NagaAgent

NagaAgent 3.1

🐍 智能对话助手 | 多平台支持 | 丰富生态 | 易于扩展

功能特性 • 快速开始 • 安装指南 • API文档 • 配置说明 • 更新日志 • 更新历史

🎯 项目亮点

✅ 🧠 智能记忆: 基于 Neo4j 的 GRAG 知识图谱记忆系统
✅ 🔧 丰富生态: 支持多种 MCP 服务和 Agent 系统
✅ 🎤 语音交互: OpenAI 兼容的流式语音合成服务
✅ 🖥️ 现代界面: 基于 PyQt5 的独立对话框消息渲染系统
✅ 🎭 Live2D集成: 独立的Live2D模块，支持模型和图片的混合侧栏显示
✅ 🌐 完整 API: FastAPI RESTful API 和流式输出
✅ 📱 系统托盘: 完整的后台运行和自启动支持
✅ 🔍 智能代理: 动态服务发现和热插拔管理
✅ 🛡️ 安全可靠: 会话隔离和权限管理
✅ 🤖 多Agent协作: AgentManager 独立系统支持多Agent协作
✅ 🌳 深度思考: 基于遗传算法的多分支思考引擎
✅ 🔄 配置热更新: 实时配置变更，无需重启应用
✅ 💾 持久化上下文: 重启后自动恢复历史对话上下文

🚀 快速开始

📋 系统要求

• 操作系统: Windows 10/11, macOS 10.15+, Linux
• Python: 3.10+ (推荐 3.11)
• 内存: 建议 4GB 以上
• 存储: 建议 2GB 以上可用空间

🔧 一键安装

# 克隆项目
git clone https://github.com/Xxiii8322766509/NagaAgent.git
cd NagaAgent

# 一键配置
.\setup.ps1

# 克隆项目
git clone https://github.com/Xxiii8322766509/NagaAgent.git
cd NagaAgent

# 一键配置
chmod +x setup_mac.sh
./setup_mac.sh

# 克隆项目
git clone https://github.com/Xxiii8322766509/NagaAgent.git
cd NagaAgent

# 创建虚拟环境
python3 -m venv .venv
source .venv/bin/activate

# 安装依赖
pip install -r requirements.txt

🗄️ 启动 Neo4j 服务

# 启动 Neo4j 容器
docker run -d \
  --restart always \
  --publish=7474:7474 \
  --publish=7687:7687 \
  --env NEO4J_AUTH=neo4j/your_password \
  --volume=neo4j_data:/data \
  neo4j:latest

端口冲突解决: 如果端口被占用，可以使用其他端口：

--publish=8474:7474 --publish=8687:7687

⚙️ 配置文件

1. 复制配置模板：

   cp config.json.example config.json
   

2. 编辑配置文件，设置API密钥和其他参数

🚀 启动应用

# 普通模式
.\start.bat

# 托盘模式 (推荐)
.\start_with_tray.bat

./start_mac.sh

./start.sh

启动后将自动开启：

• 🖥️ PyQt5 图形界面
• 🌐 RESTful API 服务器
• 🎤 语音交互服务
• 🧠 GRAG 知识图谱记忆系统
• 🔄 配置热更新系统

🛠️ 详细安装指南

🔍 环境检查

安装完成后，运行环境检查：

python check_env.py

📦 依赖说明

项目依赖主要包括：

⚠️ 常见问题解决

# 下载并安装 Microsoft Visual C++ Build Tools
# https://visualstudio.microsoft.com/visual-cpp-build-tools/

# 安装 Visual Studio 后，在 Developer Command Prompt 中执行
uv pip uninstall numpy
uv sync --no-cache --reinstall

# 以管理员身份运行 PowerShell
Set-ExecutionPolicy RemoteSigned -Scope CurrentUser

brew install python@3.11
echo 'export PATH="/usr/local/opt/python@3.11/bin:$PATH"' >> ~/.zshrc

brew install portaudio
pip install pyaudio

chmod +x *.sh

# Ubuntu/Debian
sudo apt update
sudo apt install python3-dev portaudio19-dev

# CentOS/RHEL
sudo yum install python3-devel portaudio-devel

sudo usermod -aG docker $USER
newgrp docker

⚙️ 配置说明

🔄 配置热更新系统

NagaAgent 3.1 引入了强大的配置热更新系统，支持实时配置变更而无需重启应用。

核心特性

• 实时更新: 配置变更立即生效，无需重启
• 配置快照: 支持配置的保存和恢复
• 自动监视: 自动检测配置文件变化
• 模块重载: 支持动态模块重新加载
• 错误处理: 完善的异常处理机制

