From 076935cfae495f4df38ddf945c4e4d9cc1aeb14a Mon Sep 17 00:00:00 2001 From: qingzhong1 Date: Wed, 24 Jan 2024 13:02:42 +0000 Subject: [PATCH] modify readme --- .../erniebot_researcher/README.md | 53 +++++++++++++++---- .../erniebot_researcher/research_agent.py | 1 - 2 files changed, 43 insertions(+), 11 deletions(-) diff --git a/erniebot-agent/applications/erniebot_researcher/README.md b/erniebot-agent/applications/erniebot_researcher/README.md index bdfeae2d..4379b95a 100644 --- a/erniebot-agent/applications/erniebot_researcher/README.md +++ b/erniebot-agent/applications/erniebot_researcher/README.md @@ -66,29 +66,52 @@ wget https://paddlenlp.bj.bcebos.com/pipelines/fonts/SimSun.ttf > 第四步：创建索引 -下载实例数据 +**数据准备** + +我们支持docx、pdf、txt等格式的文件，你可以把这些文件放到同一个文件夹下，然后运行下面的命令创建索引，后续我们会根据这些文件写报告。 + +为了方便测试，我们提供了样例数据。 +样例数据： ``` wget https://paddlenlp.bj.bcebos.com/pipelines/erniebot_researcher_example.tar.gz tar xvf erniebot_researcher_example.tar.gz ``` -首先需要在[AI Studio星河社区](https://aistudio.baidu.com/index)注册并登录账号，然后在AI Studio的[访问令牌页面](https://aistudio.baidu.com/index/accessToken)获取`Access Token`，最后设置环境变量: +url数据： +如果用户有文件对应的url链接，可以传入存储url链接的txt。在txt中，每一行存储url链接和对应文件的路径，例如: ``` -export EB_AGENT_ACCESS_TOKEN= -export AISTUDIO_ACCESS_TOKEN= +https://zhuanlan.zhihu.com/p/659457816 erniebot_researcher_example/Ai_Agent的起源.md ``` +如果用户不传入url文件，则默认文件的路径为其url链接 -如果用户有url链接，你可以传入存储url链接的txt。 -在txt中，每一行存储文件的路径和对应的url链接，例如: -'https://zhuanlan.zhihu.com/p/659457816 erniebot_researcher_example/Ai_Agent的起源.md' +摘要数据： -如果用户不传入url文件，则默认文件的路径为其url链接 +用户可以利用path_abstract参数传入自己文件对应摘要的存储路径。 +其中摘要需要用json文件存储。其中json文件内存储的是多个字典，每个字典有3组键值对， +- `page_content` : `str`, 文件摘要。 +- `url` : `str`, 文件url链接。 +- `name` : `str`, 文件名字。 + +例如: + +``` +[{"page_content":"文件摘要","url":"https://zhuanlan.zhihu.com/p/659457816","name":Ai_Agent的起源}, +...] +``` + +如果用户没有摘要路径，则无需改变path_abstract的默认值，我们会利用ernie-4.0来自动生成摘要，生成的摘要存储路径为abstract.json。 + +**创建索引** + +首先需要在[AI Studio星河社区](https://aistudio.baidu.com/index)注册并登录账号，然后在AI Studio的[访问令牌页面](https://aistudio.baidu.com/index/accessToken)获取`Access Token`，最后设置环境变量: + +**有摘要有url链接** -用户可以自己传入文件摘要的存储路径。其中摘要需要用json文件存储。其中json文件内存储的是多个字典，每个字典有3组键值对，"page_content"存储文件的摘要，"url"是文件的url链接，"name"是文章的名字。例如: -[{"page_content":"文章摘要","url":"https://zhuanlan.zhihu.com/p/659457816","name":Ai_Agent的起源},...] ``` +export EB_AGENT_ACCESS_TOKEN= +export AISTUDIO_ACCESS_TOKEN= python ./tools/preprocessing.py \ --index_name_full_text \ --index_name_abstract \ @@ -97,6 +120,16 @@ python ./tools/preprocessing.py \ --path_abstract ``` +**无摘要无url链接** + +``` +export EB_AGENT_ACCESS_TOKEN= +export AISTUDIO_ACCESS_TOKEN= +python ./tools/preprocessing.py \ +--index_name_full_text \ +--index_name_abstract \ +--path_full_text +``` > 第五步：运行 diff --git a/erniebot-agent/applications/erniebot_researcher/research_agent.py b/erniebot-agent/applications/erniebot_researcher/research_agent.py index 778668c1..cb1a4953 100644 --- a/erniebot-agent/applications/erniebot_researcher/research_agent.py +++ b/erniebot-agent/applications/erniebot_researcher/research_agent.py @@ -155,7 +155,6 @@ async def run(self, query: str): for sub_query in sub_queries: research_result = await self.run_search_summary(sub_query) paragraphs_item.extend(research_result) - paragraphs = [] for item in paragraphs_item: if item not in paragraphs: