block unstable

- 添加URL检测和网页内容提取功能，支持自动提取网页文本
- 添加文件路径识别和文件内容读取功能，支持private_upload路径格式
- 集成WebTextExtractor处理网页内容提取
- 集成TextContentLoader处理本地文件读取
- 支持文件路径与问题组合的智能处理

.dockerignore

@@ -1,6 +0,0 @@
-.venv
-.github
-.vscode
-gpt_log
-tests
-README.md

.github/workflows/build-with-chatglm.yml

@@ -0,0 +1,44 @@
+# https://docs.github.com/en/actions/publishing-packages/publishing-docker-images#publishing-images-to-github-packages
+name: build-with-chatglm
+
+on:
+  push:
+    branches:
+      - 'master'
+
+env:
+  REGISTRY: ghcr.io
+  IMAGE_NAME: ${{ github.repository }}_chatglm_moss
+
+jobs:
+  build-and-push-image:
+    runs-on: ubuntu-latest
+    permissions:
+      contents: read
+      packages: write
+
+    steps:
+      - name: Checkout repository
+        uses: actions/checkout@v3
+
+      - name: Log in to the Container registry
+        uses: docker/login-action@v2
+        with:
+          registry: ${{ env.REGISTRY }}
+          username: ${{ github.actor }}
+          password: ${{ secrets.GITHUB_TOKEN }}
+
+      - name: Extract metadata (tags, labels) for Docker
+        id: meta
+        uses: docker/metadata-action@v4
+        with:
+          images: ${{ env.REGISTRY }}/${{ env.IMAGE_NAME }}
+
+      - name: Build and push Docker image
+        uses: docker/build-push-action@v4
+        with:
+          context: .
+          push: true
+          file: docs/GithubAction+ChatGLM+Moss
+          tags: ${{ steps.meta.outputs.tags }}
+          labels: ${{ steps.meta.outputs.labels }}

Dockerfile

@@ -29,7 +29,7 @@ RUN python -c 'import loguru'
 
 # 装载项目文件，安装剩余依赖（必要）
 COPY . .
-RUN uv pip install -r requirements.txt -i https://mirrors.aliyun.com/pypi/simple/
+RUN uv venv --python=3.12 && uv pip install -r requirements.txt -i https://mirrors.aliyun.com/pypi/simple/
 
 # # 非必要步骤，用于预热模块（可以删除）
 RUN python -c 'from check_proxy import warm_up_modules; warm_up_modules()'

README.md

@@ -1,12 +1,13 @@
 > [!IMPORTANT]
-> `master主分支`最新动态(2025.8.23): Dockerfile构建效率大幅优化
-> `master主分支`最新动态(2025.7.31): 新GUI前端，Coming Soon
+> `master主分支`最新动态(2025.3.2): 修复大量代码typo / 联网组件支持Jina的api / 增加deepseek-r1支持  
+> `frontier开发分支`最新动态(2024.12.9): 更新对话时间线功能，优化xelatex论文翻译  
+> `wiki文档`最新动态(2024.12.5): 更新ollama接入指南  
 >
-> 2025.2.2: 三分钟快速接入最强qwen2.5-max[视频](https://www.bilibili.com/video/BV1LeFuerEG4)
-> 2025.2.1: 支持自定义字体
-> 2024.10.10: 突发停电，紧急恢复了提供[whl包](https://drive.google.com/drive/folders/14kR-3V-lIbvGxri4AHc8TpiA1fqsw7SK?usp=sharing)的文件服务器
-> 2024.5.1: 加入Doc2x翻译PDF论文的功能，[查看详情](https://github.com/binary-husky/gpt_academic/wiki/Doc2x)
-> 2024.3.11: 全力支持Qwen、GLM、DeepseekCoder等中文大语言模型！ SoVits语音克隆模块，[查看详情](https://www.bilibili.com/video/BV1Rp421S7tF/)
+> 2025.2.2: 三分钟快速接入最强qwen2.5-max[视频](https://www.bilibili.com/video/BV1LeFuerEG4)  
+> 2025.2.1: 支持自定义字体  
+> 2024.10.10: 突发停电，紧急恢复了提供[whl包](https://drive.google.com/drive/folders/14kR-3V-lIbvGxri4AHc8TpiA1fqsw7SK?usp=sharing)的文件服务器  
+> 2024.5.1: 加入Doc2x翻译PDF论文的功能，[查看详情](https://github.com/binary-husky/gpt_academic/wiki/Doc2x)  
+> 2024.3.11: 全力支持Qwen、GLM、DeepseekCoder等中文大语言模型！ SoVits语音克隆模块，[查看详情](https://www.bilibili.com/video/BV1Rp421S7tF/) 
 > 2024.1.17: 安装依赖时，请选择`requirements.txt`中**指定的版本**。 安装命令：`pip install -r requirements.txt`。
 
 <br>
@@ -63,6 +64,7 @@ Read this in [English](docs/README.English.md) | [日本語](docs/README.Japanes
 ⭐支持mermaid图像渲染 | 支持让GPT生成[流程图](https://www.bilibili.com/video/BV18c41147H9/)、状态转移图、甘特图、饼状图、GitGraph等等（3.7版本）
 ⭐Arxiv论文精细翻译 ([Docker](https://github.com/binary-husky/gpt_academic/pkgs/container/gpt_academic_with_latex)) | [插件] 一键[以超高质量翻译arxiv论文](https://www.bilibili.com/video/BV1dz4y1v77A/)，目前最好的论文翻译工具
 ⭐[实时语音对话输入](https://github.com/binary-husky/gpt_academic/blob/master/docs/use_audio.md) | [插件] 异步[监听音频](https://www.bilibili.com/video/BV1AV4y187Uy/)，自动断句，自动寻找回答时机
+⭐AutoGen多智能体插件 | [插件] 借助微软AutoGen，探索多Agent的智能涌现可能！
 ⭐虚空终端插件 | [插件] 能够使用自然语言直接调度本项目其他插件
 润色、翻译、代码解释 | 一键润色、翻译、查找论文语法错误、解释代码
 [自定义快捷键](https://www.bilibili.com/video/BV14s4y1E7jN) | 支持自定义快捷键
@@ -170,11 +172,6 @@ flowchart TD
     conda create -n gptac_venv python=3.11    # 创建anaconda环境
     conda activate gptac_venv                 # 激活anaconda环境
     python -m pip install -r requirements.txt # 这个步骤和pip安装一样的步骤
-
-    # （选择III: 使用uv）：
-    uv venv --python=3.11   # 创建虚拟环境
-    source ./.venv/bin/activate # 激活虚拟环境
-    uv pip install --verbose -r requirements.txt -i https://mirrors.aliyun.com/pypi/simple/ # 安装依赖
     ```
 
 
@@ -362,7 +359,7 @@ Tip：不指定文件直接点击 `载入对话历史存档` 可以查看历史h
 
 ### II：版本:
 - version 3.80(TODO): 优化AutoGen插件主题并设计一系列衍生插件
-- version 3.70: 引入Mermaid绘图，实现GPT画脑图等功能
+- version 3.70: 引入Mermaid绘图，实现GPT画脑图等功能   
 - version 3.60: 引入AutoGen作为新一代插件的基石
 - version 3.57: 支持GLM3，星火v3，文心一言v4，修复本地模型的并发BUG
 - version 3.56: 支持动态追加基础功能按钮，新汇报PDF汇总页面

crazy_functional.py

@@ -3,8 +3,8 @@ from toolbox import trimmed_format_exc
 from loguru import logger
 
 def get_crazy_functions():
-    from crazy_functions.Paper_Abstract_Writer import Paper_Abstract_Writer
-    from crazy_functions.Program_Comment_Gen import 批量Program_Comment_Gen
+    from crazy_functions.读文章写摘要 import 读文章写摘要
+    from crazy_functions.生成函数注释 import 批量生成函数注释
     from crazy_functions.SourceCode_Analyse import 解析项目本身
     from crazy_functions.SourceCode_Analyse import 解析一个Python项目
     from crazy_functions.SourceCode_Analyse import 解析一个Matlab项目
@@ -17,26 +17,26 @@ def get_crazy_functions():
     from crazy_functions.高级功能函数模板 import 高阶功能模板函数
     from crazy_functions.高级功能函数模板 import Demo_Wrap
     from crazy_functions.Latex_Project_Polish import Latex英文润色
-    from crazy_functions.Multi_LLM_Query import 同时问询
+    from crazy_functions.询问多个大语言模型 import 同时问询
     from crazy_functions.SourceCode_Analyse import 解析一个Lua项目
     from crazy_functions.SourceCode_Analyse import 解析一个CSharp项目
-    from crazy_functions.Word_Summary import Word_Summary
-    from crazy_functions.SourceCode_Analyse_JupyterNotebook import 解析ipynb文件
+    from crazy_functions.总结word文档 import 总结word文档
+    from crazy_functions.解析JupyterNotebook import 解析ipynb文件
     from crazy_functions.Conversation_To_File import 载入对话历史存档
     from crazy_functions.Conversation_To_File import 对话历史存档
     from crazy_functions.Conversation_To_File import Conversation_To_File_Wrap
     from crazy_functions.Conversation_To_File import 删除所有本地对话历史记录
-    from crazy_functions.Helpers import 清除缓存
+    from crazy_functions.辅助功能 import 清除缓存
     from crazy_functions.Markdown_Translate import Markdown英译中
-    from crazy_functions.PDF_Summary import PDF_Summary
+    from crazy_functions.批量总结PDF文档 import 批量总结PDF文档
     from crazy_functions.PDF_Translate import 批量翻译PDF文档
-    from crazy_functions.Google_Scholar_Assistant_Legacy import Google_Scholar_Assistant_Legacy
-    from crazy_functions.PDF_QA import PDF_QA标准文件输入
+    from crazy_functions.谷歌检索小助手 import 谷歌检索小助手
+    from crazy_functions.理解PDF文档内容 import 理解PDF文档内容标准文件输入
     from crazy_functions.Latex_Project_Polish import Latex中文润色
     from crazy_functions.Latex_Project_Polish import Latex英文纠错
     from crazy_functions.Markdown_Translate import Markdown中译英
-    from crazy_functions.Void_Terminal import Void_Terminal
-    from crazy_functions.Mermaid_Figure_Gen import Mermaid_Gen
+    from crazy_functions.虚空终端 import 虚空终端
+    from crazy_functions.生成多种Mermaid图表 import Mermaid_Gen
     from crazy_functions.PDF_Translate_Wrap import PDF_Tran
     from crazy_functions.Latex_Function import Latex英文纠错加PDF对比
     from crazy_functions.Latex_Function import Latex翻译中文并重新编译PDF
@@ -67,7 +67,7 @@ def get_crazy_functions():
             "Color": "stop",
             "AsButton": True,
             "Info": "使用自然语言实现您的想法",
-            "Function": HotReload(Void_Terminal),
+            "Function": HotReload(虚空终端),
         },
         "解析整个Python项目": {
             "Group": "编程",
@@ -125,7 +125,7 @@ def get_crazy_functions():
             "Color": "stop",
             "AsButton": False,
             "Info": "批量总结word文档 | 输入参数为路径",
-            "Function": HotReload(Word_Summary),
+            "Function": HotReload(总结word文档),
         },
         "解析整个Matlab项目": {
             "Group": "编程",
@@ -204,7 +204,7 @@ def get_crazy_functions():
             "Color": "stop",
             "AsButton": False,
             "Info": "读取Tex论文并写摘要 | 输入参数为路径",
-            "Function": HotReload(Paper_Abstract_Writer),
+            "Function": HotReload(读文章写摘要),
         },
         "翻译README或MD": {
             "Group": "编程",
@@ -225,14 +225,14 @@ def get_crazy_functions():
             "Color": "stop",
             "AsButton": False,  # 加入下拉菜单中
             "Info": "批量生成函数的注释 | 输入参数为路径",
-            "Function": HotReload(批量Program_Comment_Gen),
+            "Function": HotReload(批量生成函数注释),
         },
         "保存当前的对话": {
             "Group": "对话",
             "Color": "stop",
             "AsButton": True,
             "Info": "保存当前的对话 | 不需要输入参数",
-            "Function": HotReload(对话历史存档),    # 当注册Class后，Function旧接口仅会在“Void_Terminal”中起作用
+            "Function": HotReload(对话历史存档),    # 当注册Class后，Function旧接口仅会在“虚空终端”中起作用
             "Class": Conversation_To_File_Wrap     # 新一代插件需要注册Class
         },
         "[多线程Demo]解析此项目本身（源码自译解）": {
@@ -258,12 +258,12 @@ def get_crazy_functions():
             "Function": None,
             "Class": Demo_Wrap, # 新一代插件需要注册Class
         },
-        "PDF论文翻译": {
+        "精准翻译PDF论文": {
             "Group": "学术",
             "Color": "stop",
             "AsButton": True,
             "Info": "精准翻译PDF论文为中文 | 输入参数为路径",
-            "Function": HotReload(批量翻译PDF文档), # 当注册Class后，Function旧接口仅会在“Void_Terminal”中起作用
+            "Function": HotReload(批量翻译PDF文档), # 当注册Class后，Function旧接口仅会在“虚空终端”中起作用
             "Class": PDF_Tran,  # 新一代插件需要注册Class
         },
         "询问多个GPT模型": {
@@ -277,21 +277,21 @@ def get_crazy_functions():
             "Color": "stop",
             "AsButton": False,  # 加入下拉菜单中
             "Info": "批量总结PDF文档的内容 | 输入参数为路径",
-            "Function": HotReload(PDF_Summary),
+            "Function": HotReload(批量总结PDF文档),
         },
         "谷歌学术检索助手（输入谷歌学术搜索页url）": {
             "Group": "学术",
             "Color": "stop",
             "AsButton": False,  # 加入下拉菜单中
             "Info": "使用谷歌学术检索助手搜索指定URL的结果 | 输入参数为谷歌学术搜索页的URL",
-            "Function": HotReload(Google_Scholar_Assistant_Legacy),
+            "Function": HotReload(谷歌检索小助手),
         },
         "理解PDF文档内容 （模仿ChatPDF）": {
             "Group": "学术",
             "Color": "stop",
             "AsButton": False,  # 加入下拉菜单中
             "Info": "理解PDF文档的内容并进行回答 | 输入参数为路径",
-            "Function": HotReload(PDF_QA标准文件输入),
+            "Function": HotReload(理解PDF文档内容标准文件输入),
         },
         "英文Latex项目全文润色（输入路径或上传压缩包）": {
             "Group": "学术",
@@ -356,7 +356,7 @@ def get_crazy_functions():
                             r"例如当单词'agent'翻译不准确时, 请尝试把以下指令复制到高级参数区: "
                             r'If the term "agent" is used in this section, it should be translated to "智能体". ',
             "Info": "ArXiv论文精细翻译 | 输入参数arxiv论文的ID，比如1812.10695",
-            "Function": HotReload(Latex翻译中文并重新编译PDF),  # 当注册Class后，Function旧接口仅会在“Void_Terminal”中起作用
+            "Function": HotReload(Latex翻译中文并重新编译PDF),  # 当注册Class后，Function旧接口仅会在“虚空终端”中起作用
             "Class": Arxiv_Localize,    # 新一代插件需要注册Class
         },
         "📚本地Latex论文精细翻译（上传Latex项目）[需Latex]": {
@@ -379,7 +379,7 @@ def get_crazy_functions():
                             r"例如当单词'agent'翻译不准确时, 请尝试把以下指令复制到高级参数区: "
                             r'If the term "agent" is used in this section, it should be translated to "智能体". ',
             "Info": "PDF翻译中文，并重新编译PDF | 输入参数为路径",
-            "Function": HotReload(PDF翻译中文并重新编译PDF),   # 当注册Class后，Function旧接口仅会在“Void_Terminal”中起作用
+            "Function": HotReload(PDF翻译中文并重新编译PDF),   # 当注册Class后，Function旧接口仅会在“虚空终端”中起作用
             "Class": PDF_Localize   # 新一代插件需要注册Class
         },
         "批量文件询问 (支持自定义总结各种文件)": {
@@ -400,7 +400,7 @@ def get_crazy_functions():
                 "Color": "stop",
                 "AsButton": False,
                 "Info": "使用 DALLE2/DALLE3 生成图片 | 输入参数字符串，提供图像的内容",
-                "Function": HotReload(图片生成_DALLE2),   # 当注册Class后，Function旧接口仅会在“Void_Terminal”中起作用
+                "Function": HotReload(图片生成_DALLE2),   # 当注册Class后，Function旧接口仅会在“虚空终端”中起作用
                 "Class": ImageGen_Wrap  # 新一代插件需要注册Class
             },
         }
@@ -427,7 +427,7 @@ def get_crazy_functions():
 