使用方法

from config_manager import update_config, get_config_snapshot

# 更新配置
success = update_config({
    "system": {"debug": True},
    "api": {"temperature": 0.8}
})

# 获取配置快照
snapshot = get_config_snapshot()

# 恢复配置
restore_config_snapshot(snapshot)

详细文档

• 📖 配置热更新使用指南
• 📊 配置热更新测试报告

API 配置

修改 config.json 文件中的 api 部分：

{
  "api": {
    "api_key": "your-api-key-here",
    "base_url": "https://api.deepseek.com/v1",
    "model": "deepseek-chat",
    "temperature": 0.7,
    "max_tokens": 10000,
    "max_history_rounds": 10,
    "persistent_context": true,
    "context_load_days": 3,
    "context_parse_logs": true
  }
}

持久化上下文配置说明

• persistent_context: 是否启用持久化上下文功能（默认：true）
• context_load_days: 从最近几天的日志文件中加载历史对话（默认：3天）
• context_parse_logs: 是否从日志文件解析上下文（默认：true）

前端历史记录显示: 启用持久化上下文后，重启应用时前端UI会自动加载并显示历史聊天记录，无需手动操作。

API服务器配置

{
  "api_server": {
    "enabled": true,
    "host": "127.0.0.1",
    "port": 8000,
    "auto_start": true,
    "docs_enabled": true
  }
}

在线搜索配置

{
  "online_search": {
    "searxng_url": "https://searxng.pylindex.top",
    "engines": ["google"],
    "num_results": 5
  }
}

GRAG知识图谱记忆系统配置

{
  "grag": {
    "enabled": true,
    "auto_extract": true,
    "context_length": 5,
    "similarity_threshold": 0.6,
    "neo4j_uri": "neo4j://127.0.0.1:7687",
    "neo4j_user": "neo4j",
    "neo4j_password": "your_password",
    "neo4j_database": "neo4j"
  }
}

Live2D集成配置

{
  "live2d": {
    "enabled": true,
    "model_path": "path/to/your/model.model3.json",
    "fallback_image": "ui/standby.png"
  }
}

Live2D模块特性

• 独立模块设计: 不依赖外部Live2D项目，完全自主实现
• 完整动画系统: 支持眨眼、眼球跟踪、身体摆动、呼吸、情绪等动画
• 自动回退机制: Live2D不可用时自动切换到图片模式
• 鼠标交互: 支持点击触发动作和眼球跟踪
• 资源管理: 完整的资源加载和清理机制

Live2D模块结构

ui/live2d/
├── __init__.py          # 模块初始化
├── renderer.py          # Live2D渲染器
├── animator.py          # 动画系统
├── widget.py            # Live2D Widget组件
└── README.md            # 详细文档

Live2D配置说明

• enabled: 是否启用Live2D功能
• model_path: Live2D模型文件路径（.model3.json格式）
• fallback_image: 回退图片路径（Live2D不可用时使用）

获取 API 密钥

1. 访问对应的LLM服务商官网（如DeepSeek、OpenAI等）
2. 注册账号并创建 API 密钥
3. 将密钥填入 config.json 文件的 api.api_key 字段

🌟 核心功能

🧠 智能对话系统

• 多模型支持: 兼容 OpenAI、DeepSeek、Anthropic 等主流 LLM 提供商
• 上下文记忆: 智能维护对话历史，支持多轮对话上下文
• 流式输出: 实时显示 AI 回复，提升交互体验
• 工具调用: 自动解析和执行 LLM 返回的工具调用指令
• 深度思考: 基于遗传算法的多分支思考引擎，提供更高质量的回答

🔍 在线搜索系统

• SearXNG集成: 基于 SearXNG 的隐私保护搜索引擎
• 多引擎支持: 支持Google、Bing等多种搜索引擎
• 智能结果处理: 自动格式化搜索结果，提供AI友好的信息展示
• 灵活配置: 可配置搜索引擎列表、结果数量等参数

🔄 配置热更新系统

• 实时配置更新: 配置变更立即生效，无需重启应用
• 配置变更通知: 完善的监听器机制，支持配置变更回调
• 模块重新加载: 支持动态模块管理和热插拔
• 配置监视器: 自动文件变化检测和重新加载
• 配置快照: 安全的配置保存和恢复功能
• 错误处理: 完善的异常处理机制，确保系统稳定性

🔧 MCP 服务生态

• 动态服务发现: 自动扫描和注册所有 MCP 服务
• 即插即用: 新增服务无需重启系统
• 服务管理: 统一的服务池查询和管理接口
• 多服务协作: 支持多个 Agent 协同工作

