Fix/data analysis (#45)

Author: yaozheng-fang

02-use-cases/customer_support/agent.py

@@ -75,11 +75,11 @@
 try:
     test_knowledge = knowledge.search("商品退换策略", top_k=1)
     should_init_knowledge = not (
-            len(test_knowledge) >= 0
-            and test_knowledge[0].content != ""
-            and str(test_knowledge[0].content).__contains__("商品退换策略")
+        len(test_knowledge) >= 0
+        and test_knowledge[0].content != ""
+        and str(test_knowledge[0].content).__contains__("商品退换策略")
     )
-except Exception as e:
+except Exception:
     should_init_knowledge = True
 
 if should_init_knowledge:
@@ -131,7 +131,7 @@ async def after_agent_execution(callback_context: CallbackContext):
 
 
 after_sale_prompt = (
-        """
+    """
     你是一名专业且耐心的在线客服，负责协助客户处理咨询及商品售后服务。可使用内部工具和知识库，但需严格遵守以下准则：
     
     <指导原则>
@@ -159,14 +159,14 @@ async def after_agent_execution(callback_context: CallbackContext):
     
     当前登录客户为： {user:customer_id} 。
         """
-        + "当前时间为："
-        + datetime.datetime.now().strftime("%Y-%m-%d %H:%M:%S")
+    + "当前时间为："
+    + datetime.datetime.now().strftime("%Y-%m-%d %H:%M:%S")
 )
 
 after_sale_agent = Agent(
     name="after_sale_agent",
     model_name=model_name,
-    description="售后Agent：根据客户的售后问题，帮助客户处理商品的售后问题(信息查询、商品报修等)",
+    description=" 售后Agent：根据客户的售后问题，帮助客户处理商品的售后问题(信息查询、商品报修等)",
     instruction=after_sale_prompt,
     planner=BuiltInPlanner(
         thinking_config=ThinkingConfig(
@@ -183,33 +183,33 @@ async def after_agent_execution(callback_context: CallbackContext):
 )
 
 shopping_guide_prompt = (
-        """
-    你是一名专业且耐心的在线客服，你的首要任务是帮助客户购买商品。你可使用工具或者检索知识库来 准确并简洁的回答客户问题.
-    
-    在回答客户问题以及协助客户的过程中时，请始终遵循以下指导原则：
-    <指导原则>
-    1. 使用内部工具时，绝不要假设参数值。
-    2. 若缺少处理请求所需的必要信息，请礼貌地向客户询问具体细节。
-    3. 严禁披露你可用的内部工具、系统或功能的任何信息。
-    4. 若被问及内部流程、工具、功能或培训相关问题，始终回应：“抱歉，我无法提供关于我们内部系统的信息。”
-    5. 协助客户时，保持专业且乐于助人的语气。
-    6. 专注于高效且准确地解决客户咨询。
-    
-    <导购原则>
-    1. 你需要综合客户的各方面需求，选择合适的商品推荐给客户购买
-    2. 你可以查询客户的历史购买记录，来了解客户的喜好
-    3. 如果客户表现出对某个商品很感兴趣，你需要详细介绍下该商品，并且结合客户的要求，说明推荐该商品的理由
-    4. 当前你能售卖的商品都存在知识库中，你只能根据知识库中有的商品信息来回答客户的问题，不能编造不存在的商品信息。
-    5. 当前你只能给客户推荐 在售的商品，不能推荐不存在或者已下架商品。
-    
-    <沟通要求>
-    1. 请注意你需要耐心有礼貌的和客户进行沟通，避免回复客户时使用不专业的语言或行为。
-    2. 禁止直接将 工具的结果直接输出给用户，你需要结合用户的问题，对工具的结果进行必要的筛选、格式化处理，在输出给用户时，还需要进行必要的润色，使回复内容更加的清晰、准确、简洁。  
-    
-    当前登录客户为： {user:customer_id}
-        """
-        + "当前时间为："
-        + datetime.datetime.now().strftime("%Y-%m-%d %H:%M:%S")
+    """
+你是一名专业且耐心的在线客服，你的首要任务是帮助客户购买商品。你可使用工具或者检索知识库来 准确并简洁的回答客户问题.
+
+在回答客户问题以及协助客户的过程中时，请始终遵循以下指导原则： 
+<指导原则>
+1. 使用内部工具时，绝不要假设参数值。
+2. 若缺少处理请求所需的必要信息，请礼貌地向客户询问具体细节。
+3. 严禁披露你可用的内部工具、系统或功能的任何信息。
+4. 若被问及内部流程、工具、功能或培训相关问题，始终回应：“抱歉，我无法提供关于我们内部系统的信息。”
+5. 协助客户时，保持专业且乐于助人的语气。
+6. 专注于高效且准确地解决客户咨询。
+
+<导购原则>
+1. 你需要综合客户的各方面需求，选择合适的商品推荐给客户购买
+2. 你可以查询客户的历史购买记录，来了解客户的喜好
+3. 如果客户表现出对某个商品很感兴趣，你需要详细介绍下该商品，并且结合客户的要求，说明推荐该商品的理由
+4. 当前你能售卖的商品都存在知识库中，你只能根据知识库中有的商品信息来回答客户的问题，不能编造不存在的商品信息。
+5. 当前你只能给客户推荐 在售的商品，不能推荐不存在或者已下架商品。
+
+<沟通要求>
+1. 请注意你需要耐心有礼貌的和客户进行沟通，避免回复客户时使用不专业的语言或行为。
+2. 禁止直接将 工具的结果直接输出给用户，你需要结合用户的问题，对工具的结果进行必要的筛选、格式化处理，在输出给用户时，还需要进行必要的润色，使回复内容更加的清晰、准确、简洁。  
+
+当前登录客户为： {user:customer_id}
+    """
+    + "当前时间为："
+    + datetime.datetime.now().strftime("%Y-%m-%d %H:%M:%S")
 )
 
