智能体时序感知插件#

一个为AI及AI框架设计的时序感知插件，解决AI的"体感缺失"问题。

核心功能#

1. 任务执行中的"过程体感" - 解决"黑盒焦虑"#

• 耗时预估：基于历史执行数据和任务类型，预测完成时间
• 进度感知：提供实时进度更新和预估剩余时间
• 异常检测：识别执行过程中的异常延迟，主动采取措施

2. 用户交互中的"社交体感" - 解决"读不懂空气"#

• 动态打断管理：识别用户的停顿和犹豫，合理控制回应时机
• 沉默管理：理解不同长度停顿的语义，避免打断或忽略用户
• 上下文时效性：根据时间窗口判断信息的时效性，提供适当的回应

3. 物理/数字操作中的"因果体感" - 解决"时空错位"#

• 动作与反馈时序对齐：预测操作延迟，实现精准控制
• 长流程任务记忆：通过"双时态记忆"保持任务的时间连贯性
• 因果关系预测：理解动作和结果之间的时间延迟，做出合理预判

技术架构#

核心组件#

• TemporalAnalyzer：时序分析引擎，处理时间相关数据
• ProgressEstimator：进度预估系统，预测任务执行进度和剩余时间
• AnomalyDetector：异常检测模块，识别执行过程中的异常延迟
• SocialTemporal：社交时序理解，理解对话中的停顿和节奏
• CausalPredictor：因果预测模型，预测动作和结果之间的时间关系

框架集成#

• LangChainAdapter：与LangChain框架集成
• LlamaIndexAdapter：与LlamaIndex框架集成
• CustomAdapter：与自定义AI框架集成

安装#

依赖项#

bash

pip install pandas numpy scikit-learn pyarrow fastapi uvicorn pytest python-dateutil scipy matplotlib pytz geopy

使用方法#

作为Python库使用#

python

from src.core.temporal_analyzer import TemporalAnalyzer
from src.core.progress_estimator import ProgressEstimator
from src.core.anomaly_detector import AnomalyDetector
from src.core.social_temporal import SocialTemporal
from src.core.causal_predictor import CausalPredictor

# 初始化时序分析引擎
analyzer = TemporalAnalyzer()

# 开始计时
task_id = "download_task"
analyzer.start_timer(task_id)

# 执行任务
# ...

# 停止计时
duration = analyzer.stop_timer(task_id)
print(f"任务执行时间：{duration}秒")

# 预测任务执行时间
predicted_duration = analyzer.predict_duration("analysis", complexity=2.0)
print(f"预测执行时间：{predicted_duration}秒")

与LangChain集成#

python

from src.adapters.langchain_adapter import LangChainAdapter
from langchain.chat_models import ChatOpenAI

# 初始化适配器
adapter = LangChainAdapter()

# 创建语言模型
llm = ChatOpenAI(temperature=0)

# 创建智能体
agent = adapter.create_agent(llm)

# 运行智能体
result = agent.run("帮我分析一份100页的财报，告诉我需要多久")
print(result)

与LlamaIndex集成#

python

from src.adapters.llama_index_adapter import LlamaIndexAdapter
from llama_index.core.llms import OpenAI

# 初始化适配器
adapter = LlamaIndexAdapter()

# 创建语言模型
llm = OpenAI(temperature=0)

# 创建智能体
agent = adapter.create_agent(llm)

# 运行智能体
result = agent.chat("帮我分析一份100页的财报，告诉我需要多久")
print(result)

应用场景#

1. AI助手#

• 为AI助手添加时间感知能力，让它知道任务需要多长时间
• 当任务执行时间过长时，主动告知用户
• 理解用户的停顿和犹豫，实现自然的对话

2. 自动化工具#

• 监控自动化任务的执行进度
• 检测异常延迟，及时采取措施
• 预测任务完成时间，合理安排后续任务

3. 物理操作智能体#

• 预测操作延迟，实现精准控制
• 理解动作和结果之间的时间关系
• 保持长流程任务的时间连贯性

技术特点#

• 精确的时间感知：基于历史数据和统计分析，提供准确的时间预测
• 实时的进度反馈：实时更新任务进度，提供剩余时间预估
• 智能的异常处理：自动检测异常延迟，主动采取措施
• 自然的社交交互：理解对话中的停顿和节奏，实现自然的交互
• 精准的因果预测：预测动作和结果之间的时间关系，实现精准控制

版本#

• 2.0.0：新增贝叶斯预测器、智能超时预测器、分布式时钟同步等功能
• 1.0.0：初始版本，包含所有核心功能

许可#

MIT-0