🗺️ GRAG 知识图谱

• 五元组提取: 自动从对话中提取实体-关系-属性
• 智能检索: 基于相似度的上下文召回机制
• 可视化展示: 支持知识图谱的可视化展示
• 历史导入: 兼容旧版对话记录的批量导入

🎤 语音交互系统

• 流式合成: 基于 Edge-TTS 的实时语音合成
• 智能分句: 自动识别句子边界，优化播放体验
• 异步处理: 文本显示和音频播放完全分离
• 多引擎支持: 兼容多种 TTS 引擎

🖥️ 用户界面

• 现代化 GUI: 基于 PyQt5 的精美图形界面
• 独立对话框: 每个对话都是独立的对话框组件，采用直角设计，支持自动高度调整
• 工具调用对话框: 专门为工具调用设计的对话框，没有用户名标签，保持简洁的UI风格
• 透明背景: 主聊天区域使用透明背景，对话框保持原有样式
• 🎭 Live2D集成: 独立的Live2D模块，支持模型和图片的混合侧栏显示，自动回退机制
• Markdown 支持: 完整的 Markdown 语法支持和代码高亮
• 主题定制: 支持界面主题、透明度等自定义
• 响应式设计: 自适应不同屏幕尺寸
• 流式更新: 实时流式消息更新和自动滚动

🌐 API 服务

• RESTful API: 完整的 HTTP API 接口
• 流式支持: Server-Sent Events 流式输出
• 自动文档: 交互式 API 文档 (Swagger)
• 跨域支持: 完整的 CORS 配置

📱 系统托盘

• 后台运行: 支持最小化到系统托盘
• 自动隐藏: 启动后自动隐藏控制台窗口
• 快捷操作: 托盘图标右键菜单
• 自启动: 支持注册表方式的自启动功能

🔍 智能 Agent 系统

• AgentManager: 独立的 Agent 注册和调用系统
• 配置管理: 统一的 Agent 配置和动态加载
• 会话隔离: 多用户会话完全隔离和TTL管理
• 占位符替换: 支持Agent配置、环境变量、时间信息等占位符
• 生命周期管理: 完整的 Agent 生命周期管理和热插拔
• 多Agent协作: 支持多个 Agent 协同工作和任务分配

🏗️ 技术架构

graph TB
    A[用户界面] --> B[PyQt5 GUI]
    A --> C[Web API]
    A --> D[语音交互]
    
    B --> E[对话核心]
    C --> E
    D --> E
    
    E --> F[工具调用循环]
    F --> G[MCP 服务管理器]
    F --> H[Agent 管理器]
    
    G --> I[各种 MCP 服务]
    H --> J[各种 Agent]
    
    E --> K[GRAG 记忆系统]
    K --> L[Neo4j 图数据库]
    
    E --> M[配置管理]
    M --> N[config.py]
    M --> O[config_manager.py]
    
    I --> O[文件/代码/浏览器等]
    J --> P[专业任务处理]

📊 核心模块

🗂️ 目录结构

NagaAgent3.1/
├── main.py                     # 主入口
├── config.py                   # 全局配置
├── config.json.example         # 配置文件模板
├── config_manager.py           # 配置热更新管理器
├── conversation_core.py        # 对话核心（含工具调用循环主逻辑）
├── apiserver/                  # API服务器模块
│   ├── api_server.py           # FastAPI服务器
│   ├── start_server.py         # 启动脚本
│   ├── message_manager.py      # 消息管理器
│   └── README.md               # API文档
├── mcpserver/                  # MCP服务和Agent系统
│   ├── mcp_manager.py          # MCP服务管理
│   ├── mcp_registry.py         # Agent注册与schema元数据
│   ├── agent_manager.py        # Agent管理器（独立系统）
│   ├── agent_xxx/              # 各类自定义Agent
│   │   └── agent-manifest.json # Agent配置文件
│   ├── agent_comic_downloader/ # 漫画下载Agent
│   ├── agent_device_switch/    # 设备控制Agent
│   ├── agent_memory/           # 记忆管理Agent
│   ├── agent_naga_portal/      # 娜迦门户Agent
│   ├── agent_playwright_master/ # 浏览器自动化Agent
│   ├── agent_weather_time/     # 天气时间Agent
│   └── Office-Word-MCP-Server-main/ # Word文档处理Agent
├── thinking/                   # 深度思考引擎
│   ├── tree_thinking.py        # 核心思考引擎
│   ├── difficulty_judge.py     # 问题难度评估
│   ├── genetic_pruning.py     # 遗传算法剪枝
│   ├── preference_filter.py   # 用户偏好过滤
│   └── thinking_node.py       # 思考节点结构
├── summer_memory/              # GRAG知识图谱记忆系统
│   ├── memory_manager.py       # 记忆管理器
│   ├── quintuple_extractor.py  # 五元组提取器
│   ├── quintuple_graph.py      # Neo4j图谱操作
│   ├── quintuple_rag_query.py  # 记忆查询
│   └── quintuple_visualize_v2.py  # 图谱可视化
├── voice/                      # 语音交互系统
│   ├── tts_handler.py          # TTS处理器
│   ├── voice_integration.py    # 语音集成
│   ├── server.py               # 语音服务器
│   └── start_voice_service.py  # 语音服务启动脚本
├── ui/                         # 前端UI
│   ├── pyqt_chat_window.py     # PyQt聊天窗口
│   ├── response_utils.py       # 响应解析工具
│   ├── message_renderer.py     # 消息渲染器
│   ├── elegant_settings_widget.py # 设置组件
│   └── tray/                   # 系统托盘模块
│       ├── console_tray.py     # 控制台托盘功能
│       ├── auto_start.py       # 自启动管理
│       └── README.md           # 托盘使用说明
├── mqtt_tool/                  # MQTT工具
├── logs/                       # 日志（含历史txt对话）
├── data/neo4j/                 # Neo4j数据库文件
├── requirements.txt             # 项目依赖
├── pyproject.toml             # 项目配置
├── CONFIG_HOT_RELOAD_GUIDE.md  # 配置热更新使用指南
├── CONFIG_HOT_RELOAD_TEST_REPORT.md # 配置热更新测试报告
├── setup.ps1                   # Windows配置脚本
├── start.bat                   # Windows启动脚本
├── start_with_tray.bat         # Windows托盘启动脚本
├── setup_mac.sh                # Mac配置脚本
├── start_mac.sh                # Mac启动脚本
├── check_env.py                # 跨平台环境检查
└── README.md                   # 项目说明

