自定义智能体

概述

本教程旨在指导用户如何通过Groovy脚本来创建自定义智能体，以执行文本生成、知识库查询、多线程处理大文本内容整合、JSON数据处理、Markdown报告生成、语音文件生成及上传至七牛云存储等任务。以下将提供具体的代码示例供参考。

术语和缩略语

• AIP: alinesno-infrastructure-platform 的简称。
• GParsPool: Groovy并行系统提供的工具之一，用于实现并行计算。
• R: 响应对象，通常包含操作的结果或状态信息。
• Qiniu: 七牛云，提供云存储和数据加速服务的中国云计算公司。

你将获取

• 如何编写Groovy脚本来创建智能体。
• 如何与外部API和服务交互。
• 处理大量文本数据的方法。
• 生成Markdown格式报告的技巧。
• 结合自然语言处理技术生成语音文件，并将其上传到云端存储。

集成方式

以下的qianWenLLM不再使用，使用新的modelAdapterLLM模型类，使用示例如下:

接口方法说明的示例

• processStreamSingle: 一次对话内容，并会保存对话结果，如下示例:

  processStreamSingle() 只为单个对话内容返回准备，即一次内容对话后直接返回结果，如下:

  import com.alinesno.infra.smart.assistant.api.ModelNodeDto
  
  import com.agentsflex.core.llm.Llm
  import com.agentsflex.core.message.AiMessage
  import com.agentsflex.llm.deepseek.DeepseekLlm
  import com.agentsflex.llm.deepseek.DeepseekLlmConfig
  
  // 创建对象
  def modelNode = new ModelNodeDto(UUID.randomUUID().toString() , false) 
  
  modelAdapterLLM.setNode(modelNode)  
  
  def config = new DeepseekLlmConfig(
      endpoint: "https://dashscope.aliyuncs.com/compatible-mode/v1",
      apiKey: secretKey?.qwen_key,   
      model: "deepseek-r1"
  )
  
  Llm llm = new DeepseekLlm(config)
   
   
  def prompt = expertService.clearMessage(taskInfo.getText()) 
  def output = modelAdapterLLM.processStreamSingle(llm , role , prompt , taskInfo) 
  
  return "操作成功" 
  
  

• processStream: 流程对话，不会返回结果，但是会出现流程节点过程

  import com.alinesno.infra.smart.assistant.api.ModelNodeDto
  
  import com.agentsflex.core.llm.Llm
  import com.agentsflex.core.message.AiMessage
  import com.agentsflex.llm.deepseek.DeepseekLlm
  import com.agentsflex.llm.deepseek.DeepseekLlmConfig
  
  // --->>>>>>>>>>>>>>>>>>>>>>>>>>>>> 第1步 --->>>>>>>>>>>>>>>
  // 创建对象
  def modelNodeStep1 = new ModelNodeDto(UUID.randomUUID().toString() , false) 
  
  modelAdapterLLM.setNode(modelNodeStep1) 
  modelAdapterLLM.eventModelMessage('第1个节点任务' , 'start')
  
  def config = new DeepseekLlmConfig(
      endpoint: "https://dashscope.aliyuncs.com/compatible-mode/v1",
      apiKey: secretKey?.qwen_key,   
      model: "deepseek-r1"
  )
  
  Llm llm = new DeepseekLlm(config)
   
   
  def prompt = expertService.clearMessage(taskInfo.getText()) 
  def outputStep1 = modelAdapterLLM.processStream(llm , role , prompt , taskInfo)
  
  modelAdapterLLM.eventModelMessage('第1个节点任务' , 'end')
  
  // --->>>>>>>>>>>>>>>>>>>>>>>>>>>>> 第2步 --->>>>>>>>>>>>>>>
  
  // 创建对象
  def modelNodeStep2 = new ModelNodeDto(UUID.randomUUID().toString() ,false) 
  modelAdapterLLM.setNode(modelNodeStep2) 
  modelAdapterLLM.eventModelMessage('第2个节点任务' , 'start')
    
  def outputStep2 = modelAdapterLLM.processStream(llm , role , prompt , taskInfo)
  
  modelAdapterLLM.eventModelMessage('第2个节点任务' , 'end')
  
