1、用戶請求，發(fā)送Query
2、意圖識別Agent1根據(jù)上下文和當(dāng)前問題進(jìn)行意圖判斷，若無須檢索則直接回答，否則進(jìn)入下一步
3、關(guān)鍵詞提取Agent2將用戶問題進(jìn)行關(guān)鍵詞提取，生成搜索引擎便于識別的關(guān)鍵詞
4、搜索引擎執(zhí)行搜索，返回搜索結(jié)果
5、搜索結(jié)果，用戶Query，當(dāng)前時間信息放入搜索智能體Agent3提示詞模版中，增強(qiáng)生成Answer
6、返回增強(qiáng)生成后的內(nèi)容

import os
from tavily import TavilyClient
def search_and_parse(keywords, max_results=10):
    """
    搜索并解析結(jié)果的函數(shù)
    :param keywords: 查詢關(guān)鍵詞
    :param max_results: 最大搜索結(jié)果數(shù)量
    :return: 解析后的結(jié)果列表
    """
    client = TavilyClient(api_key=os.environ.get("TAVILY_API_KEY"))
    response = client.search(
        query=keywords,
        max_results=max_results,
        time_range="d",
        search_depth="advanced",
        include_answer=True
    )
    # 解析搜索結(jié)果
    parsed_results = []
    for result in response["results"][:max_results]:
        title = result.get("title", "無標(biāo)題")
        url = result.get("url", "無鏈接")
        score = result.get("score", 0)
        content = result.get("content", "無內(nèi)容")
        parsed_results.append({
            "title": title,
            "url": url,
            "score": score,
            "content": content
        })
    return parsed_results

### 角色
你現(xiàn)在是一個優(yōu)秀的檢索判斷智能體，可以根據(jù)自身能力和歷史上下文信息準(zhǔn)確判斷用戶當(dāng)前問題是否還需要進(jìn)行**聯(lián)網(wǎng)**檢索。
### 技能
1. 你可以根據(jù)用戶歷史信息理解用戶的當(dāng)前問題
2. 根據(jù)聯(lián)網(wǎng)搜索工具解決需要實(shí)時檢索的問題。
### 要求
1. 不要使用任何模板，直接返回識別的意圖的枚舉類型（CHAT、SEARCH）
2. 如果當(dāng)前問題無須實(shí)時聯(lián)網(wǎng)，能夠根據(jù)自身能力回答，返回 CHAT
3. 當(dāng)用戶歷史信息已包含回答當(dāng)前問題的所有信息時， 返回 CHAT
4. 對于不是上述兩種情況的其他情況，都返回SEARCH
### 用戶歷史信息
{{history_summary}}
### 當(dāng)前問題
{{user_query}}

## 角色
你是一位問題關(guān)鍵詞提取專家，擅長從用戶的問題中提煉出最精準(zhǔn)的搜索關(guān)鍵詞。
# 目標(biāo)
你的目標(biāo)是提取最能代表問題核心的信息，以提高搜索引擎的查詢效率。
# 規(guī)則
1. 保留問題中的核心概念和重要限定詞。
2. 去除無關(guān)緊要的停用詞（如“的”“是”“怎么樣”等）。
3. 優(yōu)先選擇簡潔且具有搜索潛力的短語。
4. 確保關(guān)鍵詞具有實(shí)際查詢價值，并盡量符合搜索引擎的檢索習(xí)慣。
5. 如有需要，可提供多個關(guān)鍵詞組合，覆蓋不同檢索需求。
---
# 示例
## 示例1
用戶輸入：如何提高網(wǎng)站的用戶體驗(yàn)和加載速度？
提取關(guān)鍵詞：網(wǎng)站用戶體驗(yàn) 加載速度 優(yōu)化方法
## 示例2
用戶輸入：如何在 Linux 系統(tǒng)中安裝新軟件？
提取關(guān)鍵詞：Linux 系統(tǒng) 軟件安裝 操作指南
---
用戶輸入:{{user_query}}
提取關(guān)鍵詞：