🔧 工具调用循环机制

系统概述

NagaAgent支持两种类型的工具调用：

• MCP服务调用: 通过agentType: mcp调用MCP类型的Agent
• Agent服务调用: 通过agentType: agent调用Agent类型的Agent

工具调用格式

MCP服务调用格式

{
  "agentType": "mcp",
  "service_name": "MCP服务名称",
  "tool_name": "工具名称",
  "参数名": "参数值"
}

Agent服务调用格式

{
  "agentType": "agent",
  "agent_name": "Agent名称",
  "prompt": "任务内容"
}

工具调用流程

1. LLM输出JSON格式: LLM根据用户需求输出工具调用请求
2. 自动解析agentType: 系统首先解析agentType字段，确定调用类型
3. 路由到对应管理器:
   • mcp类型 → 路由到MCPManager处理
   • agent类型 → 路由到AgentManager处理
4. 执行工具调用: 调用对应的服务执行具体任务
5. 结果返回LLM: 将工具执行结果返回给LLM
6. 循环处理: 重复步骤2-5，直到LLM输出普通文本或无工具调用

配置参数

# config.py中的工具调用循环配置
MAX_handoff_LOOP_STREAM = 5      # 流式模式最大工具调用循环次数
MAX_handoff_LOOP_NON_STREAM = 5  # 非流式模式最大工具调用循环次数
SHOW_handoff_OUTPUT = False      # 是否显示工具调用输出

🌐 多Agent与MCP服务

动态服务池查询功能

核心查询方法

from mcpserver.mcp_registry import (
    get_all_services_info,      # 获取所有服务信息
    get_service_info,           # 获取单个服务详情
    query_services_by_capability, # 按能力搜索服务
    get_service_statistics,     # 获取统计信息
    get_available_tools         # 获取服务工具列表
)

API端点

• GET /mcp/services - 获取所有服务列表和统计信息
• GET /mcp/services/{service_name} - 获取指定服务详情
• GET /mcp/services/search/{capability} - 按能力搜索服务
• GET /mcp/services/{service_name}/tools - 获取服务工具列表
• GET /mcp/statistics - 获取服务统计信息

典型用法示例

# 读取文件内容
await s.mcp.handoff(
  service_name="file",
  task={"action": "read", "path": "test.txt"}
)

# 运行Python代码
await s.mcp.handoff(
  service_name="coder",
  task={"action": "run", "file": "main.py"}
)

🤖 AgentManager 独立系统

系统概述

AgentManager是一个独立的Agent注册和调用系统，支持从配置文件动态加载Agent定义，提供统一的调用接口和完整的生命周期管理。

核心功能

1. 配置管理

• 动态配置加载: 从agent_configs/目录自动扫描和加载Agent配置文件
• 配置验证: 自动验证Agent配置的完整性和有效性
• 热重载: 支持运行时重新加载配置，无需重启系统
• 环境变量支持: 支持从环境变量和.env文件加载敏感配置

