已经完成与客户对齐目标

README.md

@@ -13,8 +13,10 @@ autoMate定义了三种角色：
 - 计划者：负责制定任务的具体计划和策略。
 - 工人：负责执行具体的任务。
 
+# 工作原则
+人们在工作中总结了很多原则，运用这些工作原则可以大幅度提高效率、评估风险、资源管理、目标对齐。是否可以把这些原则运用在大模型中呢？让大模型像员工一样工作。
 
-# OKR工作体系
+## OKR工作原则
 
 大模型的回答内容缺少精准度，本质上是对任务理解不透彻，如何解决这个问题呢？我想到了OKR工作体系，把上层的O向下拆解成KR，并且中间不断对焦！我认为这是一个非常高效的工作体系，AutoMate 引入OKR就像是给整个团队配上了高级导航系统，各agent都能清清楚楚知道自己要完成的任务，同时不断与上级对焦能够避免任务失真。
 

agent/manager_agent.py

@@ -1,26 +1,30 @@
 import json
 from agent.agent_base import AgentBase
+from agent.plan_agent import PlanAgent
 from work_principle.okr_principle import OKR_Object
 import logging
 logging.basicConfig(level=logging.INFO)
 class ManagerAgent(AgentBase):
     def __init__(self):
-        super().__init__("你是一名总经理，负责对任务进行可量化的评估")
+        super().__init__("你是一名总经理，负责与客户对齐目标，与计划拆解者对齐关键结果")
         self.logger = logging.getLogger(__name__)
 
-    def optimization_Object(self, object:OKR_Object):
+    # 与用户对齐目标，填充缺失的信息
+    def optimization_Object(self, okr_object:OKR_Object):
         # todo 待加入 PDCA循环规则
-        # 利用 smart 原则对目标进行评估
-
-        for i in object.five_w_two_h.content:
-            content = object.content
+        for i in okr_object.task.content:
             call_openai_res = {'isOk': 'no', 'content': ''}
             while call_openai_res["isOk"]=="no" :
-                prompt = f"这是一个任务描述:'{content}'。你觉得这个任务描述具备{i['descriptions']}吗？如果具备返回格式如下：{{\"isOk\":\"yes\", \"content\":\"提炼出任务的{i['descriptions']}\"}}，如果不具备返回格式如下：{{\"isOk\":\"no\",\"content\":\"返回不具备的原因并给出完善建议\"}}"
+                prompt = f"这是一个任务描述:'{okr_object.raw_user_task}'。你觉得这个任务描述具备{i['descriptions']}吗？如果具备返回格式如下：{{\"isOk\":\"yes\", \"content\":\"提炼出任务的{i['descriptions']}\"}}，如果不具备返回格式如下：{{\"isOk\":\"no\",\"content\":\"返回不具备的原因并给出完善建议\"}}"
                 self.logger.info(prompt)
                 call_openai_res = json.loads(self.call_gpt(prompt))
                 self.logger.info(call_openai_res)
                 if call_openai_res["isOk"]=="no":
-                    content  = content + f"，{i['target']}：" +input(f"【警告】{call_openai_res['content']}\n请您补充信息：")
+                    okr_object.raw_user_task  = okr_object.raw_user_task + f"，{i['target']}：" +input(f"【警告】{call_openai_res['content']}\n请您补充信息：")
             i['content'] = call_openai_res["content"]
-        self.logger.info(str(object.five_w_two_h.content))
+
+    
+    # 与计划拆解者对齐关键结果，填充缺失的信息
+    def assign_task_to_plan_agent(self, okr_object:OKR_Object):
+        okr_object.task.raw_user_task
+        PlanAgent()

agent/plan_agent.py

@@ -1,5 +1,15 @@
 from agent.agent_base import AgentBase
+from work_principle.okr_principle import OKR_Object
 
-class WokerAgent(AgentBase):
+class PlanAgent(AgentBase):
     def __init__(self):
         super().__init__("你是一名计划拆解者，负责对OKR中的O进行拆解并制定KR，向总经理汇报")
+
+
+     # 与用户对齐目标，填充缺失的信息
+    def aligning(self, okr_object:OKR_Object):
+        pass
+
+
+
+    

main.py

@@ -8,9 +8,13 @@ class AutoMate:
     
     
     def rule_define(self):
-        # o_kr = OKR_Object(input("请输入任务: "))
-        o_kr = OKR_Object("对比一下copilot和curson谁更好用，比较提示词数量、安装易用性，给出不少于100字的文章")
-        ManagerAgent().optimization_Object(o_kr)
+        # 与用户对齐任务
+        while True:
+            o_kr = OKR_Object("对比一下copilot和curson谁更好用，比较提示词数量、安装易用性，给出不少于100字的文章")
+            ManagerAgent().optimization_Object(o_kr)
+            r = input(f"最终对齐的任务是：{o_kr.raw_user_task}，一切都OK对吧？y/n")
+            if r == "y":
+                break
 
 
 

tools/llm_tools.py

@@ -0,0 +1,7 @@
+
+from tools.tools_base import ToolsBase
+
+
+class LLMTools(ToolsBase):
+    def get_describe(self):
+        return "利用大模型进行回答"

tools/tools_base.py

@@ -1,3 +1,8 @@
 class ToolsBase:
+    def get_describe(self):
+        return ["内容总结", "感性信息"]
+
+
     def run(self):
         pass
+ 

tools/web_browser_tools.py

@@ -12,6 +12,8 @@ from selenium.webdriver.common.by import By
 from tools.tools_base import ToolsBase
 
 class WebBrowser(ToolsBase):
+    def get_describe(self):
+        return ["最新信息", "链接", "具体针对性信息", "专业信息"]
 
     def run(self):
         # Load browser configuration from YAML file

work_principle/object_components.py

@@ -1,4 +1,4 @@
-class FiveWTwoH:
+class ObjectComponents:
     def __init__(self) -> None:
         self.content = [
             {"target": "任务主体", "content": "", "descriptions": "任务主体"},

work_principle/okr_principle.py

@@ -1,12 +1,12 @@
-from work_principle.five_w_two_h import FiveWTwoH
+from work_principle.object_components import ObjectComponents
 
 class OKR_Object:
 
-    def __init__(self, content):
-        self.content = content
+    def __init__(self, raw_user_task):
+        self.raw_user_task = raw_user_task
         self.key_results = []
         self.progress = 0
-        self.five_w_two_h = FiveWTwoH()
+        self.task = ObjectComponents()
 
     def add_key_result(self, key_result):
         self.key_results.append(key_result)