自己的网站做微信接口平台山东关键词优化联系电话
LiteraSageAI 项目介绍
概述
LiteraSageAI 是一个基于多 Agent 协同工作的文学润色系统，旨在提升文学文章的质量和表现力。该系统通过 DeepSeek API 实现，利用 5 个不同专业方向的 Agent 进行多轮对话，不断优化和提升文章的质量。
核心功能
- 多 Agent 协作：系统包含 5 个不同专业方向的 Agent，每个 Agent 关注不同的润色方面。
- 多轮对话优化：Agent 之间进行多轮对话，不断改进润色效果。
- 参考文档分析：可分析参考文档的风格特点，作为润色的参考依据。
- 机械用语过滤：自动识别并替换常见的机械用语，使文章更加自然流畅。
- 直观交互界面：基于 Gradio 构建，提供直观的用户体验。
系统架构
LiteraSageAI 主要由以下模块组成：
- Agent 模块：实现 5 种不同专业方向的 Agent，分别负责不同方面的润色。
- 交互引擎：控制 Agent 之间的对话流程和文章润色过程。
- 文档处理模块：负责解析和分析用户上传的参考文档及待润色文章。
- 界面模块：基于 Gradio 构建，提供交互界面。
- 配置管理：管理系统的配置，例如机械用语词库等。
Agent 角色介绍
系统包含 5 个不同角色的 Agent，各自关注文章润色的不同方面：
- 文学专家：专注于文学性、修辞手法和整体格调，提升文章的文学价值和艺术性。
- 语言优化师：优化语法、词汇选择和句式，提高语言表达的准确性和多样性。
- 结构分析师：优化文章的逻辑结构、段落组织，提高连贯性。
- 风格塑造师：塑造特定的文体风格，调整语调和情感表达。
- 综合评审员：整合其他 Agent 的建议，并做最终决策，平衡各方意见，形成最优方案。
技术细节
- API 调用：使用 DeepSeek API 进行自然语言处理。
- 多 Agent 机制：基于角色提示工程，实现不同专业方向的 Agent。
- 对话管理：自动管理多轮对话，确保润色过程的上下文连贯性。
- 异步处理：支持异步多任务，提高系统响应速度。
- 文本分析：利用 NLP 技术分析文章风格、识别机械用语并进行优化。
安装与使用
环境要求：
- Python 3.8+
- DeepSeek API 密钥
- 依赖包（见
requirements.txt）
安装步骤：
- 克隆仓库：
git clone https://github.com/Xialiang98/LiteraSageAI.git cd LiteraSageAI - 安装依赖：
pip install -r requirements.txt - 配置 API 密钥：在
config.py中设置 DeepSeek API 密钥，或通过环境变量设置。 - 运行系统：
python main.py - 使用：
- 在浏览器中访问
http://127.0.0.1:7860 - 上传参考文档（可选）
- 输入需要润色的文章
- 设置对话轮次和其他选项
- 点击“开始润色”
- 查看 Agent 交互过程及润色结果
- 在浏览器中访问
项目结构
LiteraSageAI/
│── main.py # 主程序入口
│── agents.py # 定义 Agent 角色
│── engine.py # 交互引擎
│── document_processor.py # 处理用户上传的文章和参考文档
│── conversation.py # 管理 Agent 对话流程
│── interface.py # Gradio 界面实现
│── config.py # 系统配置
│── models.py # 定义数据模型
│── utils.py # 工具函数
│── requirements.txt # 依赖列表
│── README.md # 说明文档
下一步开发计划
- MCP Server：让系统具备爬取不同文种写作手法并学习的能力。
- 外挂写作知识库：扩展系统的写作知识，提高 AI 词汇和表达准确性。
许可证
本项目采用 MIT 许可证，详情请见 LICENSE 文件。
来源 ： https://github.com/Xialiang98/LiteraSageAI