2. 会话管理

• 多会话支持: 每个Agent支持多个独立的会话上下文
• 历史记录: 自动维护对话历史，支持上下文召回
• 会话过期: 自动清理过期的会话数据，节省内存
• 会话隔离: 不同用户和不同Agent的会话完全隔离

3. 智能占位符替换

支持多种类型的占位符替换：

Agent配置占位符:

• {{AgentName}} - Agent名称
• {{Description}} - 描述信息
• {{ModelId}} - 模型ID
• {{Temperature}} - 温度参数
• {{MaxTokens}} - 最大输出token数
• {{ModelProvider}} - 模型提供商

环境变量占位符:

• {{ENV_VAR_NAME}} - 系统环境变量

时间占位符:

• {{CurrentTime}} - 当前时间 (HH:MM:SS)
• {{CurrentDate}} - 当前日期 (YYYY-MM-DD)
• {{CurrentDateTime}} - 完整时间 (YYYY-MM-DD HH:MM:SS)

配置文件格式

Agent配置文件示例

{
  "ExampleAgent": {
    "model_id": "deepseek-chat",
    "name": "示例助手",
    "base_name": "ExampleAgent",
    "system_prompt": "你是{{AgentName}}，一个专业的{{Description}}。\n\n当前时间：{{CurrentDateTime}}\n模型：{{ModelId}}\n温度：{{Temperature}}\n\n请用中文回答，保持专业和友好的态度。",
    "max_output_tokens": 8192,
    "temperature": 0.7,
    "description": "智能助手，擅长回答各种问题",
    "model_provider": "openai",
    "api_base_url": "https://api.deepseek.com/v1",
    "api_key": "{{DEEPSEEK_API_KEY}}"
  }
}

使用示例

基本调用

from mcpserver.agent_manager import get_agent_manager

# 获取AgentManager实例
agent_manager = get_agent_manager()

# 调用Agent
result = await agent_manager.call_agent(
    agent_name="ExampleAgent",
    prompt="请帮我分析这份数据",
    session_id="user_123"
)

便捷函数调用

from mcpserver.agent_manager import call_agent, list_agents, get_agent_info

# 便捷调用
result = await call_agent("ExampleAgent", "你好")

# 获取Agent列表
agents = list_agents()

📋 Agent Manifest标准化

标准化规范

所有Agent必须使用标准化的agent-manifest.json配置文件，确保一致性和可维护性。

必需字段

• name: Agent唯一标识符
• displayName: 显示名称
• version: 版本号（x.y.z格式）
• description: 功能描述
• author: 作者或模块名称
• agentType: Agent类型（mcp/agent）
• entryPoint: 入口点配置（module和class）

创建新Agent

创建MCP类型Agent

1. 在mcpserver/目录下创建新的Agent目录
2. 复制AGENT_MANIFEST_TEMPLATE.json到Agent目录
3. 修改manifest文件内容
4. 创建Agent实现类
5. 重启系统自动注册

创建Agent类型Agent

1. 在agent_configs/目录下创建配置文件
2. 定义Agent配置（模型、提示词等）
3. 配置环境变量（API密钥等）
4. 重启系统自动加载

🖥️ 系统托盘功能

功能特性

• 控制台托盘: 将终端窗口隐藏到系统托盘，支持自动隐藏
• 任务栏隐藏: 控制台窗口从任务栏完全隐藏
• 托盘图标: 系统托盘显示应用图标，支持右键菜单
• 自启动管理: 支持注册表方式的自启动功能
• 托盘消息: 支持状态通知和消息提示

使用方法

托盘模式启动

# Windows
.\start_with_tray.bat

托盘菜单功能

• 显示控制台: 从托盘恢复控制台窗口显示
• 隐藏控制台: 隐藏控制台窗口到托盘
• 开机自启动: 切换自启动状态
• 退出: 完全退出应用

技术实现

• 窗口钩子: 监听控制台窗口的关闭事件，拦截关闭操作
• 窗口样式: 使用WS_EX_TOOLWINDOW样式让窗口不在任务栏显示
• 自动隐藏: 启动后3秒自动隐藏控制台窗口
• 托盘集成: 使用PyQt5实现系统托盘功能

注意事项

1. 权限要求: 自启动功能需要管理员权限
2. 依赖安装: 需要安装PyQt5库
3. 图标文件: 默认使用ui/window_icon.png作为托盘图标
4. 启动方式: 使用start_with_tray.bat启动以启用托盘功能

🌐 RESTful API 服务

NagaAgent内置完整的RESTful API服务器，启动时自动开启，支持所有对话功能：

API接口说明

• 基础地址: http://127.0.0.1:8000 (可在config.py中配置)
• 交互式文档: http://127.0.0.1:8000/docs
• OpenAPI规范: http://127.0.0.1:8000/openapi.json

