Skip to content

WncFht/Personal_Agent

BranchesTags

Repository files navigation

AgentRSS: 智能RSS阅读与问答系统

AgentRSS Logo

AgentRSS是一个集成了RSS订阅、检索增强生成(RAG)和智能Agent的系统，为用户提供个性化的信息获取、整理和问答服务。

🌟 核心特性

  • 智能RSS管理：订阅、分类和更新各类信息源
  • 强大的RAG引擎：基于向量检索的智能问答系统
  • 多模态Agent：支持文本、图像、音频等多种输入形式
  • 工具集成：内置丰富工具集，支持扩展自定义工具
  • 记忆系统：短期和长期记忆管理，提供个性化体验
  • 多模型支持：兼容各类LLM，从轻量本地模型到云端大模型
  • 友好界面：简洁直观的Web界面和命令行工具

🏗️ 系统架构

AgentRSS采用模块化、可扩展的架构设计，主要由以下核心组件构成：

agentRSS/
├── core/                  # 核心框架
│   ├── agent/             # Agent系统
│   │   ├── base.py        # Agent基类
│   │   ├── rss_agent.py   # RSS专用Agent
│   │   ├── rag_agent.py   # RAG专用Agent
│   │   └── multi_agent.py # 多Agent协作系统
│   ├── memory/            # 记忆系统
│   │   ├── working.py     # 工作记忆
│   │   ├── episodic.py    # 情景记忆
│   │   └── semantic.py    # 语义记忆
│   ├── tools/             # 工具系统
│   │   ├── registry.py    # 工具注册中心
│   │   ├── rss_tools.py   # RSS相关工具
│   │   ├── search_tools.py # 搜索工具
│   │   └── file_tools.py  # 文件处理工具
│   └── llm/               # 语言模型接口
│       ├── base.py        # 模型基类
│       ├── openai.py      # OpenAI模型
│       ├── local.py       # 本地模型
│       └── adapter.py     # 模型适配器
├── rss/                   # RSS模块
│   ├── parser.py          # RSS解析器
│   ├── manager.py         # RSS源管理
│   ├── fetcher.py         # RSS内容获取
│   └── storage.py         # RSS数据存储
├── rag/                   # RAG模块
│   ├── engine.py          # RAG引擎
│   ├── embedding/         # 向量化模块
│   │   ├── model.py       # 嵌入模型
│   │   └── processor.py   # 文本处理器
│   ├── retrieval/         # 检索模块
│   │   ├── vector_db.py   # 向量数据库
│   │   ├── hybrid.py      # 混合检索
│   │   └── reranker.py    # 重排序器
│   └── generation/        # 生成模块
│       ├── prompt.py      # 提示模板
│       └── generator.py   # 回答生成器
├── multimodal/            # 多模态处理
│   ├── text.py            # 文本处理
│   ├── image.py           # 图像处理
│   ├── audio.py           # 音频处理
│   └── fusion.py          # 模态融合
├── ui/                    # 用户界面
│   ├── web/               # Web界面
│   │   ├── app.py         # Web应用
│   │   ├── components/    # UI组件
│   │   └── static/        # 静态资源
│   └── cli/               # 命令行界面
│       ├── commands/      # 命令定义
│       └── formatters/    # 输出格式化
└── utils/                 # 通用工具
    ├── config.py          # 配置管理
    ├── logging.py         # 日志系统
    ├── async_utils.py     # 异步工具
    └── security.py        # 安全工具

🔄 数据流与工作流程

AgentRSS的工作流程如下：

  1. 信息获取：RSS模块定期从订阅源获取最新内容
  2. 内容处理：将RSS内容解析、清洗并存储
  3. 知识索引：RAG模块对内容进行向量化并建立索引
  4. 用户交互：用户通过UI提交查询或指令
  5. Agent处理：Agent系统分析用户意图，规划执行步骤
  6. 工具调用：根据需要调用相关工具（搜索、RSS查询等）
  7. 回答生成：基于检索结果和工具输出生成回答
  8. 记忆更新：更新系统记忆，优化未来交互

🧠 Agent系统设计

AgentRSS采用多层Agent架构：

1. 核心Agent框架

  • BaseAgent：所有Agent的基类，定义通用接口
  • ToolAgent：专注于工具调用的Agent
  • MemoryAgent：具备记忆管理能力的Agent
  • PlannerAgent：负责任务规划和分解的Agent

2. 专用Agent

  • RSSAgent：管理RSS源和内容的专用Agent
  • RAGAgent：处理知识检索和问答的专用Agent
  • MultimodalAgent：处理多模态输入的Agent

3. 协作机制

  • AgentRegistry：Agent注册和发现机制
  • AgentRouter：根据任务类型路由到合适的Agent
  • AgentOrchestrator：协调多个Agent协作完成复杂任务

