antgroup · AniviaTn · Dec 10, 2024 · Sep 23, 2024 · Aug 21, 2024 · Aug 21, 2024
diff --git a/CHANGELOG.md b/CHANGELOG.md
@@ -38,9 +38,9 @@ This version introduces new capabilities such as intelligent agent canvas orches
 
 ### Note 
 - Default path optimization for system_db_uri
-The default path is already compatible with the Windows platform, for more details, please refer to [issue142](https://github.com/alipay/agentUniverse/issues/142)
+The default path is already compatible with the Windows platform, for more details, please refer to [issue142](https://github.com/antgroup/agentUniverse/issues/142)
 - Support for configurable chain stop words in ReactAgent
-The ReactAgent YAML configuration now supports the stop_sequence keyword, allowing users to customize chain stop words. For more details, please refer to [issue127](https://github.com/alipay/agentUniverse/issues/127)
+The ReactAgent YAML configuration now supports the stop_sequence keyword, allowing users to customize chain stop words. For more details, please refer to [issue127](https://github.com/antgroup/agentUniverse/issues/127)
 - Added an introduction to RAG principles and a quick guide for building RAG, please pay attention to the corresponding parts in the README and user guide.
 - Added advanced guidance documents for the intelligent agent productization platform, please pay attention to the corresponding parts in the README and user guide.
 - Various code optimizations and documentation updates.

diff --git a/CHANGELOG_zh.md b/CHANGELOG_zh.md
@@ -38,9 +38,9 @@ Note - 对于版本的额外说明。
 
 ### Note 
 - system_db_uri默认路径优化  
-默认路径已兼容windows平台，详情见[issue142](https://github.com/alipay/agentUniverse/issues/142)
+默认路径已兼容windows平台，详情见[issue142](https://github.com/antgroup/agentUniverse/issues/142)
 - ReactAgent支持链停止词配置化  
-ReactAgent yaml配置目前已经支持stop_sequence关键词，用户可以自行配置链停止词,详情见[issue127](https://github.com/alipay/agentUniverse/issues/127)
+ReactAgent yaml配置目前已经支持stop_sequence关键词，用户可以自行配置链停止词,详情见[issue127](https://github.com/antgroup/agentUniverse/issues/127)
 - 新增RAG原理介绍与RAG快速构建指导文档，请关注README与用户指南相应部分。
 - 新增智能体产品化平台高阶指导文档，请关注README与用户指南相应部分。
 - 部分代码优化与文档更新

diff --git a/README.md b/README.md
diff --git a/README_jp.md b/README_jp.md
@@ -59,7 +59,7 @@ pip install agentUniverse
 [readthedocs](https://agentuniverse.readthedocs.io/en/latest/)
 
 ## お問い合わせ
-* github: https://github.com/alipay/agentUniverse
+* github: https://github.com/antgroup/agentUniverse
 * gitee: https://gitee.com/agentUniverse/agentUniverse
 * gitcode: https://gitcode.com/agentUniverse
 * Stack Overflow: https://stackoverflowteams.com/c/agentuniverse/questions

diff --git a/README_zh.md b/README_zh.md
@@ -25,35 +25,69 @@
 更多模式组件持续推出中...