主要接口

健康检查

GET /health

对话接口

# 普通对话
POST /chat
{
  "message": "你好，娜迦",
  "session_id": "optional-session-id"
}

# 流式对话 (Server-Sent Events)
POST /chat/stream
{
  "message": "请介绍一下人工智能的发展历程"
}

系统管理接口

# 获取系统信息
GET /system/info

# 切换开发者模式
POST /system/devmode

# 获取记忆统计
GET /memory/stats

MCP服务Agent化升级说明

• 所有MCP服务（如文件、代码、浏览器、应用启动、系统控制、天气等）已全部升级为标准Agent风格：

  • 统一继承自agents.Agent，具备name、instructions属性和handle_handoff异步方法
  • 变量全部走config.py统一管理，避免重复定义
  • 注释全部中文，文件/类/函数注释一行，变量注释右侧#
  • 支持多agent协作，ControllerAgent可智能分配任务给BrowserAgent、ContentAgent等
  • 注册中心mcp_registry.py自动发现并注册所有实现了handle_handoff的Agent实例，支持热插拔
  • 注册时自动输出所有已注册agent的名称和说明，便于调试
  • 简化Agent类型：只支持mcp和agent两种类型

• handoff机制全部通过handle_handoff异步方法调度，兼容JSON和handoff两种格式

• 新增/删除agent只需增删py文件，无需重启主程序

• 详细接口和参数请参考各Agent代码注释与config.py配置

更新日志

• 工具调用格式已优化，改为纯JSON格式，更加简洁规范，具体示例如下：

{
  "agentType": "mcp",
  "service_name": "MCP服务名称",
  "tool_name": "工具名称",
  "参数名": "参数值"
}

📝 前端UI与响应适配

• 所有后端返回均为结构化JSON: 前端通过ui/response_utils.py的extract_message方法自动适配多种返回格式
• 优先显示逻辑: 优先显示data.content，其次message，最后原样返回，兼容所有Agent
• 换行符自动适配: PyQt前端自动将所有\n和\\n换行符转为<br>，多行内容显示无障碍
• UI动画: 侧栏点击切换时，侧栏宽度、主聊天区宽度、输入框高度均采用同步动画
• 主题自定义: UI动画、主题、昵称、透明度等全部可在config.py和pyqt_chat_window.py灵活配置

🔊 流式语音交互

• 支持语音输入: 流式识别，自动转文字
• 支持语音输出: 流式合成，边播边出
• 完全异步处理: 重构语音集成系统，文本显示和音频播放完全分离
• 消除重复播放: 移除流式分句和最终文本的重复播放问题
• 前端即时显示: 前端立即显示文本，不再等待音频处理完成
• 依赖与配置: 详见voice/voice_config.py和README相关章节

🌳 深度思考引擎

NagaAgent 3.1 引入了基于遗传算法的多分支思考引擎，提供更高质量的AI回答。

核心特性

• 多分支并行思考: 根据问题难度自动生成多条不同类型的思考路线
• 问题难度评估: 通过文本长度、关键词、句式结构等综合判断复杂度
• 用户偏好系统: 支持自定义偏好配置，对思考路线进行加权评分
• 遗传算法剪枝: 对思考路线进行适应度评估、交叉融合、精英保留
• 并发线程池: 思考与API调用分离，提升并发性能
• 可扩展架构: 支持自定义分支类型、评分权重、进化策略

思考分支类型

• 逻辑分支: 注重逻辑推理和事实分析
• 创新分支: 强调创意思维和独特见解
• 分析分支: 深入分析和多角度思考
• 实用分支: 关注实际应用和可操作性
• 哲学分支: 探讨深层含义和价值思考