 
     try:
-        from crazy_functions.Arxiv_Downloader import 下载arxiv论文并翻译摘要
+        from crazy_functions.下载arxiv论文翻译摘要 import 下载arxiv论文并翻译摘要
 
         function_plugins.update(
             {
@@ -465,7 +465,7 @@ def get_crazy_functions():
         logger.error("Load function plugin failed")
 
     try:
-        from crazy_functions.Multi_LLM_Query import 同时问询_指定模型
+        from crazy_functions.询问多个大语言模型 import 同时问询_指定模型
 
         function_plugins.update(
             {
@@ -486,7 +486,7 @@ def get_crazy_functions():
 
 
     try:
-        from crazy_functions.Audio_Summary import Audio_Summary
+        from crazy_functions.总结音视频 import 总结音视频
 
         function_plugins.update(
             {
@@ -497,7 +497,7 @@ def get_crazy_functions():
                     "AdvancedArgs": True,
                     "ArgsReminder": "调用openai api 使用whisper-1模型, 目前支持的格式:mp4, m4a, wav, mpga, mpeg, mp3。此处可以输入解析提示，例如：解析为简体中文（默认）。",
                     "Info": "批量总结音频或视频 | 输入参数为路径",
-                    "Function": HotReload(Audio_Summary),
+                    "Function": HotReload(总结音视频),
                 }
             }
         )
@@ -506,7 +506,7 @@ def get_crazy_functions():
         logger.error("Load function plugin failed")
 
     try:
-        from crazy_functions.Math_Animation_Gen import 动画生成
+        from crazy_functions.数学动画生成manim import 动画生成
 
         function_plugins.update(
             {
@@ -543,7 +543,7 @@ def get_crazy_functions():
         logger.error("Load function plugin failed")
 
     try:
-        from crazy_functions.Vectorstore_QA import 知识库文件注入
+        from crazy_functions.知识库问答 import 知识库文件注入
 
         function_plugins.update(
             {
@@ -562,7 +562,7 @@ def get_crazy_functions():
         logger.error("Load function plugin failed")
 
     try:
-        from crazy_functions.Vectorstore_QA import 读取知识库作答
+        from crazy_functions.知识库问答 import 读取知识库作答
 
         function_plugins.update(
             {
@@ -581,7 +581,7 @@ def get_crazy_functions():
         logger.error("Load function plugin failed")
 
     try:
-        from crazy_functions.Interactive_Func_Template import 交互功能模板函数
+        from crazy_functions.交互功能函数模板 import 交互功能模板函数
 
         function_plugins.update(
             {
@@ -603,7 +603,7 @@ def get_crazy_functions():
 
         ENABLE_AUDIO = get_conf("ENABLE_AUDIO")
         if ENABLE_AUDIO:
-            from crazy_functions.Audio_Assistant import Audio_Assistant
+            from crazy_functions.语音助手 import 语音助手
 
             function_plugins.update(
                 {
@@ -612,7 +612,7 @@ def get_crazy_functions():
                         "Color": "stop",
                         "AsButton": True,
                         "Info": "这是一个时刻聆听着的语音对话助手 | 没有输入参数",
-                        "Function": HotReload(Audio_Assistant),
+                        "Function": HotReload(语音助手),
                     }
                 }
             )
@@ -621,7 +621,7 @@ def get_crazy_functions():
         logger.error("Load function plugin failed")
 
     try:
-        from crazy_functions.PDF_Translate_Nougat import 批量翻译PDF文档
+        from crazy_functions.批量翻译PDF文档_NOUGAT import 批量翻译PDF文档
 
         function_plugins.update(
             {
@@ -638,7 +638,7 @@ def get_crazy_functions():
         logger.error("Load function plugin failed")
 
     try:
-        from crazy_functions.Dynamic_Function_Generate import Dynamic_Function_Generate
+        from crazy_functions.函数动态生成 import 函数动态生成
 
         function_plugins.update(
             {
@@ -646,7 +646,7 @@ def get_crazy_functions():
                     "Group": "智能体",
                     "Color": "stop",
                     "AsButton": False,
-                    "Function": HotReload(Dynamic_Function_Generate),
+                    "Function": HotReload(函数动态生成),
                 }
             }
         )
@@ -655,14 +655,14 @@ def get_crazy_functions():
         logger.error("Load function plugin failed")
 
     # try:
-    #     from crazy_functions.Multi_Agent_Legacy import Multi_Agent_Legacy终端
+    #     from crazy_functions.多智能体 import 多智能体终端
     #     function_plugins.update(
     #         {
-    #             "AutoGenMulti_Agent_Legacy终端（仅供测试）": {
+    #             "AutoGen多智能体终端（仅供测试）": {
     #                 "Group": "智能体",
     #                 "Color": "stop",
     #                 "AsButton": False,
-    #                 "Function": HotReload(Multi_Agent_Legacy终端),
+    #                 "Function": HotReload(多智能体终端),
     #             }
     #         }
     #     )
@@ -670,6 +670,23 @@ def get_crazy_functions():
     #     logger.error(trimmed_format_exc())
     #     logger.error("Load function plugin failed")
 
+    try:
+        from crazy_functions.互动小游戏 import 随机小游戏
+
+        function_plugins.update(
+            {
+                "随机互动小游戏（仅供测试）": {
+                    "Group": "智能体",
+                    "Color": "stop",
+                    "AsButton": False,
+                    "Function": HotReload(随机小游戏),
+                }
+            }
+        )
+    except:
+        logger.error(trimmed_format_exc())
+        logger.error("Load function plugin failed")
+
     try:
         from crazy_functions.Rag_Interface import Rag问答
 
@@ -709,22 +726,22 @@ def get_crazy_functions():
 
 
 
-    try:
-        from crazy_functions.Paper_Reading import 快速论文解读
-        function_plugins.update(
-            {
-                "速读论文": {
-                    "Group": "学术",
-                    "Color": "stop",
-                    "AsButton": False,
-                    "Info": "上传一篇论文进行快速分析和解读 |  输入参数为论文路径或DOI/arXiv ID",
-                    "Function": HotReload(快速论文解读),
-                },
-            }
-        )
-    except:
-        logger.error(trimmed_format_exc())
-        logger.error("Load function plugin failed")
+    # try:
+    #     from crazy_functions.Paper_Reading import 快速论文解读
+    #     function_plugins.update(
+    #         {
+    #             "速读论文": {
+    #                 "Group": "学术",
+    #                 "Color": "stop",
+    #                 "AsButton": False,
+    #                 "Info": "上传一篇论文进行快速分析和解读 |  输入参数为论文路径或DOI/arXiv ID",
+    #                 "Function": HotReload(快速论文解读),
+    #             },
+    #         }
+    #     )
+    # except:
+    #     logger.error(trimmed_format_exc())
+    #     logger.error("Load function plugin failed")
 
 
     # try:

crazy_functions/review_fns/data_sources/arxiv_source.py

@@ -9,7 +9,7 @@ from tqdm import tqdm
 
 class ArxivSource(DataSource):
     """arXiv API实现"""
-
+    
     CATEGORIES = {
         # 物理学
         "Physics": {
@@ -27,7 +27,7 @@ class ArxivSource(DataSource):
             "physics": "物理学",
             "quant-ph": "量子物理",
         },
-
+        
         # 数学
         "Mathematics": {
             "math.AG": "代数几何",
@@ -63,7 +63,7 @@ class ArxivSource(DataSource):
             "math.ST": "统计理论",
             "math.SG": "辛几何",
         },
-
+        
         # 计算机科学
         "Computer Science": {
             "cs.AI": "人工智能",
@@ -107,7 +107,7 @@ class ArxivSource(DataSource):
             "cs.SC": "符号计算",
             "cs.SY": "系统与控制",
         },
-
+        
         # 定量生物学
         "Quantitative Biology": {
             "q-bio.BM": "生物分子",
@@ -121,7 +121,7 @@ class ArxivSource(DataSource):
             "q-bio.SC": "亚细胞过程",
             "q-bio.TO": "组织与器官",
         },
-
+        
         # 定量金融
         "Quantitative Finance": {
             "q-fin.CP": "计算金融",
@@ -134,7 +134,7 @@ class ArxivSource(DataSource):
             "q-fin.ST": "统计金融",
             "q-fin.TR": "交易与市场微观结构",
         },
-
+        
         # 统计学
         "Statistics": {
             "stat.AP": "应用统计",
@@ -144,7 +144,7 @@ class ArxivSource(DataSource):
             "stat.OT": "其他统计",
             "stat.TH": "统计理论",
         },
-
+        
         # 电气工程与系统科学
         "Electrical Engineering and Systems Science": {
             "eess.AS": "音频与语音处理",
@@ -152,7 +152,7 @@ class ArxivSource(DataSource):
             "eess.SP": "信号处理",
             "eess.SY": "系统与控制",
         },
-
+        
         # 经济学
         "Economics": {
             "econ.EM": "计量经济学",
@@ -170,15 +170,15 @@ class ArxivSource(DataSource):
             'lastUpdatedDate': arxiv.SortCriterion.LastUpdatedDate,  # 最后更新日期
             'submittedDate': arxiv.SortCriterion.SubmittedDate,  # 提交日期
         }
-
+        
         self.sort_order_options = {
             'ascending': arxiv.SortOrder.Ascending,
             'descending': arxiv.SortOrder.Descending
         }
-
+        
         self.default_sort = 'lastUpdatedDate'
         self.default_order = 'descending'
-
+        
     def _initialize(self) -> None:
         """初始化客户端，设置默认参数"""
         self.client = arxiv.Client()
@@ -196,22 +196,22 @@ class ArxivSource(DataSource):
             # 使用默认排序如果提供的排序选项无效
             if not sort_by or sort_by not in self.sort_options:
                 sort_by = self.default_sort
-
-            # 使用默认排序顺序如果提供的顺序无效
+                
+            # 使用默认排序顺序如果提供的顺序无效    
             if not sort_order or sort_order not in self.sort_order_options:
                 sort_order = self.default_order
-
+                
             # 如果指定了起始年份，添加到查询中
             if start_year:
                 query = f"{query} AND submittedDate:[{start_year}0101 TO 99991231]"
-
+            
             search = arxiv.Search(
                 query=query,
                 max_results=limit,
                 sort_by=self.sort_options[sort_by],
                 sort_order=self.sort_order_options[sort_order]
             )
-
+            
             results = list(self.client.results(search))
             return [self._parse_paper_data(result) for result in results]
         except Exception as e:
@@ -220,13 +220,13 @@ class ArxivSource(DataSource):
 
