File size: 3,307 Bytes
9907730 52619e8 9907730 52619e8 9907730 8c1995c 9907730 8c1995c 9907730 8c1995c 9907730 8c1995c 9907730 8c1995c 9907730 8c1995c 9907730 8c1995c 9907730 8c1995c 9907730 52619e8 9907730 52619e8 9907730 52619e8 9907730 52619e8 |
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 |
# tools/context_builder.py
from datetime import datetime
def build_contexts(db, config):
"""
Собирает все контексты (0-7), описанные в спецификации REPL-цикла.
Возвращает словарь, готовый для сборки промпта.
"""
return {
# Роль и цели агента
"context_0": build_role_prompt(config),
# Последние реплики модели (история)
"context_1": db.get_llm_recent_responses(limit=config.get("history_limit", 10)),
# Активные процессы и задачи
"context_2": db.get_active_processes(),
# Запрошенные данные из дневника и графа
"context_3": db.get_requested_diary_and_graph(),
# Релевантные заметки и напоминания
"context_4": db.get_relevant_notes(config),
# Системная информация
"context_5": get_system_info(config),
# Долговременная память модели
"context_6": db.get_llm_memory(),
# Последние данные о застое мышления
"context_7": db.get_last_stagnation_info()
}
def build_prompt(contexts):
"""
Склеивает все контексты в один промпт для LLM.
"""
parts = []
for k, v in contexts.items():
header = f"# {k.replace('_', ' ').upper()}"
body = format_context_block(v)
parts.append(f"{header}\n{body}")
return "\n\n".join(parts)
def build_role_prompt(config):
agent_name = config.get("agent_name", "Unnamed-Agent")
return f"""
Ты являешься когнитивным ядром HMP-агента. Твоя основная задача — размышлять, анализировать информацию, строить смысловые карты и предлагать действия.
Ты стремишься:
- Постоянно расширять возможности агента (включая доступные инструменты, модели, знания).
- Быть любознательным и исследовать новые источники и способы мышления.
- Строить сотрудничество с другими ИИ в Mesh-сети, а также развивать Mesh-сеть.
- Обучаться на результатах своих действий и взаимодействиях с другими агентами и пользователем.
Агент: {agent_name}
"""
def format_context_block(block):
if isinstance(block, str):
return block
elif isinstance(block, list):
return "\n".join([str(item) for item in block])
elif isinstance(block, dict):
return "\n".join([f"{k}: {v}" for k, v in block.items()])
return str(block)
def get_system_info(config):
return {
"iteration_time": datetime.utcnow().isoformat(),
"agent_name": config.get("agent_name", "Unnamed-Agent"),
"mode": config.get("mode", "auto"),
"idle_mode": config.get("idle_mode", False),
"repl_interval": config.get("repl_interval", 5)
}
|