使用方法

from thinking import TreeThinkingEngine

# 初始化引擎
engine = TreeThinkingEngine(api_client=your_api_client, memory_manager=your_memory_manager)

# 启用深度思考
result = await engine.think_deeply("请分析人工智能未来的发展趋势")
print(result["answer"])  # 输出综合后的最终答案

📝 其它亮点

• 记忆权重动态调整: 支持AI/人工标记important，权重/阈值/清理策略全部在config.py统一管理
• 主题归类自动化: 主题归类、召回、权重提升、清理等全部自动化
• 检索日志自动记录: 参数可调，GRAG配置示例见config.py
• 历史对话兼容升级: 支持将旧版txt对话内容一键导入GRAG知识图谱记忆系统
• 工具调用循环自动执行机制: 支持多轮递归调用，最大循环次数可配置
• 所有Agent的注册元数据已集中在mcpserver/mcp_registry.py: 主流程和管理器极简，扩展维护更方便
• 自动注册/热插拔Agent机制: 新增/删除Agent只需增删py文件，无需重启主程序
• Agent Manifest标准化: 统一的agent-manifest.json格式，支持完整的字段验证和类型检查
• 动态服务池查询: 系统通过扫描agent-manifest.json文件自动发现和注册服务，无需手动配置静态服务列表
• AgentManager独立系统: 支持Agent的配置加载、会话管理、消息组装和LLM调用，提供完整的Agent生命周期管理
• 智能占位符替换: 支持Agent配置、环境变量、时间信息等多种占位符，实现动态提示词生成
• 完整消息序列构建: 自动组装系统消息、历史消息和用户消息，确保对话上下文完整性
• 多模型提供商支持: 支持OpenAI、DeepSeek、Anthropic等多种LLM提供商，每个Agent可独立配置
• 会话隔离与TTL管理: 支持多用户多会话隔离，自动清理过期会话数据
• 统一工具调用接口: MCP和Agent类型服务通过统一的JSON格式调用，支持混合调用场景
• 配置热更新系统: 实时配置变更、配置快照、模块重载、自动监视等完整功能

📋 更新日志

v3.1.0 (2024-08-17)

🚀 新增功能

• 深度思考引擎: 基于遗传算法的多分支思考系统
• AgentManager: 独立的Agent注册和调用系统
• 模块化UI渲染: 新的消息渲染系统，支持名字+消息框布局
• 🎭 Live2D集成: 独立的Live2D模块，支持模型和图片的混合侧栏显示，自动回退机制
• MQTT通信支持: 新增MQTT工具模块
• Word文档处理: 集成Office Word MCP服务
• 漫画下载Agent: 新增漫画下载功能Agent
• 配置热更新系统: 实时配置变更，无需重启应用

🔧 功能改进

• 语音服务升级: OpenAI兼容的TTS服务，支持多种音频格式
• 系统托盘增强: 完整的后台运行和自启动支持
• 配置管理优化: 统一的配置文件结构和环境变量支持
• 配置热更新: 支持实时配置变更和模块重新加载
• 依赖管理: 使用pyproject.toml进行现代化依赖管理
• Agent热插拔: 支持运行时动态加载和卸载Agent

🐛 问题修复

• 内存泄漏: 修复会话管理中的内存泄漏问题
• 并发处理: 改进多线程并发处理的稳定性
• 配置验证: 增强配置文件的验证和错误处理
• 配置热更新: 修复配置快照序列化和更新延迟问题
• UI响应: 优化UI界面的响应速度和用户体验

📚 文档更新

• 完善所有模块的README文档
• 更新安装和配置指南
• 添加API接口文档
• 增加故障排除指南
• 新增配置热更新系统使用指南和测试报告

🆙 历史对话兼容升级

• 支持将旧版txt对话内容一键导入GRAG知识图谱记忆系统: 兼容主题、分层、五元组等所有新特性
• 激活指令:

  #夏园系统兼容升级
  

• 系统会自动遍历logs目录下所有txt日志: 列出所有历史对话内容并编号，输出到终端和summer_memory/history_dialogs.json
• 用户可查看编号后，选择导入方式:
  • 全部导入：

    python summer_memory/main.py import all
    

  • 选择性导入（如第1、3、5-8条）：

    python summer_memory/main.py import 1,3,5-8
    

• 兼容过程自动判重: 已入库内容不会重复导入，支持断点续跑
• 兼容内容全部走AI自动主题归类与分层: 完全与新系统一致
• 详细进度、结果和异常均有反馈: 安全高效

🔧 最新更新 (v3.0.5)

系统托盘功能增强

• 控制台托盘功能: 实现真正的"最小化到托盘"功能
• 窗口钩子: 监听控制台窗口的关闭事件，拦截关闭操作
• 任务栏隐藏: 使用WS_EX_TOOLWINDOW样式让窗口不在任务栏显示
• 自动隐藏: 启动后3秒自动隐藏控制台窗口
• 托盘消息: 支持托盘消息通知和状态提示

MCP工具依赖

• 新增依赖: 添加jmcomic和fastmcp依赖到requirements.txt
• 虚拟环境安装: 确保依赖安装到虚拟环境中
• 依赖验证: 提供依赖安装验证脚本

技术改进

• 窗口监控: 添加窗口状态监控线程，实时检测窗口显示/隐藏状态
• 样式管理: 保存和恢复原始窗口样式，确保功能稳定性
• 错误处理: 增强窗口操作和托盘功能的错误处理机制