     async def search_by_id(self, paper_id: Union[str, List[str]]) -> List[PaperMetadata]:
         """按ID搜索论文
-
+        
         Args:
             paper_id: 单个arXiv ID或ID列表，例如：'2005.14165' 或 ['2005.14165', '2103.14030']
         """
         if isinstance(paper_id, str):
             paper_id = [paper_id]
-
+            
         search = arxiv.Search(
             id_list=paper_id,
             max_results=len(paper_id)
@@ -235,8 +235,8 @@ class ArxivSource(DataSource):
         return [self._parse_paper_data(result) for result in results]
 
     async def search_by_category(
-        self,
-        category: str,
+        self, 
+        category: str, 
         limit: int = 100,
         sort_by: str = 'relevance',
         sort_order: str = 'descending',
@@ -244,11 +244,11 @@ class ArxivSource(DataSource):
     ) -> List[PaperMetadata]:
         """按类别搜索论文"""
         query = f"cat:{category}"
-
+        
         # 如果指定了起始年份，添加到查询中
         if start_year:
             query = f"{query} AND submittedDate:[{start_year}0101 TO 99991231]"
-
+        
         return await self.search(
             query=query,
             limit=limit,
@@ -257,19 +257,19 @@ class ArxivSource(DataSource):
         )
 
     async def search_by_authors(
-        self,
-        authors: List[str],
+        self, 
+        authors: List[str], 
         limit: int = 100,
         sort_by: str = 'relevance',
         start_year: int = None
     ) -> List[PaperMetadata]:
         """按作者搜索论文"""
         query = " AND ".join([f"au:\"{author}\"" for author in authors])
-
+        
         # 如果指定了起始年份，添加到查询中
         if start_year:
             query = f"{query} AND submittedDate:[{start_year}0101 TO 99991231]"
-
+        
         return await self.search(
             query=query,
             limit=limit,
@@ -277,9 +277,9 @@ class ArxivSource(DataSource):
         )
 
     async def search_by_date_range(
-        self,
-        start_date: datetime,
-        end_date: datetime,
+        self, 
+        start_date: datetime, 
+        end_date: datetime, 
         limit: int = 100,
         sort_by: Literal['relevance', 'updated', 'submitted'] = 'submitted',
         sort_order: Literal['ascending', 'descending'] = 'descending'
@@ -287,20 +287,20 @@ class ArxivSource(DataSource):
         """按日期范围搜索论文"""
         query = f"submittedDate:[{start_date.strftime('%Y%m%d')} TO {end_date.strftime('%Y%m%d')}]"
         return await self.search(
-            query,
-            limit=limit,
-            sort_by=sort_by,
+            query, 
+            limit=limit, 
+            sort_by=sort_by, 
             sort_order=sort_order
         )
 
     async def download_pdf(self, paper_id: str, dirpath: str = "./", filename: str = "") -> str:
         """下载论文PDF
-
+        
         Args:
             paper_id: arXiv ID
             dirpath: 保存目录
             filename: 文件名，如果为空则使用默认格式：{paper_id}_{标题}.pdf
-
+            
         Returns:
             保存的文件路径
         """
@@ -308,24 +308,24 @@ class ArxivSource(DataSource):
         if not papers:
             raise ValueError(f"未找到ID为 {paper_id} 的论文")
         paper = papers[0]
-
+        
         if not filename:
             # 清理标题中的非法字符
             safe_title = "".join(c if c.isalnum() else "_" for c in paper.title)
             filename = f"{paper_id}_{safe_title}.pdf"
-
+            
         filepath = os.path.join(dirpath, filename)
         urlretrieve(paper.url, filepath)
         return filepath
 
     async def download_source(self, paper_id: str, dirpath: str = "./", filename: str = "") -> str:
         """下载论文源文件（通常是LaTeX源码）
-
+        
         Args:
             paper_id: arXiv ID
             dirpath: 保存目录
             filename: 文件名，如果为空则使用默认格式：{paper_id}_{标题}.tar.gz
-
+            
         Returns:
             保存的文件路径
         """
@@ -333,11 +333,11 @@ class ArxivSource(DataSource):
         if not papers:
             raise ValueError(f"未找到ID为 {paper_id} 的论文")
         paper = papers[0]
-
+        
         if not filename:
             safe_title = "".join(c if c.isalnum() else "_" for c in paper.title)
             filename = f"{paper_id}_{safe_title}.tar.gz"
-
+            
         filepath = os.path.join(dirpath, filename)
         source_url = paper.url.replace("/pdf/", "/src/")
         urlretrieve(source_url, filepath)
@@ -353,10 +353,10 @@ class ArxivSource(DataSource):
 
     async def get_paper_details(self, paper_id: str) -> Optional[PaperMetadata]:
         """获取论文详情
-
+        
         Args:
             paper_id: arXiv ID 或 DOI
-
+            
         Returns:
             论文详细信息，如果未找到返回 None
         """
@@ -367,7 +367,7 @@ class ArxivSource(DataSource):
             # 如果是 DOI 格式且是 arXiv 论文，提取 ID
             elif paper_id.startswith("10.48550/arXiv."):
                 paper_id = paper_id.split(".")[-1]
-
+                
             papers = await self.search_by_id(paper_id)
             return papers[0] if papers else None
         except Exception as e:
@@ -379,7 +379,7 @@ class ArxivSource(DataSource):
         # 解析主要类别和次要类别
         primary_category = result.primary_category
         categories = result.categories
-
+        
         # 构建venue信息
         venue_info = {
             'primary_category': primary_category,
@@ -387,7 +387,7 @@ class ArxivSource(DataSource):
             'comments': getattr(result, 'comment', None),
             'journal_ref': getattr(result, 'journal_ref', None)
         }
-
+        
         return PaperMetadata(
             title=result.title,
             authors=[author.name for author in result.authors],
@@ -405,15 +405,15 @@ class ArxivSource(DataSource):
         )
 
     async def get_latest_papers(
-        self,
-        category: str,
+        self, 
+        category: str, 
         debug: bool = False,
         batch_size: int = 50
     ) -> List[PaperMetadata]:
         """获取指定类别的最新论文
-
+        
         通过 RSS feed 获取最新发布的论文，然后批量获取详细信息
-
+        
         Args:
             category: arXiv类别，例如：
                      - 整个领域: 'cs'
@@ -421,10 +421,10 @@ class ArxivSource(DataSource):
                      - 多个类别: 'cs.AI+q-bio.NC'
             debug: 是否为调试模式，如果为True则只返回5篇最新论文
             batch_size: 批量获取论文的数量，默认50
-
+            
         Returns:
             论文列表
-
+            
         Raises:
             ValueError: 如果类别无效
         """
@@ -433,22 +433,22 @@ class ArxivSource(DataSource):
             # 1. 转换为小写
             # 2. 确保多个类别之间使用+连接
             category = category.lower().replace(' ', '+')
-
+            
             # 构建RSS feed URL
             feed_url = f"https://rss.arxiv.org/rss/{category}"
             print(f"正在获取RSS feed: {feed_url}")  # 添加调试信息
-
+            
             feed = feedparser.parse(feed_url)
-
+            
             # 检查feed是否有效
             if hasattr(feed, 'status') and feed.status != 200:
                 raise ValueError(f"获取RSS feed失败，状态码: {feed.status}")
-
+                
             if not feed.entries:
                 print(f"警告：未在feed中找到任何条目")  # 添加调试信息
                 print(f"Feed标题: {feed.feed.title if hasattr(feed, 'feed') else '无标题'}")
                 raise ValueError(f"无效的arXiv类别或未找到论文: {category}")
-
+                
             if debug:
                 # 调试模式：只获取5篇最新论文
                 search = arxiv.Search(
@@ -459,7 +459,7 @@ class ArxivSource(DataSource):
                 )
                 results = list(self.client.results(search))
                 return [self._parse_paper_data(result) for result in results]
-
+            
             # 正常模式：获取所有新论文
             # 从RSS条目中提取arXiv ID
             paper_ids = []
@@ -476,13 +476,13 @@ class ArxivSource(DataSource):
                 except Exception as e:
                     print(f"警告：处理条目时出错: {str(e)}")  # 添加调试信息
                     continue
-
+                
             if not paper_ids:
                 print("未能从feed中提取到任何论文ID")  # 添加调试信息
                 return []
-
+                
             print(f"成功提取到 {len(paper_ids)} 个论文ID")  # 添加调试信息
-
+                
             # 批量获取论文详情
             papers = []
             with tqdm(total=len(paper_ids), desc="获取arXiv论文") as pbar:
@@ -495,9 +495,9 @@ class ArxivSource(DataSource):
                     batch_results = list(self.client.results(search))
                     papers.extend([self._parse_paper_data(result) for result in batch_results])
                     pbar.update(len(batch_results))
-
+                    
             return papers
-
+            
         except Exception as e:
             print(f"获取最新论文时发生错误: {str(e)}")
             import traceback
@@ -507,18 +507,18 @@ class ArxivSource(DataSource):
 async def example_usage():
     """ArxivSource使用示例"""
     arxiv_source = ArxivSource()
-
+    
     try:
         # 示例1：基本搜索，使用不同的排序方式
         # print("\n=== 示例1：搜索最新的机器学习论文（按提交时间排序）===")
         # papers = await arxiv_source.search(
-        #     "ti:\"machine learning\"",
+        #     "ti:\"machine learning\"", 
         #     limit=3,
         #     sort_by='submitted',
         #     sort_order='descending'
         # )
         # print(f"找到 {len(papers)} 篇论文")
-
+        
         # for i, paper in enumerate(papers, 1):
         #     print(f"\n--- 论文 {i} ---")
         #     print(f"标题: {paper.title}")
@@ -544,7 +544,7 @@ async def example_usage():
         # # 示例3：按类别搜索
         # print("\n=== 示例3：搜索人工智能领域最新论文 ===")
         # ai_papers = await arxiv_source.search_by_category(
-        #     "cs.AI",
+        #     "cs.AI", 
         #     limit=2,
         #     sort_by='updated',
         #     sort_order='descending'
@@ -558,7 +558,7 @@ async def example_usage():
         # # 示例4：按作者搜索
         # print("\n=== 示例4：搜索特定作者的论文 ===")
         # author_papers = await arxiv_source.search_by_authors(
-        #     ["Bengio"],
+        #     ["Bengio"], 
         #     limit=2,
         #     sort_by='relevance'
         # )
@@ -598,7 +598,7 @@ async def example_usage():
 
         # 示例6：获取最新论文
         print("\n=== 示例8：获取最新论文 ===")
-
+        
         # 获取CS.AI领域的最新论文
         print("\n--- 获取AI领域最新论文 ---")
         ai_latest = await arxiv_source.get_latest_papers("cs.AI", debug=True)
@@ -607,7 +607,7 @@ async def example_usage():
             print(f"标题: {paper.title}")
             print(f"作者: {', '.join(paper.authors)}")
             print(f"发表年份: {paper.year}")
-
+            
         # 获取整个计算机科学领域的最新论文
         print("\n--- 获取整个CS领域最新论文 ---")
         cs_latest = await arxiv_source.get_latest_papers("cs", debug=True)
@@ -616,7 +616,7 @@ async def example_usage():
             print(f"标题: {paper.title}")
             print(f"作者: {', '.join(paper.authors)}")
             print(f"发表年份: {paper.year}")
-
+            
         # 获取多个类别的最新论文
         print("\n--- 获取AI和机器学习领域最新论文 ---")
         multi_latest = await arxiv_source.get_latest_papers("cs.AI+cs.LG", debug=True)
@@ -633,4 +633,4 @@ async def example_usage():
 
 if __name__ == "__main__":
     import asyncio
-    asyncio.run(example_usage())
+    asyncio.run(example_usage()) 

crazy_functions/vt_fns/vt_state.py

@@ -8,7 +8,7 @@ class VoidTerminalState():
         self.has_provided_explanation = False
 
     def lock_plugin(self, chatbot):
-        chatbot._cookies['lock_plugin'] = 'crazy_functions.Void_Terminal->Void_Terminal'
+        chatbot._cookies['lock_plugin'] = 'crazy_functions.虚空终端->虚空终端'
         chatbot._cookies['plugin_state'] = pickle.dumps(self)
 
     def unlock_plugin(self, chatbot):

crazy_functions/互动小游戏.py

@@ -16,7 +16,7 @@ def 随机小游戏(prompt, llm_kwargs, plugin_kwargs, chatbot, history, system_
                            llm_kwargs,
                            cls,
                            plugin_name='MiniGame_ResumeStory',
-                           callback_fn='crazy_functions.Interactive_Mini_Game->随机小游戏',
+                           callback_fn='crazy_functions.互动小游戏->随机小游戏',
                            lock_plugin=True
                            )
     yield from state.continue_game(prompt, chatbot, history)
@@ -34,7 +34,7 @@ def 随机小游戏1(prompt, llm_kwargs, plugin_kwargs, chatbot, history, system
                            llm_kwargs,
                            cls,
                            plugin_name='MiniGame_ASCII_Art',
-                           callback_fn='crazy_functions.Interactive_Mini_Game->随机小游戏1',
+                           callback_fn='crazy_functions.互动小游戏->随机小游戏1',
                            lock_plugin=True
                            )
     yield from state.continue_game(prompt, chatbot, history)

crazy_functions/交互功能函数模板.py

@@ -13,13 +13,13 @@ def 交互功能模板函数(txt, llm_kwargs, plugin_kwargs, chatbot, history, s
     user_request    当前用户的请求信息（IP地址等）
     """
     history = []    # 清空历史，以免输入溢出
-    chatbot.append(("这是什么功能？", "Interactive_Func_Template。在执行完成之后, 可以将自身的状态存储到cookie中, 等待用户的再次调用。"))
+    chatbot.append(("这是什么功能？", "交互功能函数模板。在执行完成之后, 可以将自身的状态存储到cookie中, 等待用户的再次调用。"))
     yield from update_ui(chatbot=chatbot, history=history) # 刷新界面
 
     state = chatbot._cookies.get('plugin_state_0001', None) # 初始化插件状态
 
     if state is None:
-        chatbot._cookies['lock_plugin'] = 'crazy_functions.Interactive_Func_Template->交互功能模板函数'      # 赋予插件锁定 锁定插件回调路径，当下一次用户提交时，会直接转到该函数
+        chatbot._cookies['lock_plugin'] = 'crazy_functions.交互功能函数模板->交互功能模板函数'      # 赋予插件锁定 锁定插件回调路径，当下一次用户提交时，会直接转到该函数
         chatbot._cookies['plugin_state_0001'] = 'wait_user_keyword'                              # 赋予插件状态
 
         chatbot.append(("第一次调用：", "请输入关键词, 我将为您查找相关壁纸, 建议使用英文单词, 插件锁定中，请直接提交即可。"))

crazy_functions/函数动态生成.py

@@ -139,7 +139,7 @@ def get_recent_file_prompt_support(chatbot):
     return path
 
