◉ClassyGitshadowzzh

events.py

events.py
"""事件模型(对应设计文档中的 Event / Trajectory 概念)。

Flux 把 Agent 的一切经历都抽象成"事件",按时间顺序追加到轨迹(trajectory)里。
本文件定义事件类型、事件对象,以及"事件紧急度"的判定逻辑——这是实验 4-5 里
"批量处理 vs 立即打断"两种处理机制的分类依据。
"""

from __future__ import annotations

import time
from dataclasses import dataclass, field
from typing import Optional


class EventType:
    """事件类型常量(对应设计文档第 2 节 Inputs / Interrupts / Thinking / Actions)。"""

    USER_INPUT = "user.input"          # 用户输入(非紧急,走"排队处理")
    USER_INTERRUPT = "user.interrupt"  # 用户打断(紧急,走"取消式处理")
    AGENT_OUTPUT = "agent.output"      # Agent 面向用户的最终回复
    AGENT_TOOL_CALL = "agent.tool_call"  # Agent 发起的工具调用(Action)
    TOOL_RESULT = "tool.result"        # 工具返回结果(同步工具 / 异步占位符)
    ASYNC_RESULT = "async.result"      # 异步工具真正完成后注入的新事件
    SYSTEM_NOTE = "system.note"        # 框架注入的系统提示(如取消回执)


class Urgency:
    """事件紧急度:决定采用哪种事件处理机制。"""

    INTERRUPT = "interrupt"  # 取消式处理:立刻打断当前执行并取消异步工具
    IMMEDIATE = "immediate"  # 立即处理:不打断后台异步任务,但马上回应(如用户提问)
    DEFERRED = "deferred"    # 排队处理:累积到 pending 队列,任务完成时批量追加


# 打断类关键词:命中即视为紧急打断
_INTERRUPT_KEYWORDS = ["取消", "停止", "中止", "打住", "别做了", "stop", "cancel", "abort"]

# 疑问类信号:命中即视为需要"立即回应"(而不是排队)
_QUESTION_MARKS = ("?", "?")
_QUESTION_KEYWORDS = ["几点", "多少", "怎么", "如何", "为什么", "是不是", "有没有",
                      "吗", "呢", "what", "when", "how", "why", "which"]


def classify_urgency(text: str) -> str:
    """根据用户消息内容判定紧急度。

    规则(简单、可解释,便于书中讲清楚):
      1. 含打断关键词(取消/停止/stop...) -> INTERRUPT(紧急,取消式处理)
      2. 是一个提问(带问号或疑问词)      -> IMMEDIATE(立即回应,但不打断后台任务)
      3. 其它(补充性指令,如"用日语回复")-> DEFERRED(排队,批量处理)
    """
    low = text.lower()
    if any(kw in text or kw in low for kw in _INTERRUPT_KEYWORDS):
        return Urgency.INTERRUPT
    if text.strip().endswith(_QUESTION_MARKS) or any(kw in text or kw in low for kw in _QUESTION_KEYWORDS):
        return Urgency.IMMEDIATE
    return Urgency.DEFERRED


@dataclass
class Event:
    """一条轨迹事件。

    message 字段保存"可直接喂给 LLM 的 OpenAI 消息字典"(保证上下文的高保真回放);
    没有 message 的事件(若有)只用于日志。
    """

    type: str
    message: Optional[dict] = None        # OpenAI chat 格式消息,供构建 LLM 上下文
    label: str = ""                       # 人类可读的日志标签
    task_id: Optional[str] = None         # 关联的异步任务 ID(若有)
    urgency: Optional[str] = None         # 仅用户输入事件会带
    ts: float = field(default_factory=time.time)

    def to_dict(self) -> dict:
        """序列化为纯 JSON 可写的字典(用于状态检查点持久化)。"""
        return {
            "type": self.type, "message": self.message, "label": self.label,
            "task_id": self.task_id, "urgency": self.urgency, "ts": self.ts,
        }

    @classmethod
    def from_dict(cls, d: dict) -> "Event":
        """从检查点字典还原事件对象。"""
        return cls(
            type=d["type"], message=d.get("message"), label=d.get("label", ""),
            task_id=d.get("task_id"), urgency=d.get("urgency"),
            ts=d.get("ts", time.time()),
        )