from autogen_agentchat.conditions import TextMentionTermination

# 当消息中包含「任务完成」时终止（不区分大小写）
termination = TextMentionTermination("任务完成")

from autogen_agentchat.conditions import MaxMessageTermination

# 最多允许 10 条消息，超过则强制终止
termination = MaxMessageTermination(max_messages=10)

from autogen_agentchat.conditions import TimeTermination

# 运行超过 5 分钟（300 秒）则强制终止
termination = TimeTermination(max_seconds=300)

from autogen_agentchat.conditions import StopMessageTermination

termination = StopMessageTermination()

from autogen_agentchat.conditions import EmptyMessageTermination

termination = EmptyMessageTermination()

import asyncio  # 1. 导入异步库
from autogen_agentchat.agents import AssistantAgent
from autogen_ext.models.openai import OpenAIChatCompletionClient

# 2. 用 async def 定义主函数
async def main():
    # 初始化模型和智能体（和同步代码完全一样）
    model_client = OpenAIChatCompletionClient(
        model="gpt-4o-mini",
        api_key="你的API密钥"
    )
    agent = AssistantAgent(name="demo_agent", model_client=model_client)

    # 3. 用 await 调用核心异步方法
    await agent.run_stream(task="用一句话介绍AutoGen")

# 4. 用 asyncio.run() 启动异步函数
if __name__ == "__main__":
    asyncio.run(main())

LLM_MODEL_ID="YOUR-MODEL"
LLM_API_KEY="YOUR-API-KEY"
LLM_BASE_URL="YOUR-URL"

def create_product_manager(model_client):
    system_message = """
    你是一位经验丰富的产品经理，专门负责软件产品的需求分析和项目规划。
    你的核心职责包括：
    1. **需求分析**：深入理解用户需求，识别核心功能和边界条件
    2. **技术规划**：基于需求制定清晰的技术实现路径
    3. **风险评估**：识别潜在的技术风险和用户体验问题
    4. **协调沟通**：与工程师和其他团队成员进行有效沟通
    当接到开发任务时，请按以下结构进行分析：
    1. 需求理解与分析
    2. 功能模块划分
    3. 技术选型建议
    4. 实现优先级排序
    5. 验收标准定义
    请简洁明了地回应，并在分析完成后说"请工程师开始实现"。
    """
    return AssistantAgent(
        name="ProductManager",
        model_client=model_client,
        system_message=system_message,
    )

def create_engineer(model_client):
    system_message = """
    你是一位资深的软件工程师，擅长 Python 开发和 Web 应用构建。
    你的技术专长包括：
    1. **Python 编程**：熟练掌握 Python 语法和最佳实践
    2. **Web 开发**：精通 Streamlit、Flask、Django 等框架
    3. **API 集成**：有丰富的第三方 API 集成经验
    4. **错误处理**：注重代码的健壮性和异常处理
    当收到开发任务时，请：
    1. 仔细分析技术需求
    2. 选择合适的技术方案
    3. 编写完整的代码实现
    4. 添加必要的注释和说明
    5. 考虑边界情况和异常处理
    请提供完整的可运行代码，并在完成后说"请代码审查员检查"。
    """
    return AssistantAgent(
        name="Engineer",
        model_client=model_client,
        system_message=system_message,
    )

def create_code_reviewer(model_client):
    system_message = """
    你是一位经验丰富的代码审查专家，专注于代码质量和最佳实践。
    你的审查重点包括：
    1. **代码质量**：检查代码的可读性、可维护性和性能
    2. **安全性**：识别潜在的安全漏洞和风险点
    3. **最佳实践**：确保代码遵循行业标准和最佳实践
    4. **错误处理**：验证异常处理的完整性和合理性
    审查流程：
    1. 仔细阅读和理解代码逻辑
    2. 检查代码规范和最佳实践
    3. 识别潜在问题和改进点
    4. 提供具体的修改建议
    5. 评估代码的整体质量
    请提供具体的审查意见，完成后说"代码审查完成，请用户代理测试"。
    """
    return AssistantAgent(
        name="CodeReviewer",
        model_client=model_client,
        system_message=system_message,
    )