  // --->>>>>>>>>>>>>>>>>>>>>>>>>>>>> 第3步 --->>>>>>>>>>>>>>>
  // 合并内容输出
  modelAdapterLLM.outputContent(outputStep1 + "\r\n" + outputStep2)
  
  return "操作成功" 
  

示例返回Groovy脚本（JSON）

import groovy.json.JsonOutput

def jsonObject = [message: "Hello, World!"]
def jsonString = JsonOutput.toJson(jsonObject)
log.info(jsonString)
return jsonString

示例返回Markdown脚本

def generateMarkdownReport(title, content) {
    """
# $title

$content

## Summary
- This is a simple report.
- It contains a title and some content.
- Below is a list of items.

### List of Items
- Item 1
- Item 2
- Item 3

---

Generated on: ${new Date()}
"""
}

def reportTitle = "Monthly Sales Report"
def reportContent = """
This month's sales have been outstanding. We've seen a 20% increase in revenue compared to last month. Here are the key points:

- Total Revenue: \$50,000
- Number of Sales: 1,200
- Average Sale Value: \$41.67
"""

def markdownReport = generateMarkdownReport(reportTitle, reportContent)
log.info(markdownReport)
return markdownReport

生成语音并上传到七牛

import groovy.json.JsonSlurper
import java.nio.file.*

// JSON字符串解析...
def jsonData = jsonSlurper.parseText(jsonString)

// 生成mp3文件并记录文件名
jsonData.eachWithIndex { entry, index ->
    def speaker = entry.speaker
    def content = entry.content
    def voice = (speaker == '男') ? 'longshuo' : 'longxiaochun'
    def filename = "${speaker}_${index}.mp3"
    def mp3File = genMp3(content, filename, voice)
    mp3Files << mp3File
}

// 合并mp3文件
def finalOutput = "E:\\final_dialogue.mp3"
if (combine(finalOutput, mp3Files)) {
    println "最终的对话音频文件已生成: $finalOutput"
} else {
    println "合并MP3文件失败"
}

// 生成MP3文件的方法
def genMp3(String text, String filename, String voice) {
    File file = qianWenAuditLLM.generateAudit(voice, text)
    log.debug("Generating MP3 for: text:{} , filename:{}", text, filename)
    return file.getAbsolutePath()
}

// 合并MP3文件的方法
def combine(String outFile, List<String> inFiles) throws Exception {
    FileOutputStream fos = new FileOutputStream(outFile, true)
    inFiles.each { file ->
        FileInputStream fis = new FileInputStream(file)
        byte[] buf = new byte[1024 * 1024]
        int len
        while ((len = fis.read(buf)) != -1) {
            fos.write(buf, 0, len)
        }
        fis.close()
    }
    fos.close()
    return true
}

// 上传文件到七牛
def ossUrl = expertService.uploadFile(finalOutput)
log.debug("ossUrl = {}", ossUrl)
return ossUrl

文件上传

def ossUrl = expertService.uploadFile('/home/root/libs/jna-4.5.1.jar')
log.debug("ossUrl = {}", ossUrl)
return ossUrl

网页解析

@Grapes(
    @Grab(group='org.jsoup', module='jsoup', version='1.15.3')
)
import org.jsoup.Jsoup
import org.jsoup.nodes.Document
import org.jsoup.select.Elements

Document doc = Jsoup.connect("https://www.baidu.com").get()
println("Page title: " + doc.title())

Elements links = doc.select("a[href]")
links.each { link ->
    println("Link: " + link.attr("href"))
    println("Text: " + link.text())
}

contextMap.put("title-111", doc.title())
return doc.title()

注意事项

• 在实际部署前，请确保所有依赖项已正确安装且版本兼容。
• 对于敏感数据的操作，请采取适当的安全措施。
• 并行处理时要注意资源消耗，避免服务器性能过度消耗。
• 使用第三方服务时，请遵守相应的服务条款及隐私政策。
• 在复杂逻辑或大量数据处理时，建议先在测试环境中验证脚本的功能性和稳定性。