 @CatchException
-def Dynamic_Function_Generate(txt, llm_kwargs, plugin_kwargs, chatbot, history, system_prompt, user_request):
+def 函数动态生成(txt, llm_kwargs, plugin_kwargs, chatbot, history, system_prompt, user_request):
     """
     txt             输入栏用户输入的文本，例如需要翻译的一段话，再例如一个包含了待处理文件的路径
     llm_kwargs      gpt模型参数，如温度和top_p等，一般原样传递下去就行
@@ -159,7 +159,7 @@ def Dynamic_Function_Generate(txt, llm_kwargs, plugin_kwargs, chatbot, history,
 
     # ⭐ 文件上传区是否有东西
     # 1. 如果有文件: 作为函数参数
-    # 2. 如果没有文件：需要用GPT提取参数 （太懒了，以后再写，Void_Terminal已经实现了类似的代码）
+    # 2. 如果没有文件：需要用GPT提取参数 （太懒了，以后再写，虚空终端已经实现了类似的代码）
     file_list = []
     if get_plugin_arg(plugin_kwargs, key="file_path_arg", default=False):
         file_path = get_plugin_arg(plugin_kwargs, key="file_path_arg", default=None)

crazy_functions/命令行助手.py

@@ -4,7 +4,7 @@ from crazy_functions.crazy_utils import input_clipping
 import copy, json
 
 @CatchException
-def Commandline_Assistant(txt, llm_kwargs, plugin_kwargs, chatbot, history, system_prompt, user_request):
+def 命令行助手(txt, llm_kwargs, plugin_kwargs, chatbot, history, system_prompt, user_request):
     """
     txt             输入栏用户输入的文本, 例如需要翻译的一段话, 再例如一个包含了待处理文件的路径
     llm_kwargs      gpt模型参数, 如温度和top_p等, 一般原样传递下去就行

crazy_functions/多智能体.py

@@ -22,7 +22,7 @@ def remove_model_prefix(llm):
 
 
 @CatchException
-def Multi_Agent_Legacy终端(txt, llm_kwargs, plugin_kwargs, chatbot, history, system_prompt, user_request):
+def 多智能体终端(txt, llm_kwargs, plugin_kwargs, chatbot, history, system_prompt, user_request):
     """
     txt             输入栏用户输入的文本，例如需要翻译的一段话，再例如一个包含了待处理文件的路径
     llm_kwargs      gpt模型参数，如温度和top_p等，一般原样传递下去就行
@@ -78,17 +78,17 @@ def Multi_Agent_Legacy终端(txt, llm_kwargs, plugin_kwargs, chatbot, history, s
     chatbot.get_cookies()['lock_plugin'] = None
     persistent_class_multi_user_manager = GradioMultiuserManagerForPersistentClasses()
     user_uuid = chatbot.get_cookies().get('uuid')
-    persistent_key = f"{user_uuid}->Multi_Agent_Legacy终端"
+    persistent_key = f"{user_uuid}->多智能体终端"
     if persistent_class_multi_user_manager.already_alive(persistent_key):
-        # 当已经存在一个正在运行的Multi_Agent_Legacy终端时，直接将用户输入传递给它，而不是再次启动一个新的Multi_Agent_Legacy终端
+        # 当已经存在一个正在运行的多智能体终端时，直接将用户输入传递给它，而不是再次启动一个新的多智能体终端
         logger.info('[debug] feed new user input')
         executor = persistent_class_multi_user_manager.get(persistent_key)
         exit_reason = yield from executor.main_process_ui_control(txt, create_or_resume="resume")
     else:
-        # 运行Multi_Agent_Legacy终端 (首次)
+        # 运行多智能体终端 (首次)
         logger.info('[debug] create new executor instance')
         history = []
-        chatbot.append(["正在启动: Multi_Agent_Legacy终端", "插件动态生成, 执行开始, 作者 Microsoft & Binary-Husky."])
+        chatbot.append(["正在启动: 多智能体终端", "插件动态生成, 执行开始, 作者 Microsoft & Binary-Husky."])
         yield from update_ui(chatbot=chatbot, history=history) # 刷新界面
         executor = AutoGenMath(llm_kwargs, plugin_kwargs, chatbot, history, system_prompt, user_request)
         persistent_class_multi_user_manager.set(persistent_key, executor)
@@ -96,7 +96,7 @@ def Multi_Agent_Legacy终端(txt, llm_kwargs, plugin_kwargs, chatbot, history, s
 
     if exit_reason == "wait_feedback":
         # 当用户点击了“等待反馈”按钮时，将executor存储到cookie中，等待用户的再次调用
-        executor.chatbot.get_cookies()['lock_plugin'] = 'crazy_functions.Multi_Agent_Legacy->Multi_Agent_Legacy终端'
+        executor.chatbot.get_cookies()['lock_plugin'] = 'crazy_functions.多智能体->多智能体终端'
     else:
         executor.chatbot.get_cookies()['lock_plugin'] = None
     yield from update_ui(chatbot=executor.chatbot, history=executor.history) # 更新状态

crazy_functions/总结word文档.py

@@ -79,13 +79,13 @@ def 解析docx(file_manifest, project_folder, llm_kwargs, plugin_kwargs, chatbot
 
 
 @CatchException
-def Word_Summary(txt, llm_kwargs, plugin_kwargs, chatbot, history, system_prompt, user_request):
+def 总结word文档(txt, llm_kwargs, plugin_kwargs, chatbot, history, system_prompt, user_request):
     import glob, os
 
     # 基本信息：功能、贡献者
     chatbot.append([
         "函数插件功能？",
-        "批量Word_Summary。函数插件贡献者: JasonGuo1。注意, 如果是.doc文件, 请先转化为.docx格式。"])
+        "批量总结Word文档。函数插件贡献者: JasonGuo1。注意, 如果是.doc文件, 请先转化为.docx格式。"])
     yield from update_ui(chatbot=chatbot, history=history) # 刷新界面
 
     # 尝试导入依赖，如果缺少依赖，则给出安装建议

crazy_functions/总结音视频.py

@@ -132,13 +132,13 @@ def AnalyAudio(parse_prompt, file_manifest, llm_kwargs, chatbot, history):
 
 
 @CatchException
-def Audio_Summary(txt, llm_kwargs, plugin_kwargs, chatbot, history, system_prompt, WEB_PORT):
+def 总结音视频(txt, llm_kwargs, plugin_kwargs, chatbot, history, system_prompt, WEB_PORT):
     import glob, os
 
     # 基本信息：功能、贡献者
     chatbot.append([
         "函数插件功能？",
-        "Audio_Summary内容，函数插件贡献者: dalvqw & BinaryHusky"])
+        "总结音视频内容，函数插件贡献者: dalvqw & BinaryHusky"])
     yield from update_ui(chatbot=chatbot, history=history)  # 刷新界面
 
     try:

crazy_functions/批量总结PDF文档.py

@@ -103,13 +103,13 @@ do not have too much repetitive information, numerical values using the original
 
 
 @CatchException
-def PDF_Summary(txt, llm_kwargs, plugin_kwargs, chatbot, history, system_prompt, user_request):
+def 批量总结PDF文档(txt, llm_kwargs, plugin_kwargs, chatbot, history, system_prompt, user_request):
     import glob, os
 
     # 基本信息：功能、贡献者
     chatbot.append([
         "函数插件功能？",
-        "PDF_Summary。函数插件贡献者: ValeriaWong，Eralien"])
+        "批量总结PDF文档。函数插件贡献者: ValeriaWong，Eralien"])
     yield from update_ui(chatbot=chatbot, history=history) # 刷新界面
 
     # 尝试导入依赖，如果缺少依赖，则给出安装建议

crazy_functions/批量总结PDF文档pdfminer.py

@@ -0,0 +1,162 @@
+from loguru import logger
+from toolbox import update_ui
+from toolbox import CatchException, report_exception
+from crazy_functions.crazy_utils import request_gpt_model_in_new_thread_with_ui_alive
+from toolbox import write_history_to_file, promote_file_to_downloadzone
+
+fast_debug = False
+
+def readPdf(pdfPath):
+    """
+    读取pdf文件，返回文本内容
+    """
+    import pdfminer
+    from pdfminer.pdfparser import PDFParser
+    from pdfminer.pdfdocument import PDFDocument
+    from pdfminer.pdfpage import PDFPage, PDFTextExtractionNotAllowed
+    from pdfminer.pdfinterp import PDFResourceManager, PDFPageInterpreter
+    from pdfminer.pdfdevice import PDFDevice
+    from pdfminer.layout import LAParams
+    from pdfminer.converter import PDFPageAggregator
+
+    fp = open(pdfPath, 'rb')
+
+    # Create a PDF parser object associated with the file object
+    parser = PDFParser(fp)
+
+    # Create a PDF document object that stores the document structure.
+    # Password for initialization as 2nd parameter
+    document = PDFDocument(parser)
+    # Check if the document allows text extraction. If not, abort.
+    if not document.is_extractable:
+        raise PDFTextExtractionNotAllowed
+
+    # Create a PDF resource manager object that stores shared resources.
+    rsrcmgr = PDFResourceManager()
+
+    # Create a PDF device object.
+    # device = PDFDevice(rsrcmgr)
+
+    # BEGIN LAYOUT ANALYSIS.
+    # Set parameters for analysis.
+    laparams = LAParams(
+        char_margin=10.0,
+        line_margin=0.2,
+        boxes_flow=0.2,
+        all_texts=False,
+    )
+    # Create a PDF page aggregator object.
+    device = PDFPageAggregator(rsrcmgr, laparams=laparams)
+    # Create a PDF interpreter object.
+    interpreter = PDFPageInterpreter(rsrcmgr, device)
+
+    # loop over all pages in the document
+    outTextList = []
+    for page in PDFPage.create_pages(document):
+        # read the page into a layout object
+        interpreter.process_page(page)
+        layout = device.get_result()
+        for obj in layout._objs:
+            if isinstance(obj, pdfminer.layout.LTTextBoxHorizontal):
+                outTextList.append(obj.get_text())
+
+    return outTextList
+
+
+def 解析Paper(file_manifest, project_folder, llm_kwargs, plugin_kwargs, chatbot, history, system_prompt):
+    import time, glob, os
+    from bs4 import BeautifulSoup
+    logger.info('begin analysis on:', file_manifest)
+    for index, fp in enumerate(file_manifest):
+        if ".tex" in fp:
+            with open(fp, 'r', encoding='utf-8', errors='replace') as f:
+                file_content = f.read()
+        if ".pdf" in fp.lower():
+            file_content = readPdf(fp)
+            file_content = BeautifulSoup(''.join(file_content), features="lxml").body.text.encode('gbk', 'ignore').decode('gbk')
+
+        prefix = "接下来请你逐文件分析下面的论文文件，概括其内容" if index==0 else ""
+        i_say = prefix + f'请对下面的文章片段用中文做一个概述，文件名是{os.path.relpath(fp, project_folder)}，文章内容是 ```{file_content}```'
+        i_say_show_user = prefix + f'[{index+1}/{len(file_manifest)}] 请对下面的文章片段做一个概述: {os.path.abspath(fp)}'
+        chatbot.append((i_say_show_user, "[Local Message] waiting gpt response."))
+        yield from update_ui(chatbot=chatbot, history=history) # 刷新界面
+
+        if not fast_debug:
+            msg = '正常'
+            # ** gpt request **
+            gpt_say = yield from request_gpt_model_in_new_thread_with_ui_alive(
+                inputs=i_say,
+                inputs_show_user=i_say_show_user,
+                llm_kwargs=llm_kwargs,
+                chatbot=chatbot,
+                history=[],
+                sys_prompt="总结文章。"
+            )  # 带超时倒计时
+            chatbot[-1] = (i_say_show_user, gpt_say)
+            history.append(i_say_show_user); history.append(gpt_say)
+            yield from update_ui(chatbot=chatbot, history=history, msg=msg) # 刷新界面
+            if not fast_debug: time.sleep(2)
+
+    all_file = ', '.join([os.path.relpath(fp, project_folder) for index, fp in enumerate(file_manifest)])
+    i_say = f'根据以上你自己的分析，对全文进行概括，用学术性语言写一段中文摘要，然后再写一段英文摘要（包括{all_file}）。'
+    chatbot.append((i_say, "[Local Message] waiting gpt response."))
+    yield from update_ui(chatbot=chatbot, history=history) # 刷新界面
+
+    if not fast_debug:
+        msg = '正常'
+        # ** gpt request **
+        gpt_say = yield from request_gpt_model_in_new_thread_with_ui_alive(
+            inputs=i_say,
+            inputs_show_user=i_say,
+            llm_kwargs=llm_kwargs,
+            chatbot=chatbot,
+            history=history,
+            sys_prompt="总结文章。"
+        )  # 带超时倒计时
+        chatbot[-1] = (i_say, gpt_say)
+        history.append(i_say); history.append(gpt_say)
+        yield from update_ui(chatbot=chatbot, history=history, msg=msg) # 刷新界面
+        res = write_history_to_file(history)
+        promote_file_to_downloadzone(res, chatbot=chatbot)
+        chatbot.append(("完成了吗？", res))
+        yield from update_ui(chatbot=chatbot, history=history, msg=msg) # 刷新界面
+
+
+
+@CatchException
+def 批量总结PDF文档pdfminer(txt, llm_kwargs, plugin_kwargs, chatbot, history, system_prompt, user_request):
+    history = []    # 清空历史，以免输入溢出
+    import glob, os
+
+    # 基本信息：功能、贡献者
+    chatbot.append([
+        "函数插件功能？",
+        "批量总结PDF文档，此版本使用pdfminer插件，带token约简功能。函数插件贡献者: Euclid-Jie。"])
+    yield from update_ui(chatbot=chatbot, history=history) # 刷新界面
+
+    # 尝试导入依赖，如果缺少依赖，则给出安装建议
+    try:
+        import pdfminer, bs4
+    except:
+        report_exception(chatbot, history,
+            a = f"解析项目: {txt}",
+            b = f"导入软件依赖失败。使用该模块需要额外依赖，安装方法```pip install --upgrade pdfminer beautifulsoup4```。")
+        yield from update_ui(chatbot=chatbot, history=history) # 刷新界面
+        return
+    if os.path.exists(txt):
+        project_folder = txt
+    else:
+        if txt == "": txt = '空空如也的输入栏'
+        report_exception(chatbot, history, a = f"解析项目: {txt}", b = f"找不到本地项目或无权访问: {txt}")
+        yield from update_ui(chatbot=chatbot, history=history) # 刷新界面
+        return
+    file_manifest = [f for f in glob.glob(f'{project_folder}/**/*.tex', recursive=True)] + \
+                    [f for f in glob.glob(f'{project_folder}/**/*.pdf', recursive=True)] # + \
+                    # [f for f in glob.glob(f'{project_folder}/**/*.cpp', recursive=True)] + \
+                    # [f for f in glob.glob(f'{project_folder}/**/*.c', recursive=True)]
+    if len(file_manifest) == 0:
+        report_exception(chatbot, history, a = f"解析项目: {txt}", b = f"找不到任何.tex或pdf文件: {txt}")
+        yield from update_ui(chatbot=chatbot, history=history) # 刷新界面
+        return
+    yield from 解析Paper(file_manifest, project_folder, llm_kwargs, plugin_kwargs, chatbot, history, system_prompt)
+