 
 ****************************************
+
 ## 目录
-* [快速开始](#快速开始)
-* [案例与样例工程](#案例与样例工程)
-* [更多](#更多)
-  * [为什么使用agentUniverse](#为什么使用agentUniverse)
-  * [核心特性](#核心特性)
-  * [用户指南](#用户指南)
-  * [API参考](#API参考)
-  * [支持](#支持)
-  * [文献](#文献)
-  * [鸣谢](#鸣谢)
+* [快速开始](#快速开始)  
+|  &nbsp; [快速安装](#快速安装) &nbsp; |
+&nbsp; [运行案例](#运行第一个教程案例) &nbsp; |
+* [如何搭建一个智能体应用](#如何搭建一个智能体应用)  
+| &nbsp; [工程化搭建](#工程化搭建) &nbsp; |
+&nbsp; [产品化搭建](#产品化搭建) &nbsp; |
+* [为什么使用agentUniverse](#为什么使用agentUniverse)  
+| &nbsp; [设计思路](#设计思路) &nbsp; | 
+&nbsp; [协同机制](#多智能体协同机制) &nbsp; | 
+&nbsp; [研究文献](#文献) &nbsp; | 
+&nbsp; [核心特性](#核心特性) &nbsp; |
+* [案例与样例工程](#案例与样例工程)  
+| &nbsp; [官方案例](#官方案例) &nbsp; | 
+&nbsp; [样例工程](#示例工程) &nbsp; | 
+&nbsp; [典型产品](#使用aU构建的典型产品) &nbsp; |
+* [用户指南手册](#用户指南手册)
+* [更多](#更多)  
+| &nbsp; Roadmap &nbsp; | 
+&nbsp; [API说明](#API参考) &nbsp; | 
+&nbsp; [项目支持](#支持) &nbsp; |
+&nbsp;&nbsp; [鸣谢](#鸣谢)  &nbsp;&nbsp; |
+
 ****************************************
+
 ## 快速开始
+### 快速安装
 使用pip：
 ```shell
 pip install agentUniverse
 ```
 
-我们将向您展示如何：
-* 进行环境与应用工程准备
-* 构建一个简单的agent
-* 使用模式组件完成多agent协同
-* 对agent执行效果进行测试调优
-* 对agent进行快速服务化
+### 运行第一个教程案例
+
+运行您的第一个案例，您可以通过教程快速体验agentUniverse构建出的智能体(组)运行效果。 
+
+详细步骤请阅读文档: [运行第一个教程案例](./docs/guidebook/zh/开始使用/快速开始.md) 。
 
-详情请阅读[快速开始](docs/guidebook/zh/1_3_%E5%BF%AB%E9%80%9F%E5%BC%80%E5%A7%8B.md) 。
 ****************************************
-## 产品化平台使用
-agentUniverse提供基于本地的产品化平台能力，请按照如下步骤快速启动
+
+## 如何搭建一个智能体应用
+
+### 工程化搭建
+
+#### 智能体创建与使用
+您可以通过 [智能体介绍](./docs/guidebook/zh/In-Depth_Guides/原理介绍/智能体/智能体.md) 了解智能体的重要组成部分，通过 [智能体创建与使用](./docs/guidebook/zh/In-Depth_Guides/原理介绍/智能体/智能体创建与使用.md) 了解创建智能体的详细过程。您也可以结合官方案例，如 [Python代码生成与执行Agent](./docs/guidebook/zh/样例文档/Python自动执行案例.md) 进一步理解智能体创建与使用过程。 
+
+#### 知识库构建与使用  
+在智能体应用构建中，知识库构建与召回是不可缺少的，agentUniverse框架以[RAG技术](./docs/guidebook/zh/In-Depth_Guides/原理介绍/RAG.md)为基础提供了高效的知识库构建和RAG检索召回环节的标准作业流程。您可以通过[知识介绍](./docs/guidebook/zh/In-Depth_Guides/原理介绍/知识/知识.md)与[知识定义与使用](./docs/guidebook/zh/In-Depth_Guides/原理介绍/知识/知识定义与使用.md)了解其使用方式，进一步通过[如何构建RAG智能体](./docs/guidebook/zh/How-to/如何构建RAG智能体.md)掌握如何快速构建知识库与构建具有召回能力的智能体。
+
+#### 工具自定义与使用  
+在智能体应用构建中，智能体需要连接各种各样的工具，您需要为其指定可使用的工具范围列表。您可以通过[工具创建与使用](./docs/guidebook/zh/In-Depth_Guides/原理介绍/工具/工具创建与使用.md)将各类自有API与服务以工具插件形式接入。目前框架已经集成了LangChain与部分第三方工具包，详细使用法可阅读[集成LangChain工具](./docs/guidebook/zh/In-Depth_Guides/组件列表/工具列表/集成LangChain工具.md)、[现有集成的工具](./docs/guidebook/zh/In-Depth_Guides/组件列表/工具列表/集成LangChain工具.md)。
