chore(es): support cert connection for opensearch backend

docs/docs/cli.md

@@ -2,8 +2,8 @@
 title: VeADK 命令行工具
 ---
 
-
 ## 命令行工具概述
+
 VeADK 提供如下命令便捷您的操作：
 
 | 命令 | 描述 | 说明 |
@@ -18,7 +18,6 @@ VeADK 提供如下命令便捷您的操作：
 | `veadk uploadevalset` | 评测集相关操作 | 上传评测数据集到Cozeloop平台，生成平台上的评测集记录和访问权限配置。 |
 | `veadk pipeline` | 持续交付相关操作 | 创建CI/CD配置文件，设置自动化构建流水线。 |
 
-
 ## 项目初始化
 
 ### 简介
@@ -558,6 +557,26 @@ veadk pipeline \
   --region cn-beijing
 ```
 
+## AgentKit 命令兼容
+
+VeADK 命令行兼容 AgentKit 命令，您可以直接在 AgentKit 相关命令前添加 `veadk` 前缀，例如：
+
+创建一个新的 AgentKit 项目：
+
+```bash
+veadk agentkit init
+```
+
+进行项目配置：
 
+```bash
+veadk agentkit config
+```
 
+部署项目到火山引擎 AgentKit 平台：
+
+```bash
+veadk agentkit launch
+```
 
+更多 AgentKit 命令请参考 [AgentKit 命令行工具](https://volcengine.github.io/agentkit-sdk-python/content/2.agentkit-cli/1.overview.html)。

docs/docs/configuration.md

@@ -73,6 +73,8 @@ volcengine:
 |           | `DATABASE_OPENSEARCH_PORT`                  | OpenSearch 端口，默认 9200 |
 |           | `DATABASE_OPENSEARCH_USERNAME`              | OpenSearch 用户名 |
 |           | `DATABASE_OPENSEARCH_PASSWORD`              | OpenSearch 密码 |
+|           | `DATABASE_OPENSEARCH_CERT_PATH`             | OpenSearch 证书路径。**生产环境下建议通过证书访问。** |
+|           | `DATABASE_OPENSEARCH_USE_SSL`               | 是否启用 SSL 验证（`https`），默认 True |
 | MySQL     | `DATABASE_MYSQL_HOST`                       | MySQL 主机地址 |
 |           | `DATABASE_MYSQL_USER`                       | MySQL 用户名 |
 |           | `DATABASE_MYSQL_PASSWORD`                   | MySQL 密码 |

docs/docs/deploy/deploy-agentkit.md

@@ -2,4 +2,18 @@
 title: 部署到 AgentKit
 ---
 
-详见 [部署到 AgentKit 平台](https://volcengine.github.io/agentkit-sdk-python/content/2.agentkit-cli/1.overview.html#%E4%B8%89%E7%A7%8D%E9%83%A8%E7%BD%B2%E6%A8%A1%E5%BC%8F)
+若您希望生成一个标准的 AgentKit 项目，您可以在命令行使用：
+
+```bash
+veadk agentkit init
+```
+
+或
+
+```bash
+agentkit init
+```
+
+生成后，您可以在项目根目录下使用 `veadk agentkit launch` 或 `agentkit launch` 进行项目部署。
+
+其它详细步骤与说明可见[部署到 AgentKit 平台](https://volcengine.github.io/agentkit-sdk-python/content/2.agentkit-cli/1.overview.html#%E4%B8%89%E7%A7%8D%E9%83%A8%E7%BD%B2%E6%A8%A1%E5%BC%8F)

docs/docs/ide/txt.md

@@ -10,5 +10,8 @@
 
 ### 使用方法
 
-- 下载我们为您准备好的提示词文件：[llms-full.txt](../../llms-full.txt){:download}
-- 复制到您的 IDE 提示词文件中
+1. 下载我们为您准备好的提示词文件：[llms-full.txt](../../llms-full.txt){:download}
+2. 打开 Trae 中的设置界面，找到 “规则” 选项
+3. 将文件内容复制到您的 Trae 规则文件中
+
+![img](../assets/images/trae_rules.png)

docs/docs/knowledgebase/overview.md

@@ -12,9 +12,9 @@ KnowledgeBase 在 veadk 框架中扮演 Agent 的外部知识库 角色。它像
 
 2. 后端抽象 (Backend Abstraction) ： KnowledgeBase 提供了一个统一的接口，屏蔽了底层向量数据库的实现细节。您只需要在初始化时通过 backend 参数指定使用 viking 还是 opensearch ，而无需关心它们各自的 API 调用方式。
 
-3) 知识检索 (Retrieval) ：当 KnowledgeBase 实例被传递给 Agent 后，Agent 会自动获得一个内置的 knowledgebase_search 工具。在回答问题时，Agent 可以自主决定是否使用此工具，将用户的问题转化为关键词去知识库中搜索相关信息，从而给出更精准、更具上下文的回答。
+3. 知识检索 (Retrieval) ：当 KnowledgeBase 实例被传递给 Agent 后，Agent 会自动获得一个内置的 knowledgebase_search 工具。在回答问题时，Agent 可以自主决定是否使用此工具，将用户的问题转化为关键词去知识库中搜索相关信息，从而给出更精准、更具上下文的回答。
 
-4) 与 Agent 无缝集成 ：通过在创建 Agent 时传入 knowledgebase=kb 参数，Agent 就能自动利用这个知识库来增强其回答能力。
+4. 与 Agent 无缝集成 ：通过在创建 Agent 时传入 knowledgebase=kb 参数，Agent 就能自动利用这个知识库来增强其回答能力。
 
 ## 使用方法
 
@@ -91,15 +91,13 @@ runner = Runner(agent, app_name="your_app_name")
 
 ![alt text](../assets/images/knowledge/image-8.png)
 
-
-
 6. 点击创建知识库按钮，点完后会有一个弹出问是否导入文档，选择暂不导入。
 ![alt text](../assets/images/knowledge/image-9.png)
 
 ![alt text](../assets/images/knowledge/image-10.png)
 
-
 ### TOS配置
+
 1. 登陆火山控制台进入TOS控制台
 ![alt text](../assets/images/knowledge/image-11.png)
 

