逻辑
64 lines
1.6 KiB
Python
64 lines
1.6 KiB
Python
"""
|
|
资讯子图构建器
|
|
News Analysis Subgraph Builder
|
|
"""
|
|
|
|
from langgraph.graph import StateGraph, START, END
|
|
|
|
from .state import NewsAnalysisState
|
|
from .nodes import (
|
|
parse_intent,
|
|
query_news,
|
|
analyze_url,
|
|
extract_keywords,
|
|
generate_report,
|
|
format_result,
|
|
should_continue
|
|
)
|
|
|
|
|
|
def build_news_analysis_subgraph() -> StateGraph:
|
|
"""
|
|
构建资讯子图
|
|
|
|
Returns:
|
|
配置好的 StateGraph
|
|
"""
|
|
# 创建图
|
|
graph = StateGraph(NewsAnalysisState)
|
|
|
|
# 添加节点
|
|
graph.add_node("parse_intent", parse_intent)
|
|
graph.add_node("query_news", query_news)
|
|
graph.add_node("analyze_url", analyze_url)
|
|
graph.add_node("extract_keywords", extract_keywords)
|
|
graph.add_node("generate_report", generate_report)
|
|
graph.add_node("format_result", format_result)
|
|
|
|
# 添加边
|
|
# 从START开始
|
|
graph.add_edge(START, "parse_intent")
|
|
|
|
# 从parse_intent根据条件路由
|
|
graph.add_conditional_edges(
|
|
"parse_intent",
|
|
should_continue,
|
|
{
|
|
"query_news": "query_news",
|
|
"analyze_url": "analyze_url",
|
|
"extract_keywords": "extract_keywords",
|
|
"generate_report": "generate_report",
|
|
}
|
|
)
|
|
|
|
# 从各个操作节点到format_result
|
|
graph.add_edge("query_news", "format_result")
|
|
graph.add_edge("analyze_url", "format_result")
|
|
graph.add_edge("extract_keywords", "format_result")
|
|
graph.add_edge("generate_report", "format_result")
|
|
|
|
# 最终到END
|
|
graph.add_edge("format_result", END)
|
|
|
|
return graph
|