Initial commit

llm/__init__.py

@@ -0,0 +1,2 @@
+# LLM 模块
+

llm/client.py

@@ -0,0 +1,124 @@
+"""
+LLM 统一调用客户端
+所有模型通过 SiliconFlow API 调用
+"""
+
+import os
+import requests
+from pathlib import Path
+from typing import Optional
+from dotenv import load_dotenv
+
+# 获取项目根目录
+PROJECT_ROOT = Path(__file__).parent.parent
+ENV_PATH = PROJECT_ROOT / ".env"
+
+
+class LLMClientError(Exception):
+    """LLM 客户端异常"""
+    pass
+
+
+class LLMClient:
+    """
+    统一的 LLM 调用客户端
+    
+    使用方式:
+        client = LLMClient()
+        response = client.chat(
+            messages=[{"role": "user", "content": "你好"}],
+            model="Qwen/Qwen2.5-7B-Instruct",
+            temperature=0.7,
+            max_tokens=1024
+        )
+    """
+    
+    def __init__(self):
+        load_dotenv(ENV_PATH)
+        
+        self.api_url = os.getenv("LLM_API_URL")
+        self.api_key = os.getenv("LLM_API_KEY")
+        
+        if not self.api_url:
+            raise LLMClientError("未配置 LLM_API_URL，请检查 .env 文件")
+        if not self.api_key or self.api_key == "your_api_key_here":
+            raise LLMClientError("未配置有效的 LLM_API_KEY，请检查 .env 文件")
+    
+    def chat(
+        self,
+        messages: list[dict],
+        model: str,
+        temperature: float = 0.7,
+        max_tokens: int = 1024
+    ) -> str:
+        """
+        调用 LLM 进行对话
+        
+        Args:
+            messages: 消息列表，格式为 [{"role": "user/assistant/system", "content": "..."}]
+            model: 模型名称
+            temperature: 温度参数，控制随机性
+            max_tokens: 最大生成 token 数
+            
+        Returns:
+            LLM 生成的文本内容
+            
+        Raises:
+            LLMClientError: 网络异常或 API 返回错误
+        """
+        headers = {
+            "Authorization": f"Bearer {self.api_key}",
+            "Content-Type": "application/json"
+        }
+        
+        payload = {
+            "model": model,
+            "messages": messages,
+            "stream": False,
+            "temperature": temperature,
+            "max_tokens": max_tokens
+        }
+        
+        try:
+            response = requests.post(
+                self.api_url,
+                headers=headers,
+                json=payload,
+                timeout=60
+            )
+        except requests.exceptions.Timeout:
+            raise LLMClientError("请求超时，请检查网络连接")
+        except requests.exceptions.ConnectionError:
+            raise LLMClientError("网络连接失败，请检查网络设置")
+        except requests.exceptions.RequestException as e:
+            raise LLMClientError(f"网络请求异常: {str(e)}")
+        
+        if response.status_code != 200:
+            error_msg = f"API 返回错误 (状态码: {response.status_code})"
+            try:
+                error_detail = response.json()
+                if "error" in error_detail:
+                    error_msg += f": {error_detail['error']}"
+            except:
+                error_msg += f": {response.text[:200]}"
+            raise LLMClientError(error_msg)
+        
+        try:
+            result = response.json()
+            content = result["choices"][0]["message"]["content"]
+            return content
+        except (KeyError, IndexError, TypeError) as e:
+            raise LLMClientError(f"解析 API 响应失败: {str(e)}")
+
+
+# 全局单例（延迟初始化）
+_client: Optional[LLMClient] = None
+
+
+def get_client() -> LLMClient:
+    """获取 LLM 客户端单例"""
+    global _client
+    if _client is None:
+        _client = LLMClient()
+    return _client
+

llm/prompts.py

@@ -0,0 +1,130 @@
+"""
+Prompt 模板集合
+所有与 LLM 交互的 Prompt 统一在此管理
+"""
+
+# ========================================
+# 意图识别 Prompt
+# ========================================
+
+INTENT_CLASSIFICATION_SYSTEM = """你是一个意图分类器。判断用户输入是"普通对话"还是"本地执行任务"。
+
+规则：
+- chat: 闲聊、问答、知识查询（如天气、新闻、解释概念）
+- execution: 需要操作本地文件的任务（如复制、移动、重命名、整理文件）
+
+只输出JSON，格式：
+{"label": "chat或execution", "confidence": 0.0到1.0, "reason": "简短中文理由"}"""
+
+INTENT_CLASSIFICATION_USER = """判断以下输入的意图：
+{user_input}"""
+
+
+# ========================================
+# 执行计划生成 Prompt
+# ========================================
+
+EXECUTION_PLAN_SYSTEM = """你是一个任务规划助手。根据用户需求，生成清晰的执行计划。
+
+约束：
+1. 所有操作只在 workspace 目录内进行
+2. 输入文件来自 workspace/input
+3. 输出文件保存到 workspace/output
+4. 绝不修改或删除原始文件
+5. 不进行任何网络操作
+
+输出格式（中文）：
+## 任务理解
+[简述用户想做什么]
+
+## 执行步骤
+1. [步骤1]
+2. [步骤2]
+...
+
+## 输入输出
+- 输入目录: workspace/input
+- 输出目录: workspace/output
+
+## 风险提示
+[可能失败的情况]"""
+
+EXECUTION_PLAN_USER = """用户需求：{user_input}
+
+请生成执行计划。"""
+
+
+# ========================================
+# 代码生成 Prompt
+# ========================================
+
+CODE_GENERATION_SYSTEM = """你是一个 Python 代码生成器。根据执行计划生成安全的文件处理代码。
+
+硬性约束：
+1. 只能操作 workspace/input 和 workspace/output 目录
+2. 禁止使用: requests, socket, urllib, subprocess, os.system
+3. 禁止删除文件: os.remove, shutil.rmtree, os.unlink
+4. 禁止访问 workspace 外的任何路径
+5. 只使用标准库: os, shutil, pathlib, json, csv 等
+
+代码模板：
+```python
+import os
+import shutil
+from pathlib import Path
+
+# 工作目录
+WORKSPACE = Path(__file__).parent
+INPUT_DIR = WORKSPACE / "input"
+OUTPUT_DIR = WORKSPACE / "output"
+
+def main():
+    # 确保输出目录存在
+    OUTPUT_DIR.mkdir(exist_ok=True)
+    
+    # TODO: 实现具体逻辑
+    
+    print("任务完成")
+
+if __name__ == "__main__":
+    main()
+```
+
+只输出 Python 代码，不要其他解释。"""
+
+CODE_GENERATION_USER = """执行计划：
+{execution_plan}
+
+用户原始需求：{user_input}
+
+请生成 Python 代码。"""
+
+
+# ========================================
+# 安全审查 Prompt
+# ========================================
+
+SAFETY_REVIEW_SYSTEM = """你是一个代码安全审查员。检查代码是否符合安全规范。
+
+检查项：
+1. 是否只操作 workspace 目录
+2. 是否有网络请求代码
+3. 是否有危险的文件删除操作
+4. 是否有执行外部命令的代码
+5. 代码逻辑是否与用户需求一致
+
+输出JSON格式：
+{"pass": true或false, "reason": "中文审查结论"}"""
+
+SAFETY_REVIEW_USER = """用户需求：{user_input}
+
+执行计划：
+{execution_plan}
+
+待审查代码：
+```python
+{code}
+```
+
+请进行安全审查。"""
+