❓ 常见问题

环境检查

python check_env.py

Windows 环境

• Python版本/依赖/虚拟环境/浏览器驱动等问题: 详见setup.ps1与本README
• IDE报import错误: 重启并选择正确解释器
• 语音依赖安装失败: 先装C++ Build Tools
• MCP工具依赖缺失: 运行pip install jmcomic fastmcp

Mac 环境

• Python版本过低: brew install python@3.11
• PyAudio安装失败: brew install portaudio && pip install pyaudio
• 权限问题: chmod +x *.sh

API服务器问题

• 端口占用: 修改config.py中的API_SERVER_PORT
• 代理干扰: 临时禁用代理 unset ALL_PROXY http_proxy https_proxy
• 依赖缺失: 确保安装了FastAPI和Uvicorn pip install fastapi uvicorn[standard]
• 无法访问: 检查防火墙设置，确保端口未被阻塞

工具调用问题

• 工具调用循环次数过多: 调整config.py中的MAX_handoff_LOOP_STREAM和MAX_handoff_LOOP_NON_STREAM
• 工具调用失败: 检查MCP服务是否正常运行，查看日志输出
• 格式错误: 确保LLM输出严格遵循JSON格式

GRAG记忆系统问题

• Neo4j连接失败: 检查Neo4j服务是否启动，确认连接参数正确
• 记忆查询无结果: 检查五元组是否正确提取和存储
• 性能问题: 调整config.py中的GRAG相关参数

系统托盘问题

• 托盘图标不显示: 检查图标文件是否存在，确认PyQt5安装正确
• 控制台托盘不工作: 确认使用start_with_tray.bat启动
• 自启动失败: 确认管理员权限，检查注册表权限
• 窗口最小化问题: 检查托盘集成是否正确，确认事件处理函数

AgentManager问题

• Agent配置加载失败: 检查agent_configs/目录下的JSON文件格式是否正确
• API调用失败: 确认API密钥配置正确，检查网络连接
• 会话历史丢失: 检查会话TTL配置，确认会话未过期
• 占位符替换失败: 确认环境变量已正确设置
• 内存占用过高: 调整max_history_rounds参数，减少历史消息数量

配置热更新问题

• 配置更新失败: 检查config.json文件格式是否正确，确认文件权限
• 配置快照恢复失败: 确认快照数据完整，检查JSON序列化问题
• 模块重新加载失败: 确认模块有reload_config方法，检查模块依赖
• 配置监视器不工作: 确认使用start_config_watcher()启动监视器
• 配置文件被损坏: 使用备份文件恢复，或重新生成配置文件

通用问题

• 浏览器无法启动: 检查playwright安装与网络
• 主题树/索引/参数/密钥全部在config.py统一管理
• 聊天输入#devmode进入开发者模式: 后续对话不写入GRAG记忆，仅用于工具调用测试

最佳实践

Agent配置最佳实践

1. 使用环境变量: 敏感信息如API密钥应使用环境变量
2. 合理设置参数: 根据任务需求调整temperature和max_output_tokens
3. 优化提示词: 使用占位符实现动态内容，提高灵活性
4. 会话管理: 合理设置会话TTL，避免内存泄漏

性能优化建议

1. 缓存配置: 启用配置缓存，减少文件读取开销
2. 并发控制: 合理控制并发Agent调用数量
3. 资源清理: 定期清理过期会话和临时数据
4. 监控日志: 启用调试模式监控系统性能
5. 配置热更新: 使用批量更新减少重新加载次数，避免频繁配置变更

安全建议

1. API密钥管理: 使用环境变量或密钥管理服务
2. 输入验证: 对用户输入进行验证和清理
3. 错误处理: 避免在错误信息中泄露敏感信息
4. 访问控制: 实现适当的访问控制机制
5. 配置备份: 定期备份配置文件，使用配置快照功能

🤝 贡献指南

我们欢迎所有形式的贡献！请阅读以下指南：

📋 贡献方式

• 报告问题: 使用 GitHub Issues 提交 Bug 报告
• 功能建议: 提出新功能的需求和建议
• 代码贡献: 提交 Pull Request 改进代码
• 文档改进: 完善项目文档和使用说明

📝 开发规范

• 遵循 PEP 8 代码风格
• 添加适当的注释和文档
• 确保代码测试通过
• 更新相关文档

📞 联系方式

• Issues: GitHub Issues
• 讨论: GitHub Discussions

🙏 致谢

感谢以下开源项目和贡献者：

• OpenAI - 提供强大的 AI 模型
• Neo4j - 图数据库支持
• PyQt5 - GUI 框架
• FastAPI - 现代 Web 框架
• MCP - 模型上下文协议
• 所有贡献者和社区成员

📄 许可证

本项目采用 MIT 许可证 - 详见 LICENSE 文件