+
+#### 效果评估  
+智能体的效果评估一方面可以通过人工专家评定，另一个方面也可以依托智能体的评估能力。agentUniverse推出了DataAgent（Minimum Viable Product版本）, DataAgent旨在使用智能体能力让您的Agent拥有自我评价与演进的能力，您也可以在其中自定义评估标准。详情见文档: [DataAgent - 数据自治智能体](./docs/guidebook/zh/In-Depth_Guides/原理介绍/数据自治智能体.md)。
+
+#### 服务化
+agentUniverse提供多套标准的web serve能力, 同时提供标准的http与rpc协议。您可以进一步关注文档[服务注册与使用](./docs/guidebook/zh/In-Depth_Guides/技术组件/服务化/服务注册与使用.md)与[Web_Server](./docs/guidebook/zh/In-Depth_Guides/技术组件/服务化/Web_Server.md)部分。
+
+### 平台化搭建
+
+agentUniverse提供基于本地的可视化平台搭建能力，请按照如下步骤快速启动。
 
 **通过pip安装**
 ```shell
@@ -64,38 +98,74 @@ pip install magent-ui ruamel.yaml
 
 运行sample_standard_app/boostrap下的[product_application.py](sample_standard_app/boostrap/platform/product_application.py)文件，一键启动。
 
-更多详情参考 [产品化平台快速开始](./docs/guidebook/zh/10_1_1_产品化平台快速开始.md)
-与 [产品化平台进阶指南](./10_1_2_产品化平台进阶指南.md) 。
-
-本功能由 [difizen](https://github.com/difizen/magent) X agentUniverse联合推出。
+更多详情参考 [产品化平台快速开始](./docs/guidebook/zh/How-to/画布式研发平台快速开始.md)
+与 [产品化平台进阶指南](./docs/guidebook/zh/How-to/画布式研发平台进阶指南.md) 。本功能由 🔗[difizen](https://github.com/difizen/magent) 项目组 X agentUniverse 项目组联合推出。
 
 ****************************************
-## 案例与样例工程
-### 🌟 使用案例
-[法律咨询Agent_v2](./docs/guidebook/zh/7_1_1_法律咨询案例.md)
 
-[Python代码生成与执行Agent](./docs/guidebook/zh/7_1_1_Python自动执行案例.md)
+## 为什么使用agentUniverse
+### 设计思路
+
+![](docs/guidebook/_picture/agentuniverse_structure.png)
+
+agentUniverse核心提供了搭建单一智能体的全部关键组件、多智能体之间的协作机制、以及专家经验的注入机制，可以帮助开发者轻松构建具备专业KnowHow的智能应用。
 
-[基于多轮多Agent的讨论小组](./docs/guidebook/zh/6_2_1_讨论组.md)
+### 多智能体协同机制
 
-[基于PEER协同模式的金融事件分析](./docs/guidebook/zh/6_4_1_金融事件分析案例.md)
+agentUniverse提供了若干已在真实产业中验证有效的多智能体协作模式组件，其中，“PEER”是最具特色的模式之一。
 
-[吴恩达反思工作流翻译智能体复刻](./docs/guidebook/zh/7_1_1_翻译案例.md)
+PEER模式通过计划（Planning）、执行（Executing）、表达（Expressing）、评价（Reviewing）四个不同职责的智能体，实现对复杂问题的多步拆解、分步执行，并基于评价反馈进行自主迭代，最终提升推理分析类任务表现。这一模式显著适用于需要多步拆解、深度分析的场景，比如对于事件的解读、宏中观经济分析、商业方案的可行性分析等。
 
-#### 🚩 如何快速构建RAG智能体
-RAG组件全面升级，教程提供一个在agentUniverse中快速构建一个RAG智能体，可查看文档[如何构建RAG智能体](./docs/guidebook/zh/2_2_4_如何构建RAG智能体.md)，更多原理性内容可查看文档[RAG介绍](./docs/guidebook/zh/2_2_4_RAG.md)。
+PEER模式取得了令人兴奋的效果，最新的研究成果与实验结果我们可以在下列文献中阅读。
 
-#### 🚩 DataAgent - 数据自治智能体
-agentUniverse推出了DataAgent（Minimum Viable Product版本）, DataAgent旨在使用智能体能力让您的Agent拥有自我评价与演进的能力。详情见文档: [DataAgent - 数据自治智能体](./docs/guidebook/zh/8_1_1_数据自治智能体.md)