📊 记忆系统

AgentRSS的记忆系统分为三层：

  1. 工作记忆(WorkingMemory)：

    • 存储当前会话状态和上下文
    • 短期存储，会话结束后清除

  2. 情景记忆(EpisodicMemory)：

    • 存储用户历史交互记录
    • 中期存储，支持检索历史对话

  3. 语义记忆(SemanticMemory)：

    • 存储从交互中提取的知识和概念
    • 长期存储，构建用户知识图谱

🛠️ 工具系统

AgentRSS的工具系统采用插件式设计：

  1. 核心工具：

    • RSSTools：RSS源管理、内容获取工具
    • RAGTools：知识检索和问答工具
    • FileTools：文件操作和处理工具

  2. 扩展工具：

    • WebTools：网页访问和内容提取工具
    • APITools：外部API调用工具
    • AnalysisTools：数据分析和可视化工具

  3. 工具注册机制：

    • 统一的工具接口
    • 动态工具注册和发现
    • 工具权限和安全管理

🔍 RAG引擎

AgentRSS的RAG引擎采用先进的检索增强生成技术：

  1. 文本处理：

    • 智能分块策略
    • 多级别文本表示

  2. 检索策略：

    • 混合检索（向量检索+关键词检索）
    • 多阶段检索和重排序
    • 上下文感知检索

  3. 生成优化：

    • 动态提示工程
    • 引用追踪和验证
    • 多文档综合

🌐 多模态支持

AgentRSS支持多种输入模态：

  1. 文本处理：理解和生成自然语言文本
  2. 图像处理：识别和分析图像内容
  3. 音频处理：语音识别和处理
  4. 模态融合：整合多模态信息，提供统一理解

🖥️ 用户界面

AgentRSS提供多种交互方式：

  1. Web界面：

    • 响应式设计，支持移动设备
    • 实时更新和流式输出
    • 丰富的可视化组件

  2. 命令行界面：

    • 功能完整的CLI工具
    • 批处理支持
    • 脚本集成能力

  3. API接口：

    • RESTful API
    • WebSocket实时通信
    • 第三方集成支持

🚀 快速开始

安装

# 克隆仓库
git clone https://github.com/yourusername/agent-rss.git
cd agent-rss

# 安装依赖
pip install -r requirements.txt

# 下载必要的模型
python scripts/download_models.py

配置

创建配置文件：

cp config/config.example.yaml config/config.yaml

编辑配置文件，添加必要的API密钥和设置。

运行

启动Web界面：

python run_ui.py

使用命令行工具：

python -m agentrss.cli [命令] [参数]

📚 使用示例

1. RSS源管理

# 添加RSS源
python -m agentrss.cli rss add --url https://example.com/feed.xml --category tech

# 导入OPML文件
python -m agentrss.cli rss import --file feeds.opml

# 更新所有RSS源
python -m agentrss.cli rss update

2. 智能问答

# 基于RSS内容提问
python -m agentrss.cli ask "最近有哪些关于人工智能的重要新闻？"

# 指定时间范围和来源
python -m agentrss.cli ask "上周有哪些科技新闻？" --from "7d" --sources "tech"

3. Agent交互

# 启动交互式Agent会话
python -m agentrss.cli agent

# 执行复杂任务
python -m agentrss.cli agent "分析最近一周的科技新闻，找出最重要的三个趋势，并生成摘要报告"

🧩 扩展开发

AgentRSS设计为高度可扩展的系统，您可以：

  1. 添加新工具：实现Tool接口，注册到工具注册表
  2. 自定义Agent：继承BaseAgent，实现特定功能
  3. 扩展UI：添加新的UI组件或视图
  4. 集成新模型：实现ModelAdapter接口，支持新的LLM

详细开发指南请参考开发文档。

📊 性能与资源需求

AgentRSS支持不同规模的部署：

  1. 轻量级部署：

    • 本地小型模型
    • SQLite存储
    • 最小内存需求：4GB

  2. 标准部署：

    • 中型本地模型或云API
    • PostgreSQL数据库
    • 推荐内存：8GB+

  3. 高性能部署：

    • 大型模型或多模型组合
    • 分布式向量数据库
    • 推荐内存：16GB+，GPU加速

🤝 贡献指南

我们欢迎各种形式的贡献！请查看贡献指南了解详情。

📜 许可证

本项目采用MIT许可证 - 详情请参阅LICENSE文件。

🙏 致谢

AgentRSS基于多个开源项目构建，特别感谢：

About

No description, website, or topics provided.

Resources

Readme
Activity

Stars

3 stars

Watchers

1 watching

Forks

0 forks
Report repository

Releases

No releases published

Packages

No packages published

Languages