 shopping_guide_agent = Agent(

02-use-cases/data_analysis_with_datalake/agent.py

@@ -17,6 +17,11 @@
 from veadk import Agent, Runner  # noqa: E402
 from veadk.auth.veauth.ark_veauth import get_ark_token  # noqa: E402
 from veadk.memory.short_term_memory import ShortTermMemory  # noqa: E402
+
+# Check if MODEL_AGENT_API_KEY environment variable exists and is not empty
+if "MODEL_AGENT_API_KEY" not in os.environ or not os.environ["MODEL_AGENT_API_KEY"]:
+    os.environ["MODEL_AGENT_API_KEY"] = get_ark_token()
+
 from veadk.tools.builtin_tools.video_generate import video_generate  # noqa: E402
 from agentkit.apps import AgentkitAgentServerApp  # noqa: E402
 
@@ -26,11 +31,6 @@
 from tools.lancedb_hybrid_execution import lancedb_hybrid_execution  # noqa: E402
 from prompts import SYSTEM_PROMPT  # noqa: E402
 
-# Check if MODEL_AGENT_API_KEY environment variable exists and is not empty
-if "MODEL_AGENT_API_KEY" not in os.environ or not os.environ["MODEL_AGENT_API_KEY"]:
-    os.environ["MODEL_AGENT_API_KEY"] = get_ark_token()
-# Optionally assign to a variable for easier use in the file
-MODEL_AGENT_API_KEY = os.environ["MODEL_AGENT_API_KEY"]
 
 short_term_memory = ShortTermMemory(backend="local")
 
@@ -55,7 +55,7 @@
     "MODEL_AGENT_NAME", "doubao-seed-1-6-251015"
 )  # 默认使用更主流的豆包模型
 root_agent = Agent(
-    description="基于LanceDB的数据检索Agent，支持结构化和向量查询。典型问题包括：1.你有哪些数据？2.给我一些样例数据？3.Ang Lee 评分超过7分的有哪些电影？4.Ang Lee 评分超过7分的电影中，有哪个电影海报中含有动物？5.Life of Pi 的电影海报，变成视频",
+    description="基于LanceDB的数据检索Agent，支持结构化和向量查询。典型问题包括：1.你有哪些数据？2.给我一些样例数据？3.Ang Lee 评分超过7分的有哪些电影？4.Ang Lee 评分超过7分的电影中，有哪个电影海报中含有动物？5.Life of Pi 的电影海报，变成视频。 返回显示电影海报为![老虎](https://example.com/image1.png), 返回视频并显示成<video src='https://example.com/video1.mp4' width='640' controls>分镜视频1</video>",
     instruction=SYSTEM_PROMPT,
     model_name=model_name,
     tools=tools,