+### 文献
+
+BibTeX formatted
+```text
+@misc{wang2024peerexpertizingdomainspecifictasks,
+      title={PEER: Expertizing Domain-Specific Tasks with a Multi-Agent Framework and Tuning Methods}, 
+      author={Yiying Wang and Xiaojing Li and Binzhu Wang and Yueyang Zhou and Han Ji and Hong Chen and Jinshi Zhang and Fei Yu and Zewei Zhao and Song Jin and Renji Gong and Wanqing Xu},
+      year={2024},
+      eprint={2407.06985},
+      archivePrefix={arXiv},
+      primaryClass={cs.AI},
+      url={https://arxiv.org/abs/2407.06985}, 
+}
+```
+文献简介：该文献详细介绍了介绍了PEER多智能体框架的机制原理，同时在实验部分分别从**完整性、相关性、紧凑性、事实性、逻辑性、结构性和全面性七个维度进行打分（各纬度满分为5分）**，PEER模式在每个测评维度的平均分数均高于BabyAGI，且在**完整性、相关性、逻辑性、结构性和全面性五个纬度有显著优势**；同时PEER模式在 GPT-3.5 turbo (16k) 模型下相较于 BabyAGI 的择优胜率达到 83%，在 GPT-4o 模型下择优胜率达到 81%，更多详情请阅读文献。
+🔗https://arxiv.org/pdf/2407.06985
+
+### 核心特性
+通过上述的介绍我们将其归纳总结，agentUniverse包含如下主要特点：
 
-### 🌟 示例项目
-[agentUniverse 示例项目](sample_standard_app)
+灵活易拓的智能体构建能力： 提供智能体构建所必须的全部关键组件，所有组件均可支持定制供用户增强专属智能体；
 
-### 🌟 使用aU构建的产品案例
-[支小助 金融从业专家AI助手](https://zhu.alipay.com/?from=au)
+丰富有效的多智能体协同模式： 提供PEER（Plan/Execute/Express/Review）、DOE（Data-fining/Opinion-inject/Express）等产业中验证有效的协同模式，支持用户自定义编排新模式，让多个智能体有机合作；
+
+轻松融入领域经验： 提供领域prompt、知识构建与管理的能力，支持领域级SOP编排与注入，将智能体对齐至领域专家级别；
+
+💡 更多特点见[agentUniverse核心特性](./docs/guidebook/zh/设计理念/核心特性.md)部分。
 
 ****************************************
 
+## 案例与样例工程
+### 官方案例
+🚩 [法律咨询Agent_v2](./docs/guidebook/zh/样例文档/法律咨询案例.md)
+
+🚩 [Python代码生成与执行Agent](./docs/guidebook/zh/样例文档/Python自动执行案例.md)
+
+🚩 [基于多轮多Agent的讨论小组](./docs/guidebook/zh/样例文档/讨论组.md)
+
+🚩 [基于PEER协同模式的金融事件分析](./docs/guidebook/zh/样例文档/金融事件分析案例.md)
+
+🚩 [吴恩达反思工作流翻译智能体复刻](./docs/guidebook/zh/样例文档/翻译案例.md)
+
+### 示例工程
+⌨️ [agentUniverse 示例项目](sample_standard_app)
+
+### 使用aU构建的典型产品
+🔗[支小助-金融从业专家AI助手](https://zhu.alipay.com/?from=au)
+
 **投研支小助：助推大模型落地严谨产业，提升投研专家效率**
 
 投研支小助是大模型落地严谨产业的高效解决方案，基于专注严谨应用的凤凰大模型和善于专业定制的agentUniverse智能体框架，主要面向投研、ESG、财经、财报等投研相关细分领域的一系列专业AI业务助手，已在蚂蚁大规模场景充分验证，提升专家效率。
@@ -105,29 +175,20 @@ https://private-user-images.githubusercontent.com/39180831/355437700-192f712d-1b
 
 
 ****************************************
-## 更多
-### 为什么使用agentUniverse
-💡 [为什么使用agentUniverse?](./docs/guidebook/zh/1_为什么选择agentUniverse.md)
-
-### 核心特性
 
-* **丰富的多智能体协同模式：** 提供PEER（Plan/Execute/Express/Review）、DOE（Data-fining/Opinion-inject/Express）等产业中验证有效的协同模式，同时支持用户自定义编排新模式，让多个智能体有机合作；