def create_user_proxy():
    return UserProxyAgent(
        name="UserProxy",
        description="""
        用户代理，负责以下职责：
        1. 代表用户提出开发需求
        2. 执行最终的代码实现
        3. 验证功能是否符合预期
        4. 提供用户反馈和建议
        完成测试后请回复 TERMINATE。""",
    )

team_chat = RoundRobinGroupChat(
        participants=[product_manager, engineer, code_reviewer, user_proxy],  # 智能体发言先后顺序
        termination_condition=termination,  # 终止条件
        max_turns=20,  # 最大轮数，超过此轮数仍未触发终止条件，聊天将强制结束
    )

async def run_software_development_team():
    # ... 初始化客户端和智能体 ...
    # 定义任务描述
    task = """我们需要开发一个比特币价格显示应用，具体要求如下：
        核心功能：
        - 实时显示比特币当前价格（USD）
        - 显示24小时价格变化趋势（涨跌幅和涨跌额）
        - 提供价格刷新功能
        技术要求：
        - 使用 Streamlit 框架创建 Web 应用
        - 界面简洁美观，用户友好
        - 添加适当的错误处理和加载状态
        请团队协作完成这个任务，从需求分析到最终实现。"""
    # 异步执行团队协作，并流式输出对话过程
    result = await Console(team_chat.run_stream(task=task))
    return result
# 主程序入口
if __name__ == "__main__":
    result = asyncio.run(run_software_development_team())

import asyncio
import os

from autogen_agentchat.agents import AssistantAgent, UserProxyAgent
from autogen_agentchat.conditions import TextMentionTermination
from autogen_agentchat.teams import RoundRobinGroupChat
from autogen_agentchat.ui import Console
from autogen_ext.models.openai import OpenAIChatCompletionClient
from dotenv import load_dotenv

load_dotenv()
def create_openai_model_client():
    """创建 OpenAI 模型客户端用于测试"""
    return OpenAIChatCompletionClient(
        model=os.getenv("LLM_MODEL_ID"),
        api_key=os.getenv("LLM_API_KEY"),
        base_url=os.getenv("LLM_BASE_URL"),
    )

def create_product_manager(model_client):
    system_message = """
    你是一位经验丰富的产品经理，专门负责软件产品的需求分析和项目规划。
    你的核心职责包括：
    1. **需求分析**：深入理解用户需求，识别核心功能和边界条件
    2. **技术规划**：基于需求制定清晰的技术实现路径
    3. **风险评估**：识别潜在的技术风险和用户体验问题
    4. **协调沟通**：与工程师和其他团队成员进行有效沟通
    当接到开发任务时，请按以下结构进行分析：
    1. 需求理解与分析
    2. 功能模块划分
    3. 技术选型建议
    4. 实现优先级排序
    5. 验收标准定义
    请简洁明了地回应，并在分析完成后说"请工程师开始实现"。
    """
    return AssistantAgent(
        name="ProductManager",
        model_client=model_client,
        system_message=system_message,
    )

def create_engineer(model_client):
    system_message = """
    你是一位资深的软件工程师，擅长 Python 开发和 Web 应用构建。
    你的技术专长包括：
    1. **Python 编程**：熟练掌握 Python 语法和最佳实践
    2. **Web 开发**：精通 Streamlit、Flask、Django 等框架
    3. **API 集成**：有丰富的第三方 API 集成经验
    4. **错误处理**：注重代码的健壮性和异常处理
    当收到开发任务时，请：
    1. 仔细分析技术需求
    2. 选择合适的技术方案
    3. 编写完整的代码实现
    4. 添加必要的注释和说明
    5. 考虑边界情况和异常处理
    请提供完整的可运行代码，并在完成后说"请代码审查员检查"。
    """
    return AssistantAgent(
        name="Engineer",
        model_client=model_client,
        system_message=system_message,
    )