crazy_functions/理解PDF文档内容.py

@@ -62,7 +62,7 @@ def 解析PDF(file_name, llm_kwargs, plugin_kwargs, chatbot, history, system_pro
 
 
 @CatchException
-def PDF_QA标准文件输入(txt, llm_kwargs, plugin_kwargs, chatbot, history, system_prompt, user_request):
+def 理解PDF文档内容标准文件输入(txt, llm_kwargs, plugin_kwargs, chatbot, history, system_prompt, user_request):
     import glob, os
 
     # 基本信息：功能、贡献者

crazy_functions/生成函数注释.py

@@ -4,7 +4,7 @@ from toolbox import CatchException, report_exception
 from toolbox import write_history_to_file, promote_file_to_downloadzone
 from crazy_functions.crazy_utils import request_gpt_model_in_new_thread_with_ui_alive
 
-def Program_Comment_Gen(file_manifest, project_folder, llm_kwargs, plugin_kwargs, chatbot, history, system_prompt):
+def 生成函数注释(file_manifest, project_folder, llm_kwargs, plugin_kwargs, chatbot, history, system_prompt):
     import time, os
     logger.info('begin analysis on:', file_manifest)
     for index, fp in enumerate(file_manifest):
@@ -34,7 +34,7 @@ def Program_Comment_Gen(file_manifest, project_folder, llm_kwargs, plugin_kwargs
 
 
 @CatchException
-def 批量Program_Comment_Gen(txt, llm_kwargs, plugin_kwargs, chatbot, history, system_prompt, user_request):
+def 批量生成函数注释(txt, llm_kwargs, plugin_kwargs, chatbot, history, system_prompt, user_request):
     history = []    # 清空历史，以免输入溢出
     import glob, os
     if os.path.exists(txt):
@@ -51,4 +51,4 @@ def 批量Program_Comment_Gen(txt, llm_kwargs, plugin_kwargs, chatbot, history,
         report_exception(chatbot, history, a = f"解析项目: {txt}", b = f"找不到任何.tex文件: {txt}")
         yield from update_ui(chatbot=chatbot, history=history) # 刷新界面
         return
-    yield from Program_Comment_Gen(file_manifest, project_folder, llm_kwargs, plugin_kwargs, chatbot, history, system_prompt)
+    yield from 生成函数注释(file_manifest, project_folder, llm_kwargs, plugin_kwargs, chatbot, history, system_prompt)

crazy_functions/生成多种Mermaid图表.py

@@ -297,7 +297,7 @@ def 解析历史输入(history, llm_kwargs, file_manifest, chatbot, plugin_kwarg
 
 
 @CatchException
-def Mermaid_Figure_Gen(
+def 生成多种Mermaid图表(
     txt, llm_kwargs, plugin_kwargs, chatbot, history, system_prompt, web_port
 ):
     """
@@ -426,7 +426,7 @@ class Mermaid_Gen(GptAcademicPluginTemplate):
             "思维导图",
         ]
         plugin_kwargs = options.index(plugin_kwargs['Type_of_Mermaid'])
-        yield from Mermaid_Figure_Gen(
+        yield from 生成多种Mermaid图表(
             txt,
             llm_kwargs,
             plugin_kwargs,

crazy_functions/知识库问答.py

@@ -79,8 +79,8 @@ def 知识库文件注入(txt, llm_kwargs, plugin_kwargs, chatbot, history, syst
     # yield from update_ui(chatbot=chatbot, history=history) # 刷新界面
     # chatbot._cookies['langchain_plugin_embedding'] = kai.get_current_archive_id()
     # chatbot._cookies['lock_plugin'] = 'crazy_functions.知识库文件注入->读取知识库作答'
-    # chatbot.append(['完成', "“根据知识库作答”函数插件已经接管问答系统, 提问吧! 但注意, 您接下来不能再使用其他插件了，刷新页面即可以退出Vectorstore_QA模式。"])
-    chatbot.append(['构建完成', f"当前知识库内的有效文件：\n\n---\n\n{kai_files}\n\n---\n\n请切换至“Vectorstore_QA”插件进行知识库访问, 或者使用此插件继续上传更多文件。"])
+    # chatbot.append(['完成', "“根据知识库作答”函数插件已经接管问答系统, 提问吧! 但注意, 您接下来不能再使用其他插件了，刷新页面即可以退出知识库问答模式。"])
+    chatbot.append(['构建完成', f"当前知识库内的有效文件：\n\n---\n\n{kai_files}\n\n---\n\n请切换至“知识库问答”插件进行知识库访问, 或者使用此插件继续上传更多文件。"])
     yield from update_ui(chatbot=chatbot, history=history) # 刷新界面 # 由于请求gpt需要一段时间，我们先及时地做一次界面更新
 
 @CatchException

crazy_functions/虚空终端.py

@@ -21,7 +21,7 @@ Please describe in natural language what you want to do.
 5. If you don't need to upload a file, you can simply repeat your command again.
 """
 explain_msg = """
-## Void_Terminal插件说明:
+## 虚空终端插件说明:
 
 1. 请用**自然语言**描述您需要做什么。例如：
     - 「请调用插件，为我翻译PDF论文，论文我刚刚放到上传区了」
@@ -104,9 +104,9 @@ def analyze_intention_with_simple_rules(txt):
 
 
 @CatchException
-def Void_Terminal(txt, llm_kwargs, plugin_kwargs, chatbot, history, system_prompt, user_request):
+def 虚空终端(txt, llm_kwargs, plugin_kwargs, chatbot, history, system_prompt, user_request):
     disable_auto_promotion(chatbot=chatbot)
-    # 获取当前Void_Terminal状态
+    # 获取当前虚空终端状态
     state = VoidTerminalState.get_state(chatbot)
     appendix_msg = ""
 
@@ -121,21 +121,21 @@ def Void_Terminal(txt, llm_kwargs, plugin_kwargs, chatbot, history, system_promp
         state.set_state(chatbot=chatbot, key='has_provided_explanation', value=True)
         state.unlock_plugin(chatbot=chatbot)
         yield from update_ui(chatbot=chatbot, history=history)
-        yield from Void_Terminal主路由(txt, llm_kwargs, plugin_kwargs, chatbot, history, system_prompt, user_request)
+        yield from 虚空终端主路由(txt, llm_kwargs, plugin_kwargs, chatbot, history, system_prompt, user_request)
         return
     else:
         # 如果意图模糊，提示
         state.set_state(chatbot=chatbot, key='has_provided_explanation', value=True)
         state.lock_plugin(chatbot=chatbot)
-        chatbot.append(("Void_Terminal状态:", explain_msg+appendix_msg))
+        chatbot.append(("虚空终端状态:", explain_msg+appendix_msg))
         yield from update_ui(chatbot=chatbot, history=history)
         return
 
 
 
-def Void_Terminal主路由(txt, llm_kwargs, plugin_kwargs, chatbot, history, system_prompt, user_request):
+def 虚空终端主路由(txt, llm_kwargs, plugin_kwargs, chatbot, history, system_prompt, user_request):
     history = []
-    chatbot.append(("Void_Terminal状态: ", f"正在执行任务: {txt}"))
+    chatbot.append(("虚空终端状态: ", f"正在执行任务: {txt}"))
     yield from update_ui(chatbot=chatbot, history=history) # 刷新界面
 
     # ⭐ ⭐ ⭐ 分析用户意图

crazy_functions/语音助手.py

@@ -168,7 +168,7 @@ class InterviewAssistant(AliyunASR):
 
 
 @CatchException
-def Audio_Assistant(txt, llm_kwargs, plugin_kwargs, chatbot, history, system_prompt, user_request):
+def 语音助手(txt, llm_kwargs, plugin_kwargs, chatbot, history, system_prompt, user_request):
     # pip install -U openai-whisper
     chatbot.append(["对话助手函数插件：使用时，双手离开鼠标键盘吧", "音频助手, 正在听您讲话（点击“停止”键可终止程序）..."])
     yield from update_ui(chatbot=chatbot, history=history) # 刷新界面

crazy_functions/读文章写摘要.py

@@ -43,7 +43,7 @@ def 解析Paper(file_manifest, project_folder, llm_kwargs, plugin_kwargs, chatbo
 
 
 @CatchException
-def Paper_Abstract_Writer(txt, llm_kwargs, plugin_kwargs, chatbot, history, system_prompt, user_request):
+def 读文章写摘要(txt, llm_kwargs, plugin_kwargs, chatbot, history, system_prompt, user_request):
     history = []    # 清空历史，以免输入溢出
     import glob, os
     if os.path.exists(txt):

crazy_functions/谷歌检索小助手.py

@@ -132,7 +132,7 @@ def get_meta_information(url, chatbot, history):
     return profile
 
 @CatchException
-def Google_Scholar_Assistant_Legacy(txt, llm_kwargs, plugin_kwargs, chatbot, history, system_prompt, user_request):
+def 谷歌检索小助手(txt, llm_kwargs, plugin_kwargs, chatbot, history, system_prompt, user_request):
     disable_auto_promotion(chatbot=chatbot)
     # 基本信息：功能、贡献者
     chatbot.append([

docs/Dockerfile+ChatGLM

@@ -0,0 +1 @@
+# 此Dockerfile不再维护，请前往docs/GithubAction+ChatGLM+Moss

docs/Dockerfile+NoLocal+Latex

@@ -0,0 +1 @@
+# 此Dockerfile不再维护，请前往docs/GithubAction+NoLocal+Latex

docs/GithubAction+AllCapacity

@@ -1,56 +1,43 @@
-# 此Dockerfile适用于“无本地模型”的迷你运行环境构建
-# 如果需要使用chatglm等本地模型或者latex运行依赖，请参考 docker-compose.yml
-# - 如何构建: 先修改 `config.py`， 然后 `docker build -t gpt-academic . `
-# - 如何运行(Linux下): `docker run --rm -it --net=host gpt-academic `
-# - 如何运行(其他操作系统，选择任意一个固定端口50923): `docker run --rm -it -e WEB_PORT=50923 -p 50923:50923 gpt-academic `
+# docker build -t gpt-academic-all-capacity -f docs/GithubAction+AllCapacity  --network=host --build-arg http_proxy=http://localhost:10881 --build-arg https_proxy=http://localhost:10881 .
 
