7.1 KiB
Meeting Knowledge Interactive Agent
这是一个以“大模型交互式 Agent”为主体的会议知识库项目。用户在 CLI 里自然语言对话，Agent 自己决定什么时候调用工具；导入会议转录 和 查询周会台账 只是 Agent 可用的工具，不是项目主体入口。
工程结构按 D:\github_project\my_code\my_agent 的 Agent 骨架组织，方便后续扩展 provider、tools、skills、memory 和任务调度。
目录结构
meeting_knowledge/
├─ agent.py # 顶层 Agent 装配入口
├─ main_cli.py # 交互式 CLI 主入口
├─ main.py # 兼容入口，转到 main_cli.py
├─ prompts.py # system prompt 组装
├─ dispatch.py # 任务调度扩展点
├─ core_agent/
│ ├─ config.py # .env / 环境变量配置
│ ├─ compression.py # 长上下文压缩
│ └─ session.py # 多轮会话与工具调用循环
├─ providers/
│ ├─ base.py # Provider 抽象
│ ├─ openai_compatible.py # OpenAI-compatible 模型适配
│ ├─ rule_based.py # 离线规则 Provider，仅用于 --offline 演示
│ └─ prompt_loader.py
├─ tools/
│ ├─ registry.py # 工具注册中心
│ ├─ default_tools.py # 默认工具集合（通用工具 + 会议工具）
│ ├─ general_tools.py # 读写文件、目录浏览、shell、Python 等基础工具
│ ├─ meeting_tools.py # 会议导入/查询工具
│ └─ tool_trace.py # 工具调用轨迹本地存储
├─ meeting_memory/ # 会议台账业务层
│ ├─ meeting_digest_agent.py # 会议整理子 Agent，负责把原文整理成结构化结果
│ ├─ ledger.py # Markdown/JSON 台账存储
│ └─ service.py # 会议知识库业务服务
├─ prompt/zh/base.yaml # 中文基础提示词
├─ .env.example # 大模型配置模板
├─ .env # 本地大模型配置，需填写真实值
├─ webui/ # Web 页面静态资源
├─ webui_server.py # FastAPI Web 服务入口
└─ requirements.txt
安装依赖
pip install -r requirements.txt
配置大模型
本项目适配 OpenAI-compatible API，也就是兼容 /v1/chat/completions 的接口，并要求模型支持 tools/function calling。
复制或直接编辑 .env：
OPENAI_API_KEY=你的key
OPENAI_BASE_URL=https://你的服务地址/v1
MODEL_NAME=你的模型名
OPENAI_TIMEOUT=120
OPENAI_TEMPERATURE=0.2
CORE_AGENT_MAX_ITERATIONS=12
也兼容这些别名：
API_KEY -> OPENAI_API_KEY
BASE_URL -> OPENAI_BASE_URL
CORE_AGENT_MODEL / MODEL -> MODEL_NAME
运行交互式 Agent
默认运行会读取 .env 并调用你的 OpenAI-compatible 模型：
python .\main_cli.py
进入后可以直接说：
导入 D:\github_project\my_code\meeting_agent\examples\huiyi.txt 知识库 合川分公司
然后继续问：
专线护航还有哪些待办？知识库 合川分公司
运行 Web UI
当前 Web 前端源码已经内置在本项目的 frontend_nanobot/ 中，构建后的静态文件统一输出到 webui/dist/，由 webui_server.py 直接托管，不再依赖外部 nanobot 目录。
1. 安装前端依赖
cd .\frontend_nanobot
npm install
2. 构建前端
npm run build
构建产物会输出到：
.\webui\dist
3. 启动 Web 网关
cd ..
python .\webui_server.py
默认地址：
http://127.0.0.1:8010
如果只想离线演示整条链路，不调用大模型：
python .\webui_server.py --offline
离线演示模式
只有想验证工具链、不调用大模型时，才使用：
python .\main_cli.py --offline
单条离线导入测试：
python .\main_cli.py --offline --once "导入 D:\github_project\my_code\meeting_agent\examples\huiyi.txt 知识库 合川分公司"
知识库选择约定
当前只是演示 demo，不做团队隔离。data/ 下每个子文件夹视作一个独立知识库，例如：
data/
├─ 合川分公司/
└─ 另一个知识库/
未来 Web 界面可以列出这些文件夹，让用户选择一个知识库后，把文件夹名作为 knowledge_base_id 传给工具进行针对性提问。team_id 只是旧兼容参数，后续推荐使用 knowledge_base_id。
在当前这版 Web 里，系统会把每个知识库自动映射成一个可进入的会话入口；选中对应会话后提问，就会优先基于该知识库回答。
Agent 工具
current_time：获取当前时间。list_directory：浏览工作区目录。search_files：按文件名搜索工作区文件。read_file：读取工作区内文本文件。write_file：写入工作区内文本文件。execute_shell：执行 shell 命令做环境检查或调试。run_python：执行简短 Python 代码做快速处理。tool_trace_query：按需查询本地保存的工具调用轨迹。import_meeting_transcript：导入会议原文，交给会议整理子 Agent 做项目化整理，并更新指定知识库的 Markdown 台账。query_knowledge：查询指定知识库周会台账。list_knowledge_bases：列出data/下已有知识库。
LLM Agent 会在对话中自动选择这些工具。会议整理本身由 prompt/zh/meeting_digest.yaml 驱动的子 Agent 完成，主 Agent 只负责调工具和查询台账。
多轮会话机制
当前多轮会话参考了 D:\github_project\my_code\my_agent 的实现思路：
- 每个会话保留最近
20轮用户/助手对话并本地落盘。 - 超出窗口后，会通过
core_agent/compression.py做滚动摘要压缩，而不是无限堆上下文。 - 工具调用的参数、思考、结果会单独保存到本地
tool_trace.json。 - 默认不会把大量工具过程长期塞回主上下文；需要时由 Agent 调用
tool_trace_query再查。
CLI 默认使用会话 cli_default。Web 侧每个聊天或知识库会映射到独立的本地会话目录。
输出数据
默认写入：
data/
└─ 合川分公司/ # 一个知识库示例
├─ state.json
├─ team_ledger.md
└─ meetings/
team_ledger.md 是面向人和 Agent 共同读取的主文档；state.json 和 meetings/*.json 是可复用的结构化中间结果。
当前整理逻辑是：
- 每个知识库只维护一份
team_ledger.md主台账。 - 每次导入只处理一份会议原文。
- 会议原文会先交给会议整理子 Agent，按“项目”抽取重要信息，再更新同一份 Markdown。
- 如果本次会议提到历史项目，就更新已有项目状态；如果出现新项目，就新增项目条目。
多轮会话和工具轨迹默认写入：
agent_memory/
└─ sessions/
└─ <session_id>/
├─ recent_history.json
└─ tool_trace.json