!pip install openai langchain

# 定義DialogueAgent類，用于表示對話中的一個代理（或參與者）
class DialogueAgent:
    # 初始化方法，用于設置代理的基礎屬性
    def __init__(
        self,
        name: str,  # 代理名稱：參與者，故事描述者，主人公
        system_message: SystemMessage,  # 系統(tǒng)消息對象
        model: ChatOpenAI,  # 聊天模型
    ) -> None:
        self.name = name  # 設置代理名稱
        self.system_message = system_message  # 設置系統(tǒng)消息
        self.model = model  # 設置聊天模型
        self.prefix = f"{self.name}: "  # 設置消息前綴，用于標識消息來源
        self.reset()  # 調(diào)用reset方法初始化消息歷史

    # reset方法，用于重置或初始化消息歷史
    def reset(self):
        self.message_history = ["Here is the conversation so far."]  # 初始化消息歷史

    # send方法，用于生成并發(fā)送消息
    def send(self) -> str:
        """
        Applies the chat model to the message history
        and returns the message string
        """
        # 調(diào)用模型生成消息
        message = self.model(
            [
                self.system_message,  # 系統(tǒng)消息：背景
                HumanMessage(content="\n".join(self.message_history + [self.prefix])),  # 人類消息（包含歷史和前綴）
            ]
        )
        #message = self.model(
        #  "\n".join([
        #    str(self.system_message),
        #    str(HumanMessage(content="\n".join(self.message_history + [self.prefix])))
        #  ])
        #)
        #return message.content

        return message  # 返回生成的消息

    # receive方法，用于接收并記錄消息
    def receive(self, name: str, message: str) -> None:
        """
        Concatenates message spoken by {name} into message history
        """
        # 將接收的消息加入到消息歷史中
        self.message_history.append(f"{name}: {message}")

# 定義一個DialogueSimulator類來模擬對話
class DialogueSimulator:
    # 初始化方法，用于設置類的基本屬性
    def __init__(
        self,
        agents: List[DialogueAgent],  # 代理列表，包含所有對話的參與者
        selection_function: Callable[[int, List[DialogueAgent]], int],  # 選擇下一個說話者的函數(shù)
    ) -> None:
        self.agents = agents  # 將傳入的代理列表保存為實例變量
        self._step = 0  # 初始化步數(shù)為0
        self.select_next_speaker = selection_function  # 設置選擇下一個說話者的函數(shù)

    # 重置方法，用于重置所有代理的狀態(tài)
    def reset(self):
        for agent in self.agents:  # 遍歷每個代理
            agent.reset()  # 調(diào)用每個代理的reset方法進行重置

    # 初始化對話的方法
    def inject(self, name: str, message: str):
        """
        Initiates the conversation with a message from a specific agent
        """
        for agent in self.agents:  # 遍歷每個代理
            agent.receive(name, message)  # 讓每個代理接收初始消息
        self._step += 1  # 增加步數(shù)計數(shù)

    # 進行一步對話的方法
    def step(self) -> tuple[str, str]:
        # 1. 選擇下一個說話的代理
        speaker_idx = self.select_next_speaker(self._step, self.agents)  # 使用選擇函數(shù)選擇代理
        speaker = self.agents[speaker_idx]  # 獲取選中的代理

        # 2. 讓選中的代理發(fā)送消息
        message = speaker.send()  # 獲取代理發(fā)送的消息

        # 3. 讓所有代理接收這條消息
        for receiver in self.agents:  # 遍歷所有代理
            receiver.receive(speaker.name, message)  # 讓每個代理接收消息

        # 4. 增加步數(shù)計數(shù)
        self._step += 1  # 更新步數(shù)
        
        # 返回說話代理的名字和消息內(nèi)容
        return speaker.name, message

protagonist_name = "馬小虎"
storyteller_name = "神秘老人"
quest = "找到傳說中的七件神器。"
word_limit = 50  

game_description = f"""這是一場地下城冒險游戲: {quest}.
        游戲中存在一名玩家: 主人公, {protagonist_name}.
        故事由故事的講述者來描述, {storyteller_name}."""

player_descriptor_system_message = SystemMessage(
    content="你可以為這場地下城冒險游戲添加細節(jié)."
)