+# 从NVIDIA源，从而支持显卡（检查宿主的nvidia-smi中的cuda版本必须>=11.3）
+FROM fuqingxu/11.3.1-runtime-ubuntu20.04-with-texlive:latest
 
-FROM fuqingxu/11.3.1-runtime-ubuntu20.04-with-texlive:latest AS texlive
-FROM ghcr.io/astral-sh/uv:python3.12-bookworm
-
-
-# 非必要步骤，更换pip源 （以下三行，可以删除）
-RUN echo '[global]' > /etc/pip.conf && \
-    echo 'index-url = https://mirrors.aliyun.com/pypi/simple/' >> /etc/pip.conf && \
-    echo 'trusted-host = mirrors.aliyun.com' >> /etc/pip.conf
-
-# 语音输出功能（以下1,2行更换阿里源，第3,4行安装ffmpeg，都可以删除）
-RUN sed -i 's/deb.debian.org/mirrors.aliyun.com/g' /etc/apt/sources.list.d/debian.sources && \
-    sed -i 's/security.debian.org/mirrors.aliyun.com/g' /etc/apt/sources.list.d/debian.sources && \
-    apt-get update
-RUN apt-get install ffmpeg fontconfig build-essential -y
-
+# edge-tts需要的依赖，某些pip包所需的依赖
+RUN apt update && apt install ffmpeg build-essential -y
+RUN apt-get install -y fontconfig
 RUN ln -s /usr/local/texlive/2023/texmf-dist/fonts/truetype /usr/share/fonts/truetype/texlive
 RUN fc-cache -fv
 RUN apt-get clean
-COPY --from=texlive /usr/local/texlive /usr/local/texlive
 
-# 进入工作路径（必要）
+# use python3 as the system default python
 WORKDIR /gpt
+RUN curl -sS https://bootstrap.pypa.io/get-pip.py | python3.8
+# 下载pytorch
+RUN python3 -m pip install torch --extra-index-url https://download.pytorch.org/whl/cu113
+# 准备pip依赖
+RUN python3 -m pip install openai numpy arxiv rich
+RUN python3 -m pip install colorama Markdown pygments pymupdf
+RUN python3 -m pip install python-docx moviepy pdfminer
+RUN python3 -m pip install zh_langchain==0.2.1 pypinyin
+RUN python3 -m pip install rarfile py7zr
+RUN python3 -m pip install aliyun-python-sdk-core==2.13.3 pyOpenSSL webrtcvad scipy git+https://github.com/aliyun/alibabacloud-nls-python-sdk.git
+# 下载分支
+WORKDIR /gpt
+RUN git clone --depth=1 https://github.com/binary-husky/gpt_academic.git
+WORKDIR /gpt/gpt_academic
+RUN git clone --depth=1 https://github.com/OpenLMLab/MOSS.git request_llms/moss
 
-# 安装大部分依赖，利用缓存加速以后的构建
-COPY requirements.txt ./
-RUN uv venv --python=3.12
-RUN uv pip install --verbose -r requirements.txt -i https://mirrors.aliyun.com/pypi/simple/
-RUN uv pip install torch --verbose --index-url https://download.pytorch.org/whl/cpu
-RUN uv pip install openai numpy arxiv rich colorama Markdown pygments pymupdf python-docx moviepy pdfminer zh_langchain==0.2.1 pypinyin rarfile py7zr nougat-ocr -i https://mirrors.aliyun.com/pypi/simple/
-RUN uv pip install aliyun-python-sdk-core==2.13.3 pyOpenSSL webrtcvad scipy -i https://mirrors.aliyun.com/pypi/simple/
-RUN uv pip install alibabacloud-nls-python-sdk -i https://mirrors.aliyun.com/pypi/simple/
-ENV PATH="/gpt/.venv/bin:$PATH"
+RUN python3 -m pip install -r requirements.txt
+RUN python3 -m pip install -r request_llms/requirements_moss.txt
+RUN python3 -m pip install -r request_llms/requirements_qwen.txt
+RUN python3 -m pip install -r request_llms/requirements_chatglm.txt
+RUN python3 -m pip install -r request_llms/requirements_newbing.txt
+RUN python3 -m pip install nougat-ocr
+RUN python3 -m pip cache purge
 
-# 装载项目文件，安装剩余依赖（必要）
-COPY . .
+# 预热Tiktoken模块
+RUN python3  -c 'from check_proxy import warm_up_modules; warm_up_modules()'
 
-RUN uv pip install -r requirements.txt -i https://mirrors.aliyun.com/pypi/simple/
-
-# # 非必要步骤，用于预热模块（可以删除）
-RUN python -c 'from check_proxy import warm_up_modules; warm_up_modules()'
-
-ENV CGO_ENABLED=0
-ENV PATH "/usr/local/texlive/2023/bin/x86_64-linux:$PATH"
-ENV PATH "/usr/local/texlive/2024/bin/x86_64-linux:$PATH"
-ENV PATH "/usr/local/texlive/2025/bin/x86_64-linux:$PATH"
-ENV PATH "/usr/local/texlive/2026/bin/x86_64-linux:$PATH"
-
-# 启动（必要）
-CMD ["bash", "-c", "python main.py"]
+# 启动
+CMD ["python3", "-u", "main.py"]

docs/GithubAction+NoLocal

@@ -1,37 +1,24 @@
 # 此Dockerfile适用于“无本地模型”的环境构建，如果需要使用chatglm等本地模型，请参考 docs/Dockerfile+ChatGLM
 # 如何构建: 先修改 `config.py`， 然后 docker build -t gpt-academic-nolocal -f docs/Dockerfile+NoLocal .
 # 如何运行: docker run --rm -it --net=host gpt-academic-nolocal
-FROM ghcr.io/astral-sh/uv:python3.12-bookworm
+FROM python:3.11
 
-# 非必要步骤，更换pip源 （以下三行，可以删除）
-RUN echo '[global]' > /etc/pip.conf && \
-    echo 'index-url = https://mirrors.aliyun.com/pypi/simple/' >> /etc/pip.conf && \
-    echo 'trusted-host = mirrors.aliyun.com' >> /etc/pip.conf
-
-# 语音输出功能（以下1,2行更换阿里源，第3,4行安装ffmpeg，都可以删除）
-RUN sed -i 's/deb.debian.org/mirrors.aliyun.com/g' /etc/apt/sources.list.d/debian.sources && \
-    sed -i 's/security.debian.org/mirrors.aliyun.com/g' /etc/apt/sources.list.d/debian.sources && \
-    apt-get update
-RUN apt-get install ffmpeg -y
-RUN apt-get clean
-
-# 进入工作路径（必要）
+# 指定路径
 WORKDIR /gpt
 
-# 安装大部分依赖，利用Docker缓存加速以后的构建 （以下两行，可以删除）
-COPY requirements.txt ./
-RUN uv venv --python=3.12 && uv pip install --verbose -r requirements.txt -i https://mirrors.aliyun.com/pypi/simple/
-ENV PATH="/gpt/.venv/bin:$PATH"
-RUN python -c 'import loguru'
-
-# 装载项目文件，安装剩余依赖（必要）
+# 装载项目文件
 COPY . .
-RUN uv pip install -r requirements.txt -i https://mirrors.aliyun.com/pypi/simple/
 
-# # 非必要步骤，用于预热模块（可以删除）
-RUN python -c 'from check_proxy import warm_up_modules; warm_up_modules()'
+# 安装依赖
+RUN pip3 install -r requirements.txt
 
-ENV CGO_ENABLED=0
+# edge-tts需要的依赖
+RUN apt update && apt install ffmpeg -y
 
-# 启动（必要）
-CMD ["bash", "-c", "python main.py"]
+# 可选步骤，用于预热模块
+RUN python3  -c 'from check_proxy import warm_up_modules; warm_up_modules()'
+
+RUN python3 -m pip cache purge && apt-get clean
+
+# 启动
+CMD ["python3", "-u", "main.py"]

docs/GithubAction+NoLocal+AudioAssistant

@@ -1,43 +1,25 @@
-# 此Dockerfile适用于“无本地模型”的迷你运行环境构建
-# 如果需要使用chatglm等本地模型或者latex运行依赖，请参考 docker-compose.yml
-# - 如何构建: 先修改 `config.py`， 然后 `docker build -t gpt-academic . `
-# - 如何运行(Linux下): `docker run --rm -it --net=host gpt-academic `
-# - 如何运行(其他操作系统，选择任意一个固定端口50923): `docker run --rm -it -e WEB_PORT=50923 -p 50923:50923 gpt-academic `
+# 此Dockerfile适用于“无本地模型”的环境构建，如果需要使用chatglm等本地模型，请参考 docs/Dockerfile+ChatGLM
+# 如何构建: 先修改 `config.py`， 然后 docker build -t gpt-academic-nolocal -f docs/Dockerfile+NoLocal .
+# 如何运行: docker run --rm -it --net=host gpt-academic-nolocal
+FROM python:3.11
 
-FROM ghcr.io/astral-sh/uv:python3.12-bookworm
-
-# 非必要步骤，更换pip源 （以下三行，可以删除）
-RUN echo '[global]' > /etc/pip.conf && \
-    echo 'index-url = https://mirrors.aliyun.com/pypi/simple/' >> /etc/pip.conf && \
-    echo 'trusted-host = mirrors.aliyun.com' >> /etc/pip.conf
-
-# 语音输出功能（以下1,2行更换阿里源，第3,4行安装ffmpeg，都可以删除）
-RUN sed -i 's/deb.debian.org/mirrors.aliyun.com/g' /etc/apt/sources.list.d/debian.sources && \
-    sed -i 's/security.debian.org/mirrors.aliyun.com/g' /etc/apt/sources.list.d/debian.sources && \
-    apt-get update
-RUN apt-get install ffmpeg -y
-RUN apt-get clean
-
-# 进入工作路径（必要）
+# 指定路径
 WORKDIR /gpt
 
-# 安装大部分依赖，利用Docker缓存加速以后的构建 （以下两行，可以删除）
-COPY requirements.txt ./
-RUN uv venv --python=3.12 && uv pip install --verbose -r requirements.txt -i https://mirrors.aliyun.com/pypi/simple/
-RUN uv pip install aliyun-python-sdk-core==2.13.3 pyOpenSSL webrtcvad scipy -i https://mirrors.aliyun.com/pypi/simple/
-RUN uv pip install alibabacloud-nls-python-sdk -i https://mirrors.aliyun.com/pypi/simple/
-
-ENV PATH="/gpt/.venv/bin:$PATH"
-RUN python -c 'import loguru'
-
-# 装载项目文件，安装剩余依赖（必要）
+# 装载项目文件
 COPY . .
-RUN uv pip install -r requirements.txt -i https://mirrors.aliyun.com/pypi/simple/
 
-# # 非必要步骤，用于预热模块（可以删除）
-RUN python -c 'from check_proxy import warm_up_modules; warm_up_modules()'
+# 安装依赖
+RUN pip3 install -r requirements.txt
 
-ENV CGO_ENABLED=0
+# 安装语音插件的额外依赖
+RUN pip3 install aliyun-python-sdk-core==2.13.3 pyOpenSSL webrtcvad scipy git+https://github.com/aliyun/alibabacloud-nls-python-sdk.git
 
-# 启动（必要）
-CMD ["bash", "-c", "python main.py"]
+# edge-tts需要的依赖
+RUN apt update && apt install ffmpeg -y
+
+# 可选步骤，用于预热模块
+RUN python3  -c 'from check_proxy import warm_up_modules; warm_up_modules()'
+
+# 启动
+CMD ["python3", "-u", "main.py"]

docs/GithubAction+NoLocal+Vectordb

@@ -1,48 +1,31 @@
-# 此Dockerfile适用于“无本地模型”的迷你运行环境构建
-# 如果需要使用chatglm等本地模型或者latex运行依赖，请参考 docker-compose.yml
-# - 如何构建: 先修改 `config.py`， 然后 `docker build -t gpt-academic . `
-# - 如何运行(Linux下): `docker run --rm -it --net=host gpt-academic `
-# - 如何运行(其他操作系统，选择任意一个固定端口50923): `docker run --rm -it -e WEB_PORT=50923 -p 50923:50923 gpt-academic `
+# 此Dockerfile适用于“无本地模型”的环境构建，如果需要使用chatglm等本地模型，请参考 docs/Dockerfile+ChatGLM
+# 如何构建: 先修改 `config.py`， 然后 docker build -t gpt-academic-nolocal-vs -f docs/GithubAction+NoLocal+Vectordb .
+# 如何运行: docker run --rm -it --net=host gpt-academic-nolocal-vs
+FROM python:3.11
 
-FROM ghcr.io/astral-sh/uv:python3.12-bookworm
-
-# 非必要步骤，更换pip源 （以下三行，可以删除）
-RUN echo '[global]' > /etc/pip.conf && \
-    echo 'index-url = https://mirrors.aliyun.com/pypi/simple/' >> /etc/pip.conf && \
-    echo 'trusted-host = mirrors.aliyun.com' >> /etc/pip.conf
-
-# 语音输出功能（以下1,2行更换阿里源，第3,4行安装ffmpeg，都可以删除）
-RUN sed -i 's/deb.debian.org/mirrors.aliyun.com/g' /etc/apt/sources.list.d/debian.sources && \
-    sed -i 's/security.debian.org/mirrors.aliyun.com/g' /etc/apt/sources.list.d/debian.sources && \
-    apt-get update
-RUN apt-get install ffmpeg -y
-RUN apt-get clean
-
-# 进入工作路径（必要）
+# 指定路径
 WORKDIR /gpt
 
-# 安装大部分依赖，利用Docker缓存加速以后的构建 （以下两行，可以删除）
-COPY requirements.txt ./
-RUN uv venv --python=3.12 && uv pip install --verbose -r requirements.txt -i https://mirrors.aliyun.com/pypi/simple/
-RUN uv pip install aliyun-python-sdk-core==2.13.3 pyOpenSSL webrtcvad scipy -i https://mirrors.aliyun.com/pypi/simple/
-RUN uv pip install alibabacloud-nls-python-sdk -i https://mirrors.aliyun.com/pypi/simple/
-RUN uv pip install torch torchvision --index-url https://download.pytorch.org/whl/cpu
-RUN uv pip install transformers protobuf langchain sentence-transformers  faiss-cpu nltk beautifulsoup4 bitsandbytes tabulate icetk --upgrade
-RUN uv pip install unstructured[all-docs] --upgrade
-ENV PATH="/gpt/.venv/bin:$PATH"
-RUN python -c 'import loguru'
-
-# 装载项目文件，安装剩余依赖（必要）
+# 装载项目文件
 COPY . .
-RUN uv pip install -r requirements.txt -i https://mirrors.aliyun.com/pypi/simple/
 
