6.3 KiB

Raw Blame History

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 前端源码已经收口到本项目的 webui/frontend/ 中，构建后的静态文件统一输出到 webui/dist/，由 webui_server.py 直接托管，不再依赖单独的 nanobot 目录。

1. 安装前端依赖

cd .\webui\frontend
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

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"

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。
store_meeting_memory：把会议原文写入长期会议记忆，执行抽取、归档、状态合并与图谱索引。
query_meeting_memory：查询长期会议记忆中的会议上下文、实体关系、行动项和指标信息。

LLM Agent 会在对话中自动选择这些工具。当前知识功能已经切换到图谱化的 meeting_memory 管线，不再维护旧版 Markdown 台账知识库。

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 侧每个聊天会映射到独立的本地会话目录。

输出数据

默认写入：

data/
├─ meeting_state.json
└─ raw/

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

6.3 KiB Raw Blame History Unescape Escape