veadk/configs/database_configs.py

@@ -28,6 +28,10 @@ class OpensearchConfig(BaseSettings):
 
     port: int = 9200
 
+    cert_path: str = ""
+
+    use_ssl: bool = True
+
     username: str = ""
 
     password: str = ""

veadk/knowledgebase/backends/opensearch_backend.py

@@ -27,9 +27,13 @@
 
 import veadk.config  # noqa E401
 from veadk.configs.database_configs import OpensearchConfig
-from veadk.configs.model_configs import EmbeddingModelConfig, NormalEmbeddingModelConfig
+from veadk.configs.model_configs import (
+    EmbeddingModelConfig,
+    NormalEmbeddingModelConfig,
+)
 from veadk.knowledgebase.backends.base_backend import BaseKnowledgebaseBackend
 from veadk.knowledgebase.backends.utils import get_llama_index_splitter
+from veadk.utils.logger import get_logger
 
 try:
     from llama_index.vector_stores.opensearch import (
@@ -42,6 +46,9 @@
     )
 
 
+logger = get_logger(__name__)
+
+
 class OpensearchKnowledgeBackend(BaseKnowledgebaseBackend):
     """Opensearch-based backend for knowledgebase.
 
@@ -79,15 +86,22 @@ class OpensearchKnowledgeBackend(BaseKnowledgebaseBackend):
 
     def model_post_init(self, __context: Any) -> None:
         self.precheck_index_naming()
+
+        if not self.opensearch_config.cert_path:
+            logger.warning(
+                "OpenSearch cert_path is not set, which may lead to security risks"
+            )
+
         self._opensearch_client = OpensearchVectorClient(
             endpoint=self.opensearch_config.host,
             port=self.opensearch_config.port,
             http_auth=(
                 self.opensearch_config.username,
                 self.opensearch_config.password,
             ),
-            use_ssl=True,
-            verify_certs=False,
+            use_ssl=self.opensearch_config.use_ssl,
+            verify_certs=False if not self.opensearch_config.cert_path else True,
+            ca_certs=self.opensearch_config.cert_path,
             dim=self.embedding_config.dim,
             index=self.index,  # collection name
         )

veadk/memory/long_term_memory_backends/opensearch_backend.py

@@ -22,7 +22,10 @@
 
 import veadk.config  # noqa E401
 from veadk.configs.database_configs import OpensearchConfig
-from veadk.configs.model_configs import EmbeddingModelConfig, NormalEmbeddingModelConfig
+from veadk.configs.model_configs import (
+    EmbeddingModelConfig,
+    NormalEmbeddingModelConfig,
+)
 from veadk.knowledgebase.backends.utils import get_llama_index_splitter
 from veadk.memory.long_term_memory_backends.base_backend import (
     BaseLongTermMemoryBackend,
@@ -74,15 +77,21 @@ def _create_vector_index(self, index: str) -> VectorStoreIndex:
 
         self.precheck_index_naming(index)
 
+        if not self.opensearch_config.cert_path:
+            logger.warning(
+                "OpenSearch cert_path is not set, which may lead to security risks"
+            )
+
         opensearch_client = OpensearchVectorClient(
             endpoint=self.opensearch_config.host,
             port=self.opensearch_config.port,
             http_auth=(
                 self.opensearch_config.username,
                 self.opensearch_config.password,
             ),
-            use_ssl=True,
-            verify_certs=False,
+            use_ssl=self.opensearch_config.use_ssl,
+            verify_certs=False if not self.opensearch_config.cert_path else True,
+            ca_certs=self.opensearch_config.cert_path,
             dim=self.embedding_config.dim,
             index=index,
         )