-# # 非必要步骤，用于预热模块（可以删除）
-RUN python -c 'from check_proxy import warm_up_modules; warm_up_modules()'
+# 安装依赖
+RUN pip3 install -r requirements.txt
 
-ENV CGO_ENABLED=0
+# 安装知识库插件的额外依赖
+RUN apt-get update && apt-get install libgl1 -y
+RUN pip3 install torch torchvision --index-url https://download.pytorch.org/whl/cpu
+RUN pip3 install transformers protobuf langchain sentence-transformers  faiss-cpu nltk beautifulsoup4 bitsandbytes tabulate icetk --upgrade
+RUN pip3 install unstructured[all-docs] --upgrade
+RUN python3  -c 'from check_proxy import warm_up_vectordb; warm_up_vectordb()'
+
+# edge-tts需要的依赖
+RUN apt update && apt install ffmpeg -y
+
+# 可选步骤，用于预热模块
+RUN python3  -c 'from check_proxy import warm_up_modules; warm_up_modules()'
+RUN python3 -m pip cache purge && apt-get clean
 
-# 启动（必要）
-CMD ["bash", "-c", "python main.py"]
 
 # 启动
 CMD ["python3", "-u", "main.py"]

docs/self_analysis.md

@@ -19,24 +19,24 @@
 | crazy_functions\Latex全文润色.py | 对整个 Latex 项目进行润色和纠错 |
 | crazy_functions\Latex全文翻译.py | 对整个 Latex 项目进行翻译 |
 | crazy_functions\\_\_init\_\_.py | 模块初始化文件，标识 `crazy_functions` 是一个包 |
-| crazy_functions\Arxiv_Downloader.py | 下载 `arxiv` 论文的 PDF 文件，并提取摘要和翻译 |
+| crazy_functions\下载arxiv论文翻译摘要.py | 下载 `arxiv` 论文的 PDF 文件，并提取摘要和翻译 |
 | crazy_functions\代码重写为全英文_多线程.py | 将Python源代码文件中的中文内容转化为英文 |
 | crazy_functions\图片生成.py | 根据激励文本使用GPT模型生成相应的图像 |
 | crazy_functions\Conversation_To_File.py | 将每次对话记录写入Markdown格式的文件中 |
-| crazy_functions\Word_Summary.py | 对输入的word文档进行摘要生成 |
-| crazy_functions\Audio_Summary.py | 对输入的音视频文件进行摘要生成 |
+| crazy_functions\总结word文档.py | 对输入的word文档进行摘要生成 |
+| crazy_functions\总结音视频.py | 对输入的音视频文件进行摘要生成 |
 | crazy_functions\Markdown_Translate.py | 将指定目录下的Markdown文件进行中英文翻译 |
-| crazy_functions\PDF_Summary.py | 对PDF文件进行切割和摘要生成 |
-| crazy_functions\PDF_Summarypdfminer.py | 对PDF文件进行文本内容的提取和摘要生成 |
+| crazy_functions\批量总结PDF文档.py | 对PDF文件进行切割和摘要生成 |
+| crazy_functions\批量总结PDF文档pdfminer.py | 对PDF文件进行文本内容的提取和摘要生成 |
 | crazy_functions\PDF_Translate.py | 将指定目录下的PDF文件进行中英文翻译 |
-| crazy_functions\PDF_QA.py | 对PDF文件进行摘要生成和问题解答 |
-| crazy_functions\Program_Comment_Gen.py | 自动生成Python函数的注释 |
-| crazy_functions\Internet_GPT_Legacy.py | 使用网络爬虫和ChatGPT模型进行聊天回答 |
-| crazy_functions\SourceCode_Analyse_JupyterNotebook.py | 对Jupyter Notebook进行代码解析 |
+| crazy_functions\理解PDF文档内容.py | 对PDF文件进行摘要生成和问题解答 |
+| crazy_functions\生成函数注释.py | 自动生成Python函数的注释 |
+| crazy_functions\联网的ChatGPT.py | 使用网络爬虫和ChatGPT模型进行聊天回答 |
+| crazy_functions\解析JupyterNotebook.py | 对Jupyter Notebook进行代码解析 |
 | crazy_functions\解析项目源代码.py | 对指定编程语言的源代码进行解析 |
-| crazy_functions\Multi_LLM_Query.py | 使用多个大语言模型对输入进行处理和回复 |
-| crazy_functions\Paper_Abstract_Writer.py | 对论文进行解析和全文摘要生成 |
-| crazy_functions\Google_Scholar_Assistant_Legacy.py | 提供谷歌学术搜索页面中相关文章的元数据信息。 |
+| crazy_functions\询问多个大语言模型.py | 使用多个大语言模型对输入进行处理和回复 |
+| crazy_functions\读文章写摘要.py | 对论文进行解析和全文摘要生成 |
+| crazy_functions\谷歌检索小助手.py | 提供谷歌学术搜索页面中相关文章的元数据信息。 |
 | crazy_functions\高级功能函数模板.py | 使用Unsplash API发送相关图片以回复用户的输入。 |
 | request_llms\bridge_all.py | 基于不同LLM模型进行对话。 |
 | request_llms\bridge_chatglm.py | 使用ChatGLM模型生成回复，支持单线程和多线程方式。 |
@@ -120,7 +120,7 @@ toolbox.py是一个工具类库，其中主要包含了一些函数装饰器和
 
 ## [10/48] 请对下面的程序文件做一个概述: crazy_functions\crazy_functions_test.py
 
-这个文件是一个Python测试模块，用于测试crazy_functions中的各种函数插件。这些函数包括：解析Python项目源代码、解析Cpp项目源代码、Latex全文润色、Markdown中译英、批量翻译PDF文档、Google_Scholar_Assistant_Legacy、Word_Summary、下载arxiv论文并翻译摘要、联网回答问题、和解析Jupyter Notebooks。对于每个函数插件，都有一个对应的测试函数来进行测试。
+这个文件是一个Python测试模块，用于测试crazy_functions中的各种函数插件。这些函数包括：解析Python项目源代码、解析Cpp项目源代码、Latex全文润色、Markdown中译英、批量翻译PDF文档、谷歌检索小助手、总结word文档、下载arxiv论文并翻译摘要、联网回答问题、和解析Jupyter Notebooks。对于每个函数插件，都有一个对应的测试函数来进行测试。
 
 ## [11/48] 请对下面的程序文件做一个概述: crazy_functions\crazy_utils.py
 
@@ -143,9 +143,9 @@ toolbox.py是一个工具类库，其中主要包含了一些函数装饰器和
 
 这是一个Python模块的初始化文件（__init__.py），命名为"crazy_functions"。该模块包含了一些疯狂的函数，但该文件并没有实现这些函数，而是作为一个包（package）来导入其它的Python模块以实现这些函数。在该文件中，没有定义任何类或函数，它唯一的作用就是标识"crazy_functions"模块是一个包。
 
-## [15/48] 请对下面的程序文件做一个概述: crazy_functions\Arxiv_Downloader.py
+## [15/48] 请对下面的程序文件做一个概述: crazy_functions\下载arxiv论文翻译摘要.py
 
-这是一个 Python 程序文件，文件名为 `Arxiv_Downloader.py`。程序包含多个函数，其中 `下载arxiv论文并翻译摘要` 函数的作用是下载 `arxiv` 论文的 PDF 文件，提取摘要并使用 GPT 对其进行翻译。其他函数包括用于下载 `arxiv` 论文的 `download_arxiv_` 函数和用于获取文章信息的 `get_name` 函数，其中涉及使用第三方库如 requests, BeautifulSoup 等。该文件还包含一些用于调试和存储文件的代码段。
+这是一个 Python 程序文件，文件名为 `下载arxiv论文翻译摘要.py`。程序包含多个函数，其中 `下载arxiv论文并翻译摘要` 函数的作用是下载 `arxiv` 论文的 PDF 文件，提取摘要并使用 GPT 对其进行翻译。其他函数包括用于下载 `arxiv` 论文的 `download_arxiv_` 函数和用于获取文章信息的 `get_name` 函数，其中涉及使用第三方库如 requests, BeautifulSoup 等。该文件还包含一些用于调试和存储文件的代码段。
 
 ## [16/48] 请对下面的程序文件做一个概述: crazy_functions\代码重写为全英文_多线程.py
 
@@ -167,11 +167,11 @@ toolbox.py是一个工具类库，其中主要包含了一些函数装饰器和
 
 4. Conversation_To_File(txt, llm_kwargs, plugin_kwargs, chatbot, history, system_prompt, user_request)：一个主要函数，用于保存当前对话记录并提醒用户。如果用户希望加载历史记录，则调用read_file_to_chat()来更新聊天显示框。如果用户希望删除历史记录，调用删除所有本地对话历史记录()函数完成删除操作。
 
-## [19/48] 请对下面的程序文件做一个概述: crazy_functions\Word_Summary.py
+## [19/48] 请对下面的程序文件做一个概述: crazy_functions\总结word文档.py
 
-该程序文件实现了一个Word_Summary的功能，使用Python的docx库读取docx格式的文件，使用pywin32库读取doc格式的文件。程序会先根据传入的txt参数搜索需要处理的文件，并逐个解析其中的内容，将内容拆分为指定长度的文章片段，然后使用另一个程序文件中的request_gpt_model_in_new_thread_with_ui_alive函数进行中文概述。最后将所有的总结结果写入一个文件中，并在界面上进行展示。
+该程序文件实现了一个总结Word文档的功能，使用Python的docx库读取docx格式的文件，使用pywin32库读取doc格式的文件。程序会先根据传入的txt参数搜索需要处理的文件，并逐个解析其中的内容，将内容拆分为指定长度的文章片段，然后使用另一个程序文件中的request_gpt_model_in_new_thread_with_ui_alive函数进行中文概述。最后将所有的总结结果写入一个文件中，并在界面上进行展示。
 
-## [20/48] 请对下面的程序文件做一个概述: crazy_functions\Audio_Summary.py
+## [20/48] 请对下面的程序文件做一个概述: crazy_functions\总结音视频.py
 
 该程序文件包括两个函数：split_audio_file()和AnalyAudio()，并且导入了一些必要的库并定义了一些工具函数。split_audio_file用于将音频文件分割成多个时长相等的片段，返回一个包含所有切割音频片段文件路径的列表，而AnalyAudio用来分析音频文件，通过调用whisper模型进行音频转文字并使用GPT模型对音频内容进行概述，最终将所有总结结果写入结果文件中。
 
@@ -179,31 +179,31 @@ toolbox.py是一个工具类库，其中主要包含了一些函数装饰器和
 
 该程序文件名为`Markdown_Translate.py`，包含了以下功能：读取Markdown文件，将长文本分离开来，将Markdown文件进行翻译（英译中和中译英），整理结果并退出。程序使用了多线程以提高效率。程序使用了`tiktoken`依赖库，可能需要额外安装。文件中还有一些其他的函数和类，但与文件名所描述的功能无关。
 
-## [22/48] 请对下面的程序文件做一个概述: crazy_functions\PDF_Summary.py
+## [22/48] 请对下面的程序文件做一个概述: crazy_functions\批量总结PDF文档.py
 
-该文件是一个Python脚本，名为crazy_functions\PDF_Summary.py。在导入了一系列库和工具函数后，主要定义了5个函数，其中包括一个错误处理装饰器（@CatchException），用于PDF_Summary。该函数主要实现对PDF文档的解析，并调用模型生成中英文摘要。
+该文件是一个Python脚本，名为crazy_functions\批量总结PDF文档.py。在导入了一系列库和工具函数后，主要定义了5个函数，其中包括一个错误处理装饰器（@CatchException），用于批量总结PDF文档。该函数主要实现对PDF文档的解析，并调用模型生成中英文摘要。
 
-## [23/48] 请对下面的程序文件做一个概述: crazy_functions\PDF_Summarypdfminer.py
+## [23/48] 请对下面的程序文件做一个概述: crazy_functions\批量总结PDF文档pdfminer.py
 
-该程序文件是一个用于PDF_Summary的函数插件，使用了pdfminer插件和BeautifulSoup库来提取PDF文档的文本内容，对每个PDF文件分别进行处理并生成中英文摘要。同时，该程序文件还包括一些辅助工具函数和处理异常的装饰器。
+该程序文件是一个用于批量总结PDF文档的函数插件，使用了pdfminer插件和BeautifulSoup库来提取PDF文档的文本内容，对每个PDF文件分别进行处理并生成中英文摘要。同时，该程序文件还包括一些辅助工具函数和处理异常的装饰器。
 
 ## [24/48] 请对下面的程序文件做一个概述: crazy_functions\PDF_Translate.py
 
 这个程序文件是一个Python脚本，文件名为“PDF_Translate.py”。它主要使用了“toolbox”、“request_gpt_model_in_new_thread_with_ui_alive”、“request_gpt_model_multi_threads_with_very_awesome_ui_and_high_efficiency”、“colorful”等Python库和自定义的模块“crazy_utils”的一些函数。程序实现了一个批量翻译PDF文档的功能，可以自动解析PDF文件中的基础信息，递归地切割PDF文件，翻译和处理PDF论文中的所有内容，并生成相应的翻译结果文件（包括md文件和html文件）。功能比较复杂，其中需要调用多个函数和依赖库，涉及到多线程操作和UI更新。文件中有详细的注释和变量命名，代码比较清晰易读。
 
-## [25/48] 请对下面的程序文件做一个概述: crazy_functions\PDF_QA.py
+## [25/48] 请对下面的程序文件做一个概述: crazy_functions\理解PDF文档内容.py
 