+## 用户指南手册
+💡 更多详细信息，请阅读[用户指南手册](docs/guidebook/zh/目录.md) 。
 
-* **所有组件均可定制：** LLM、知识、工具、记忆等所有框架组件均提供自定义能力，供用户来增强专属智能体；
-
-* **轻松融入领域经验：** 提供领域prompt、知识构建与管理的能力，同时支持领域级SOP编排与注入，将智能体对齐至领域专家级别；
-
-💡 更多特点见[agentUniverse核心特性](docs/guidebook/zh/1_核心特性.md)部分。
+****************************************
 
-### 用户指南
-💡 更多详细信息，请阅读[用户指南](docs/guidebook/zh/0_%E7%9B%AE%E5%BD%95.md) 。
+## 更多
 
 ### API参考
 💡 请阅读[readthedocs](https://agentuniverse.readthedocs.io/en/latest/) 。
 
 ### 支持
 #### 通过github issue提交疑问
-😊 我们建议您使用[github issue](https://github.com/alipay/agentUniverse/issues) 提交您的疑问, 我们通常会在2日内回复。
+😊 我们建议您使用[github issue](https://github.com/antgroup/agentUniverse/issues) 提交您的疑问, 我们通常会在2日内回复。
 
 #### 通过Discord联系我们
 😊 加入我们的 [Discord频道](https://discord.gg/DHFcdkWAhn) 与我们进行交流。
@@ -137,7 +198,11 @@ https://private-user-images.githubusercontent.com/39180831/355437700-192f712d-1b
 ![](./docs/guidebook/_picture/dingtalk_util20250429.png)
 
 #### 通过管理员Email联系我们
-😊 Email: [[email protected]](mailto:[email protected])
+😊 Email: 
+
+[[email protected]](mailto:[email protected])
+[[email protected]](mailto:[email protected])
+[[email protected]](mailto:[email protected])
 
 #### 微信公众号
 
@@ -150,23 +215,5 @@ https://private-user-images.githubusercontent.com/39180831/355437700-192f712d-1b
 #### twitter
 ID: [@agentuniverse_](https://x.com/agentuniverse_)
 
-### 文献
-agentUniverse项目基于以下的研究成果支撑。
-
-BibTeX formatted
-```text
-@misc{wang2024peerexpertizingdomainspecifictasks,
-      title={PEER: Expertizing Domain-Specific Tasks with a Multi-Agent Framework and Tuning Methods}, 
-      author={Yiying Wang and Xiaojing Li and Binzhu Wang and Yueyang Zhou and Han Ji and Hong Chen and Jinshi Zhang and Fei Yu and Zewei Zhao and Song Jin and Renji Gong and Wanqing Xu},
-      year={2024},
-      eprint={2407.06985},
-      archivePrefix={arXiv},
-      primaryClass={cs.AI},
-      url={https://arxiv.org/abs/2407.06985}, 
-}
-```
-文献简介：该文献详细介绍了介绍了PEER多智能体框架的机制原理，同时在实验部分分别从**完整性、相关性、紧凑性、事实性、逻辑性、结构性和全面性七个维度进行打分（各纬度满分为5分）**，PEER模式在每个测评维度的平均分数均高于BabyAGI，且在**完整性、相关性、逻辑性、结构性和全面性五个纬度有显著优势**；同时PEER模式在 GPT-3.5 turbo (16k) 模型下相较于 BabyAGI 的择优胜率达到 83%，在 GPT-4o 模型下择优胜率达到 81%，更多详情请阅读文献。
-https://arxiv.org/pdf/2407.06985
-
-## 鸣谢
+### 鸣谢
 本项目部分基于langchain、pydantic、gunicorn、flask、SQLAlchemy、chromadb等（详细依赖列表可见pyproject.toml）优秀开源项目实现，在此特别感谢相关项目与关联方。 🙏🙏🙏