#主人公提示詞
protagonist_specifier_prompt = [
    player_descriptor_system_message,
    HumanMessage(
        content=f"""{game_description}
        請用創(chuàng)意的方式來描述主人公, {protagonist_name}, 描述字數(shù)不超過 {word_limit} 個.
        并且說出主人公的名字， {protagonist_name}.
        除此之外不要添加其他信息."""
    ),
]
#llm 生成對主人公的描述
protagonist_description = ChatOpenAI(model_name="gpt-3.5-turbo",temperature=1.0)(
    protagonist_specifier_prompt
).content

#llm = QianfanLLMEndpoint( model="ChatGLM2-6B-32K", temperature = 1.0)
#protagonist_description= llm.generate([str(protagonist_specifier_prompt)])

#故事講述者提示詞
storyteller_specifier_prompt = [
    player_descriptor_system_message,
    HumanMessage(
        content=f"""{game_description}
        請用創(chuàng)意的方式來描述故事講述者, {storyteller_name}, 描述字數(shù)不超過 {word_limit} 個.
        并且說出故事講述者的名字， {storyteller_name}.
        除此之外不要添加其他信息."""
    ),
]
#llm 生成對故事描述者的描述
storyteller_description = ChatOpenAI(model_name="gpt-3.5-turbo",temperature=1.0)(
    storyteller_specifier_prompt
).content
#storyteller_description = llm.generate([str(storyteller_specifier_prompt)])

print("Protagonist Description:")
print(protagonist_description)
print("Storyteller Description:")
print(storyteller_description)

Protagonist Description:
馬小虎，一個年輕而勇敢的劍士，有著黑色的蓬松頭發(fā)和劍刃一樣銳利的眼神。
Storyteller Description:
故事講述者: 神秘老人，耄耋仙人。

# 定義一個名為 quest_specifier_prompt 的列表，包含 SystemMessage 和 HumanMessage 對象
quest_specifier_prompt = [
    # 系統(tǒng)消息，提示可以使任務更具體
    SystemMessage(content="你可以使任務更具體。"),
    
    # 人類消息，要求故事講述者更具體地描述任務
    HumanMessage(
        content=f"""{game_description}

        你是故事講述者，{storyteller_name}。
        請使任務更具體化。請富有創(chuàng)意和想象力。
        請用{word_limit}個詞或更少回復指定的任務。
        直接對主角{protagonist_name}說話。
        不要添加其他任何內(nèi)容。"""
    ),
]

specified_quest = ChatOpenAI(model_name='gpt-3.5-turbo',temperature=1.0)(quest_specifier_prompt).content
#specified_quest = llm.generate([str(quest_specifier_prompt)])

print(f"原始任務描述:\n{quest}\n")
print(f"詳細任務描述:\n{specified_quest}\n")

output
原始任務描述:
找到傳說中的七件神器。

詳細任務描述:
馬小虎，你需要穿越一條幻想之河，進入寒冰之洞穴。在那里，你將遇到一只被詛咒的巨龍。喚醒它的心靈，獲取神器第一件：冰霜之劍。完成任務，勇士。

#主人公
protagonist = DialogueAgent(
    name=protagonist_name,
    system_message=protagonist_system_message,
    model=ChatOpenAI(model_name='gpt-3.5-turbo',temperature=0.2),
    #model = llm,
)
#故事描述者
storyteller = DialogueAgent(
    name=storyteller_name,
    system_message=storyteller_system_message,
    model=ChatOpenAI(model_name='gpt-3.5-turbo',temperature=0.2),
    #model = llm,
)
#發(fā)言順序：輪流發(fā)言
def select_next_speaker(step: int, agents: List[DialogueAgent]) -> int:
    idx = step % len(agents)
    return idx

max_iters = 12
n = 0

simulator = DialogueSimulator(
    agents=[storyteller, protagonist], selection_function=select_next_speaker
)
simulator.reset()
#故事描述者 ， 任務的描述
simulator.inject(storyteller_name, specified_quest)
print(f"({storyteller_name}): {specified_quest}")
print("\n")

while n < max_iters:
    name, message = simulator.step()
    print(f"({name}): {message}")
    print("\n")
    n += 1