AgentFromPku用户手册

一、项目简介

AgentFromPku 是一个可以让用户在虚拟的北大（PKU）里与几个智能体进行对话的项目，用户能够体验赛博游北大的乐趣。整个 AI 的调整是在 Dify 平台上完成的。

二、项目部署与启动

2.1 方式一：仓库克隆方式

clone完成后，把config.json放到main.py的统计目录下，运行main.py

2.2 方式二：release下载

下载好 AgentFromPku.zip 之后进行解压, 打开 main.exe 文件，稍后会出现终端，再稍后会出现主界面，请耐心等待。

三、项目功能概述

3.1 输入与输出

• 接受输入：用户在右下角输入文本的部分填写想和智能体交流的内容。
• 输出类型：支持文本、图片、音频三种输出类型。不过在本地只能输出文本，程序会将文本调整成其他格式。
  • 文本处理：调用 ds 进行处理。
  • 图片处理：调用硅基流动进行处理。
  • 音频处理：调用 fishaudio 进行处理。

3.2 智能体功能

每个智能体都有各自的功能，并且支持切换地点，具体如下：

智能体	功能
派蒙	画画、语音输出
nyw	语音输出
朱光潜	语音输出
塞万提斯之魂	作诗输出

3.3 地点切换

在输入框中输入表明自己想去别的场景的内容，如“我想去###”“去###”之类的，便会自动切换到其他场景，并改变正在对话的智能体。地点对应智能体信息如下：

• 初始地点：派蒙（之后切换不回来）
• 燕南园：朱光潜
• 勺园：塞万提斯
• 未名湖：nyw

3.4 输出控制

通过输入的文本可以控制智能体的输出：

• 正常对话：智能体会输出正常文本回复。
• 语音输出：输入“想听你的声音”“用语音回复”，智能体会输出语音，并且支持暂停和继续播放。
• 图片输出：输入“做一幅画”，智能体会输出一幅画（较为简陋，画风单一）。
• 作诗输出：输入相关内容，塞万提斯之魂会输出一首诗，其他智能体也可以尝试。

3.5 响应时间

由于用户的请求需要上传到 Dify 网站上让智能体进行处理，所以会有一定的反应时间，实测 30s 内会有回应，如果 30s 还没有响应，请等待 1min，总之请耐心等待。

四、Dify 平台相关信息

4.1 平台搭建

4.1.1 环境准备

• 联机官网使用：若已挂梯子，可直接访问 Dify 官网进行使用。
• 本地部署方案：无梯子时，可通过 Docker 在本地部署。搭建完成后导出 dsl，上传至官网后调用 API。需要注意的是，本地部署的 Agent 无法通过 API 调用。

4.1.2 DSL 搭建与配置

• DSL 资源：已上传至 GitHub。
• 搭建逻辑：各环节可选择 AI 的输入/输出类型，形成流水线式处理流程，用户输入沿线路依次处理。
• Dify 使用基础步骤：
  1. 配置模型：在 Dify 上安装并配置模型（设置→模型）。
  2. 配置工具插件：使用时按需配置。

4.2 调用 API 方式

• 获取 API 信息：通过硬编码、环境配置获取 API key，硬编码 base url。代码具有一定的鲁棒性，若未获取到 key，会提示手动输入。
• 输入内容：均为文本。
• 输出文件处理：
  • 输出文件时返回文件名称和网址（本地无法直接调用）。
  • 程序处理逻辑：
    1. 输出提示（如“[音频]”）。
    2. 切换输出目标至标准输出。
    3. 提取 http 网址下载文件（音频自动重命名为 .mp3，图片无需处理）。
    4. 下载路径：程序同级目录下的 /downloads 文件夹（自动创建）。
    5. 返回“▶播放”按钮，支持播放/暂停操控。

五、代码文件说明

• main.py：主文件，负责初始化程序环境、创建 API 客户端和 GUI 界面。
• gui.py：绘制 UI，集成了以下的三个文件。
• ui_builder.py：负责总体 UI 界面的绘制。
• scene_switcher.py：用于切换场景与对应 API。
• stream_handler.py：用于处理流式响应（包括 UI 变化）。
• api_client.py：调用 API。

六、注意事项

• nyw_agent 虽为 nyw 本人搭建，但它并不代表 nyw，只是有些像，声音一致而已，请勿将智能体行为上升至 nyw。
• 同理，其他智能体虽然有了大量文字作为提示词，也进行了一定调参，但如果出现问题，完全是开发者与智能体的问题，请勿上升角色本身。

好了，请尽情探索这个神奇的项目吧！

附录

调用API方式：

• 硬编码、环境配置获取API key，硬编码base url
• 代码鲁棒性：若未获取到key，会提示手动输入
• 输入内容：均为文本
• Dify平台输出文件处理：
  • 输出文件时返回文件名称和网址（本地无法直接调用）
  • 程序处理逻辑：
    • 输出提示（如“[音频]”）
    • 切换输出目标至标准输出
    • 提取http网址下载文件（音频自动重命名为.mp3，图片无需处理）
    • 下载路径：程序同级目录下的/downloads文件夹（自动创建）
    • 返回“▶播放”按钮，支持播放/暂停操控

Dify平台内部的搭建流程：

环境准备

1. 联机官网使用：若已挂梯子，可直接访问
2. 本地部署方案：
   • 无梯子时，通过docker在本地部署
   • 搭建完成后导出dsl，上传至官网后调用API
   • 注意：本地部署的Agent无法通过API调用

DSL搭建与配置

• DSL资源：已上传至github
• 搭建逻辑：
  • 各环节可选择AI的输入/输出类型
  • 形成流水线式处理流程，用户输入沿线路依次处理
• Dify使用基础步骤：
  1. 配置模型：在dify上安装并配置模型（设置→模型）
  2. 配置工具插件：使用时按需配置

切换Agent

• 只需要在输入框中输入表明自己想去别的场景，便会自动切换到其他场景，并改变正在对话的agent

实现原理

输入信息事，云端difyAgent会自主判断用户是否想去某地，采用与[图片][音频]类似的处理方式。系统接收信息后自动调用函数，切换背景与API key，达到切换agent的效果。