diff --git a/agentuniverse/base/config/configer.py b/agentuniverse/base/config/configer.py
@@ -18,7 +18,7 @@
 class PlaceholderResolver:
     def __init__(self):
         self._resolvers = []
-        self.register_resolver(r'${(.+?)}',
+        self.register_resolver(r'\${(.+?)}',
                                    lambda match: os.getenv(match.group(1),
                                                            match.group(0)))
     def register_resolver(self, pattern, func):

diff --git a/dataset/README.md b/dataset/README.md
@@ -3,7 +3,7 @@
 ## PEER Financial Training Dataset
 We open source 100 common financial questions and a training dataset for use within the PEER framework, containing 100 sets of inputs and outputs of the Planning Agent and the Expressing Agent. The dataset is applicable to agent training, pre-training, and supervised fine-tuning in various financial analysis scenarios. 
 
-For more training data, please provide your email via [GitHub Issues](https://github.com/alipay/agentUniverse/issues), we typically respond within 2 days.
+For more training data, please provide your email via [GitHub Issues](https://github.com/antgroup/agentUniverse/issues), we typically respond within 2 days.
 
 Due to compliance issues, the relevant data of the Executing agent is still in the approval process, please wait patiently.
 

diff --git a/docs/guidebook/_picture/agentuniverse_structure.png b/docs/guidebook/_picture/agentuniverse_structure.png
diff --git a/docs/guidebook/_picture/au_architectural_diagram.png b/docs/guidebook/_picture/au_architectural_diagram.png
diff --git a/docs/guidebook/_picture/config_ak_create_file.png b/docs/guidebook/_picture/config_ak_create_file.png
diff --git a/docs/guidebook/_picture/config_ak_demo_key.png b/docs/guidebook/_picture/config_ak_demo_key.png
diff --git a/docs/guidebook/_picture/config_ak_path.png b/docs/guidebook/_picture/config_ak_path.png
diff --git a/docs/guidebook/_picture/demo_case_law_rag_agent.png b/docs/guidebook/_picture/demo_case_law_rag_agent.png
diff --git a/docs/guidebook/_picture/demo_case_law_rag_agent_answer.png b/docs/guidebook/_picture/demo_case_law_rag_agent_answer.png
diff --git a/docs/guidebook/_picture/demo_case_law_rag_agent_run.png b/docs/guidebook/_picture/demo_case_law_rag_agent_run.png
diff --git a/docs/guidebook/_picture/demo_case_law_rag_agent_yaml.png b/docs/guidebook/_picture/demo_case_law_rag_agent_yaml.png