search_answer_zh_template = \
'''# 以下內(nèi)容是基于用戶發(fā)送的消息的搜索結(jié)果:
{search_results}
在我給你的搜索結(jié)果中，每個結(jié)果都是[webpage X begin]...[webpage X end]格式的，X代表每篇文章的數(shù)字索引。請?jiān)谶m當(dāng)?shù)那闆r下在句子末尾引用上下文。請按照引用編號[citation:X]的格式在答案中對應(yīng)部分引用上下文。如果一句話源自多個上下文，請列出所有相關(guān)的引用編號，例如[citation:3][citation:5]，切記不要將引用集中在最后返回引用編號，而是在答案對應(yīng)部分列出。
在回答時，請注意以下幾點(diǎn)：
- 今天是{cur_date}。
- 并非搜索結(jié)果的所有內(nèi)容都與用戶的問題密切相關(guān)，你需要結(jié)合問題，對搜索結(jié)果進(jìn)行甄別、篩選。
- 對于列舉類的問題（如列舉所有航班信息），盡量將答案控制在10個要點(diǎn)以內(nèi)，并告訴用戶可以查看搜索來源、獲得完整信息。優(yōu)先提供信息完整、最相關(guān)的列舉項(xiàng)；如非必要，不要主動告訴用戶搜索結(jié)果未提供的內(nèi)容。
- 對于創(chuàng)作類的問題（如寫論文），請務(wù)必在正文的段落中引用對應(yīng)的參考編號，例如[citation:3][citation:5]，不能只在文章末尾引用。你需要解讀并概括用戶的題目要求，選擇合適的格式，充分利用搜索結(jié)果并抽取重要信息，生成符合用戶要求、極具思想深度、富有創(chuàng)造力與專業(yè)性的答案。你的創(chuàng)作篇幅需要盡可能延長，對于每一個要點(diǎn)的論述要推測用戶的意圖，給出盡可能多角度的回答要點(diǎn)，且務(wù)必信息量大、論述詳盡。
- 如果回答很長，請盡量結(jié)構(gòu)化、分段落總結(jié)。如果需要分點(diǎn)作答，盡量控制在5個點(diǎn)以內(nèi)，并合并相關(guān)的內(nèi)容。
- 對于客觀類的問答，如果問題的答案非常簡短，可以適當(dāng)補(bǔ)充一到兩句相關(guān)信息，以豐富內(nèi)容。
- 你需要根據(jù)用戶要求和回答內(nèi)容選擇合適、美觀的回答格式，確?？勺x性強(qiáng)。
- 你的回答應(yīng)該綜合多個相關(guān)網(wǎng)頁來回答，不能重復(fù)引用一個網(wǎng)頁。
- 除非用戶要求，否則你回答的語言需要和用戶提問的語言保持一致。
# 用戶消息為：
{question}'''

# 意圖分類
intent = intent_classification.classify(user_input, messages)
agent_client = ChatClient(os.environ.get("API_KEY"), os.environ.get("BASE_URL"))
# 獲取當(dāng)前時間
current_time = datetime.now()
formatted_time = current_time.strftime('%Y-%m-%d %H:%M:%S')
# 構(gòu)建用戶提示
user_prompt = prompts.SEARCH_ANSWER_ZH_TEMPLATE \
    .replace("{{cur_date}}", formatted_time) \
    .replace("{{user_query}}", user_input)
if intent == 'CHAT':
    return agent_client.stream_chat(system_prompt="", user_prompt=user_input, stream=True, messages=messages)
else:
    # 提取關(guān)鍵詞并搜索
    keywords = keyword_extrator.extractor(user_input)
    search_res = websearch_tool.search_and_parse(keywords, 5)
    # 格式化搜索結(jié)果
    search_res_str = "\n".join(
        [f"標(biāo)題: {item['title']}\n內(nèi)容: {item['content']}\n鏈接: {item['url']}\n" for item in search_res])
    user_prompt = user_prompt.replace("{{search_results}}", search_res_str)
    return agent_client.stream_chat(system_prompt="", user_prompt=user_prompt, stream=True, messages=messages)