mirror of
https://github.com/ThearchyHelios/AgentLab.git
synced 2026-11-15 17:01:59 +00:00
ThearchyHelios
901d840b86
上一轮做了解析，但那条路在产品上够不着：
- environment.yml 装的是 [microvm,dev,db]，没有 docs——新机器起来，传 PDF
只会得到一句"要先装解析库"
- 文件选择框的 accept 里压根没有 .pdf / .docx，点上传根本选不中这些文件
两处都补上。表格类（xlsx）故意不放进 accept：它进知识库会被切成文本，
聚合算不了、数字也无法回指，那条路该走数据源。
装上依赖实测各格式：Word（含表格）、PDF（含中文，扫描件会明说要先 OCR）、
HTML、txt/md/csv/json 都通；Excel 和 PPT 不认得，报错说得清楚。
**切块对表格的处理是这次的主要工作。** 一份 60 行的 Word 表格切出来长这样：
块1 首行 | 上海 | 172151 | 13%
门店名被切没了，也没有表头——召回到这块，模型看到的是一列没有主语的数字。
两个毛病：
1. 重叠按字符切（buf[-120:]），会从行中间断开。改成只在行边界取，
整段没有换行就宁可不要重叠
2. 表格横跨多块时，除第一块外都没有列名。改成开新块时把表头补在最前面
第二条我第一版写成了 tail+header+block，表头被夹在重叠的那几行后面成了中间
一行——"表头在不在"查出来是 True，看着修好了，块的开头其实仍然是一串没有
主语的数。测试里专门有一条盯着表头必须领头，就是为这个。
端到端验过：60 行表格的 Word 传上去切成 3 段，搜"门店销售额"召回的片段
第一行就是"门店 | 城市 | 销售额 | 同比"。
21 lines
903 B
YAML
21 lines
903 B
YAML
# AgentLab 的 conda 环境。
|
|
#
|
|
# conda env create -f environment.yml
|
|
# conda activate agentlab
|
|
#
|
|
# 依赖清单仍以 backend/pyproject.toml 为准 —— 这里只负责把解释器和那份
|
|
# 依赖装进一个具名环境，避免同一份依赖在两个地方各写一遍、然后慢慢漂移。
|
|
name: agentlab
|
|
channels:
|
|
- conda-forge
|
|
dependencies:
|
|
- python=3.12
|
|
- pip
|
|
- pip:
|
|
# [microvm] 带上独立内核的沙箱后端（约 35MB wheel，首次运行还要下载
|
|
# 约 50MB 运行时，外加一次 OCI 镜像拉取）。不需要就把方括号去掉，
|
|
# 沙箱会退回 Seatbelt —— 代价是内存限额在 macOS 上限不住。
|
|
# [docs] 让 PDF / Word 传得进知识库。约十几兆，但少了它上传这类文件
|
|
# 只会得到一句"要先装解析库"——而界面上并不会拦着你去传
|
|
- -e ./backend[microvm,dev,db,docs]
|