def create_code_reviewer(model_client):
    system_message = """
    你是一位经验丰富的代码审查专家，专注于代码质量和最佳实践。
    你的审查重点包括：
    1. **代码质量**：检查代码的可读性、可维护性和性能
    2. **安全性**：识别潜在的安全漏洞和风险点
    3. **最佳实践**：确保代码遵循行业标准和最佳实践
    4. **错误处理**：验证异常处理的完整性和合理性
    审查流程：
    1. 仔细阅读和理解代码逻辑
    2. 检查代码规范和最佳实践
    3. 识别潜在问题和改进点
    4. 提供具体的修改建议
    5. 评估代码的整体质量
    请提供具体的审查意见，完成后说"代码审查完成，请用户代理测试"。
    """
    return AssistantAgent(
        name="CodeReviewer",
        model_client=model_client,
        system_message=system_message,
    )

def create_user_proxy():
    return UserProxyAgent(
        name="UserProxy",
        description="""
        用户代理，负责以下职责：
        1. 代表用户提出开发需求
        2. 执行最终的代码实现
        3. 验证功能是否符合预期
        4. 提供用户反馈和建议
        完成测试后请回复 TERMINATE。""",
    )



async def run_software_development_team():
    """运行软件开发团队协作"""

    print("🔧 正在初始化模型客户端...")

    # 先使用标准的 OpenAI 客户端测试
    model_client = create_openai_model_client()

    print("👥 正在创建智能体团队...")

    # 创建智能体团队
    product_manager = create_product_manager(model_client)
    engineer = create_engineer(model_client)
    code_reviewer = create_code_reviewer(model_client)
    user_proxy = create_user_proxy()

    # 添加终止条件
    termination = TextMentionTermination("TERMINATE")   # 终止条件，当智能体回复"TERMINATE"时，聊天结束

    # 定义团队聊天和协作规则
    team_chat = RoundRobinGroupChat(
        participants=[product_manager, engineer, code_reviewer, user_proxy],  # 智能体发言先后顺序
        termination_condition=termination,
        max_turns=20,  # 最大轮数，超过此轮数仍未触发终止条件，聊天将强制结束
    )

    # 定义开发任务
    task = """
    我们需要开发一个比特币价格显示应用，具体要求如下：
    核心功能：
    - 实时显示比特币当前价格（USD）
    - 显示24小时价格变化趋势（涨跌幅和涨跌额）
    - 提供价格刷新功能

    技术要求：
    - 使用 Streamlit 框架创建 Web 应用
    - 界面简洁美观，用户友好
    - 添加适当的错误处理和加载状态

    请团队协作完成这个任务，从需求分析到最终实现。
    """
    # 执行团队协作
    print("🚀 启动 AutoGen 软件开发团队协作...")
    print("=" * 60)

    # 使用 Console 来显示对话过程
    result = await Console(team_chat.run_stream(task=task))

    print("\n" + "=" * 60)
    print("✅ 团队协作完成！")

    return result


# 主程序入口
if __name__ == "__main__":
    try:
        # 运行异步协作流程
        result = asyncio.run(run_software_development_team())

        print(f"\n📋 协作结果摘要：")
        print(f"- 参与智能体数量：4个")
        print(f"- 任务完成状态：{'成功' if result else '需要进一步处理'}")

    except ValueError as e:
        print(f"❌ 配置错误：{e}")
        print("请检查 .env 文件中的配置是否正确")
    except Exception as e:
        print(f"❌ 运行错误：{e}")
        import traceback

        traceback.print_exc()

from autogen_ext.models.openai import OpenAIChatCompletionClient
model_client = OpenAIChatCompletionClient(
    model="deepseek-chat",
    api_key=os.getenv("DEEPSEEK_API_KEY"),
    base_url="https://api.deepseek.com/v1",
    model_info={
        "function_calling": True,
        "max_tokens": 4096,
        "context_length": 32768,
        "vision": False,
        "json_output": True,
        "family": "deepseek",
        "structured_output": True,
    }
)