-该程序文件实现了一个名为“PDF_QA”的函数，该函数可以为输入的PDF文件提取摘要以及正文各部分的主要内容，并在提取过程中根据上下文关系进行学术性问题解答。该函数依赖于多个辅助函数和第三方库，并在执行过程中针对可能出现的异常进行了处理。
+该程序文件实现了一个名为“理解PDF文档内容”的函数，该函数可以为输入的PDF文件提取摘要以及正文各部分的主要内容，并在提取过程中根据上下文关系进行学术性问题解答。该函数依赖于多个辅助函数和第三方库，并在执行过程中针对可能出现的异常进行了处理。
 
-## [26/48] 请对下面的程序文件做一个概述: crazy_functions\Program_Comment_Gen.py
+## [26/48] 请对下面的程序文件做一个概述: crazy_functions\生成函数注释.py
 
-该程序文件是一个Python模块文件，文件名为“Program_Comment_Gen.py”，定义了两个函数：一个是Program_Comment_Gen的主函数“Program_Comment_Gen”，另一个是通过装饰器实现异常捕捉的函数“批量Program_Comment_Gen”。该程序文件依赖于“toolbox”和本地“crazy_utils”模块，并且在运行时使用了多线程技术和GPT模型来生成注释。函数生成的注释结果使用Markdown表格输出并写入历史记录文件。
+该程序文件是一个Python模块文件，文件名为“生成函数注释.py”，定义了两个函数：一个是生成函数注释的主函数“生成函数注释”，另一个是通过装饰器实现异常捕捉的函数“批量生成函数注释”。该程序文件依赖于“toolbox”和本地“crazy_utils”模块，并且在运行时使用了多线程技术和GPT模型来生成注释。函数生成的注释结果使用Markdown表格输出并写入历史记录文件。
 
-## [27/48] 请对下面的程序文件做一个概述: crazy_functions\Internet_GPT_Legacy.py
+## [27/48] 请对下面的程序文件做一个概述: crazy_functions\联网的ChatGPT.py
 
-这是一个名为`Internet_GPT_Legacy.py`的Python程序文件，其中定义了一个函数`连接网络回答问题`。该函数通过爬取搜索引擎的结果和访问网页来综合回答给定的问题，并使用ChatGPT模型完成回答。此外，该文件还包括一些工具函数，例如从网页中抓取文本和使用代理访问网页。
+这是一个名为`联网的ChatGPT.py`的Python程序文件，其中定义了一个函数`连接网络回答问题`。该函数通过爬取搜索引擎的结果和访问网页来综合回答给定的问题，并使用ChatGPT模型完成回答。此外，该文件还包括一些工具函数，例如从网页中抓取文本和使用代理访问网页。
 
-## [28/48] 请对下面的程序文件做一个概述: crazy_functions\SourceCode_Analyse_JupyterNotebook.py
+## [28/48] 请对下面的程序文件做一个概述: crazy_functions\解析JupyterNotebook.py
 
 这个程序文件包含了两个函数： `parseNotebook()`和`解析ipynb文件()`，并且引入了一些工具函数和类。`parseNotebook()`函数将Jupyter Notebook文件解析为文本代码块，`解析ipynb文件()`函数则用于解析多个Jupyter Notebook文件，使用`parseNotebook()`解析每个文件和一些其他的处理。函数中使用了多线程处理输入和输出，并且将结果写入到文件中。
 
@@ -211,17 +211,17 @@ toolbox.py是一个工具类库，其中主要包含了一些函数装饰器和
 
 这是一个源代码分析的Python代码文件，其中定义了多个函数，包括解析一个Python项目、解析一个C项目、解析一个C项目的头文件和解析一个Java项目等。其中解析源代码新函数是实际处理源代码分析并生成报告的函数。该函数首先会逐个读取传入的源代码文件，生成对应的请求内容，通过多线程发送到chatgpt进行分析。然后将结果写入文件，并进行汇总分析。最后通过调用update_ui函数刷新界面，完整实现了源代码的分析。
 
-## [30/48] 请对下面的程序文件做一个概述: crazy_functions\Multi_LLM_Query.py
+## [30/48] 请对下面的程序文件做一个概述: crazy_functions\询问多个大语言模型.py
 
 该程序文件包含两个函数：同时问询()和同时问询_指定模型()，它们的作用是使用多个大语言模型同时对用户输入进行处理，返回对应模型的回复结果。同时问询()会默认使用ChatGPT和ChatGLM两个模型，而同时问询_指定模型()则可以指定要使用的模型。该程序文件还引用了其他的模块和函数库。
 
-## [31/48] 请对下面的程序文件做一个概述: crazy_functions\Paper_Abstract_Writer.py
+## [31/48] 请对下面的程序文件做一个概述: crazy_functions\读文章写摘要.py
 
-这个程序文件是一个Python模块，文件名为crazy_functions\Paper_Abstract_Writer.py。该模块包含了两个函数，其中主要函数是"Paper_Abstract_Writer"函数，其实现了解析给定文件夹中的tex文件，对其中每个文件的内容进行摘要生成，并根据各论文片段的摘要，最终生成全文摘要。第二个函数是"解析Paper"函数，用于解析单篇论文文件。其中用到了一些工具函数和库，如update_ui、CatchException、report_exception、write_results_to_file等。
+这个程序文件是一个Python模块，文件名为crazy_functions\读文章写摘要.py。该模块包含了两个函数，其中主要函数是"读文章写摘要"函数，其实现了解析给定文件夹中的tex文件，对其中每个文件的内容进行摘要生成，并根据各论文片段的摘要，最终生成全文摘要。第二个函数是"解析Paper"函数，用于解析单篇论文文件。其中用到了一些工具函数和库，如update_ui、CatchException、report_exception、write_results_to_file等。
 
-## [32/48] 请对下面的程序文件做一个概述: crazy_functions\Google_Scholar_Assistant_Legacy.py
+## [32/48] 请对下面的程序文件做一个概述: crazy_functions\谷歌检索小助手.py
 
-该文件是一个Python模块，文件名为“Google_Scholar_Assistant_Legacy.py”。该模块包含两个函数，一个是“get_meta_information()”，用于从提供的网址中分析出所有相关的学术文献的元数据信息；另一个是“Google_Scholar_Assistant_Legacy()”，是主函数，用于分析用户提供的谷歌学术搜索页面中出现的文章，并提取相关信息。其中，“Google_Scholar_Assistant_Legacy()”函数依赖于“get_meta_information()”函数，并调用了其他一些Python模块，如“arxiv”、“math”、“bs4”等。
+该文件是一个Python模块，文件名为“谷歌检索小助手.py”。该模块包含两个函数，一个是“get_meta_information()”，用于从提供的网址中分析出所有相关的学术文献的元数据信息；另一个是“谷歌检索小助手()”，是主函数，用于分析用户提供的谷歌学术搜索页面中出现的文章，并提取相关信息。其中，“谷歌检索小助手()”函数依赖于“get_meta_information()”函数，并调用了其他一些Python模块，如“arxiv”、“math”、“bs4”等。
 
 ## [33/48] 请对下面的程序文件做一个概述: crazy_functions\高级功能函数模板.py
 
@@ -307,7 +307,7 @@ GetGLMHandle 类继承自Process类（多进程），主要功能是启动一个
 这个文件是用于对llm模型进行单元测试的Python程序。程序导入一个名为"request_llms.bridge_newbingfree"的模块，然后三次使用该模块中的predict_no_ui_long_connection()函数进行预测，并输出结果。此外，还有一些注释掉的代码段，这些代码段也是关于模型预测的。
 
 ## 用一张Markdown表格简要描述以下文件的功能：
-check_proxy.py, colorful.py, config.py, config_private.py, core_functional.py, crazy_functional.py, main.py, multi_language.py, theme.py, toolbox.py, crazy_functions\crazy_functions_test.py, crazy_functions\crazy_utils.py, crazy_functions\Latex全文润色.py, crazy_functions\Latex全文翻译.py, crazy_functions\__init__.py, crazy_functions\Arxiv_Downloader.py。根据以上分析，用一句话概括程序的整体功能。
+check_proxy.py, colorful.py, config.py, config_private.py, core_functional.py, crazy_functional.py, main.py, multi_language.py, theme.py, toolbox.py, crazy_functions\crazy_functions_test.py, crazy_functions\crazy_utils.py, crazy_functions\Latex全文润色.py, crazy_functions\Latex全文翻译.py, crazy_functions\__init__.py, crazy_functions\下载arxiv论文翻译摘要.py。根据以上分析，用一句话概括程序的整体功能。
 
 | 文件名 | 功能描述 |
 | ------ | ------ |
@@ -326,40 +326,40 @@ check_proxy.py, colorful.py, config.py, config_private.py, core_functional.py, c
 | crazy_functions\Latex全文润色.py | 对整个 Latex 项目进行润色和纠错 |
 | crazy_functions\Latex全文翻译.py | 对整个 Latex 项目进行翻译 |
 | crazy_functions\__init__.py | 模块初始化文件，标识 `crazy_functions` 是一个包 |
-| crazy_functions\Arxiv_Downloader.py | 下载 `arxiv` 论文的 PDF 文件，并提取摘要和翻译 |
+| crazy_functions\下载arxiv论文翻译摘要.py | 下载 `arxiv` 论文的 PDF 文件，并提取摘要和翻译 |
 
 这些程序源文件提供了基础的文本和语言处理功能、工具函数和高级插件，使 Chatbot 能够处理各种复杂的学术文本问题，包括润色、翻译、搜索、下载、解析等。
 
 ## 用一张Markdown表格简要描述以下文件的功能：
-crazy_functions\代码重写为全英文_多线程.py, crazy_functions\图片生成.py, crazy_functions\Conversation_To_File.py, crazy_functions\Word_Summary.py, crazy_functions\Audio_Summary.py, crazy_functions\Markdown_Translate.py, crazy_functions\PDF_Summary.py, crazy_functions\PDF_Summarypdfminer.py, crazy_functions\PDF_Translate.py, crazy_functions\PDF_QA.py, crazy_functions\Program_Comment_Gen.py, crazy_functions\Internet_GPT_Legacy.py, crazy_functions\SourceCode_Analyse_JupyterNotebook.py, crazy_functions\解析项目源代码.py, crazy_functions\Multi_LLM_Query.py, crazy_functions\Paper_Abstract_Writer.py。根据以上分析，用一句话概括程序的整体功能。
+crazy_functions\代码重写为全英文_多线程.py, crazy_functions\图片生成.py, crazy_functions\Conversation_To_File.py, crazy_functions\总结word文档.py, crazy_functions\总结音视频.py, crazy_functions\Markdown_Translate.py, crazy_functions\批量总结PDF文档.py, crazy_functions\批量总结PDF文档pdfminer.py, crazy_functions\PDF_Translate.py, crazy_functions\理解PDF文档内容.py, crazy_functions\生成函数注释.py, crazy_functions\联网的ChatGPT.py, crazy_functions\解析JupyterNotebook.py, crazy_functions\解析项目源代码.py, crazy_functions\询问多个大语言模型.py, crazy_functions\读文章写摘要.py。根据以上分析，用一句话概括程序的整体功能。
 
 | 文件名 | 功能简述 |
 | --- | --- |
 | 代码重写为全英文_多线程.py | 将Python源代码文件中的中文内容转化为英文 |
 | 图片生成.py | 根据激励文本使用GPT模型生成相应的图像 |
 | Conversation_To_File.py | 将每次对话记录写入Markdown格式的文件中 |
-| Word_Summary.py | 对输入的word文档进行摘要生成 |
-| Audio_Summary.py | 对输入的音视频文件进行摘要生成 |
+| 总结word文档.py | 对输入的word文档进行摘要生成 |
+| 总结音视频.py | 对输入的音视频文件进行摘要生成 |
 | Markdown_Translate.py | 将指定目录下的Markdown文件进行中英文翻译 |
-| PDF_Summary.py | 对PDF文件进行切割和摘要生成 |
-| PDF_Summarypdfminer.py | 对PDF文件进行文本内容的提取和摘要生成 |
+| 批量总结PDF文档.py | 对PDF文件进行切割和摘要生成 |
+| 批量总结PDF文档pdfminer.py | 对PDF文件进行文本内容的提取和摘要生成 |
 | PDF_Translate.py | 将指定目录下的PDF文件进行中英文翻译 |
-| PDF_QA.py | 对PDF文件进行摘要生成和问题解答 |
-| Program_Comment_Gen.py | 自动生成Python函数的注释 |
-| Internet_GPT_Legacy.py | 使用网络爬虫和ChatGPT模型进行聊天回答 |
-| SourceCode_Analyse_JupyterNotebook.py | 对Jupyter Notebook进行代码解析 |
+| 理解PDF文档内容.py | 对PDF文件进行摘要生成和问题解答 |
+| 生成函数注释.py | 自动生成Python函数的注释 |
+| 联网的ChatGPT.py | 使用网络爬虫和ChatGPT模型进行聊天回答 |
+| 解析JupyterNotebook.py | 对Jupyter Notebook进行代码解析 |
 | 解析项目源代码.py | 对指定编程语言的源代码进行解析 |
-| Multi_LLM_Query.py | 使用多个大语言模型对输入进行处理和回复 |
-| Paper_Abstract_Writer.py | 对论文进行解析和全文摘要生成 |
+| 询问多个大语言模型.py | 使用多个大语言模型对输入进行处理和回复 |
+| 读文章写摘要.py | 对论文进行解析和全文摘要生成 |
 
 概括程序的整体功能：提供了一系列处理文本、文件和代码的功能，使用了各类语言模型、多线程、网络请求和数据解析技术来提高效率和精度。
 
 ## 用一张Markdown表格简要描述以下文件的功能：
-crazy_functions\Google_Scholar_Assistant_Legacy.py, crazy_functions\高级功能函数模板.py, request_llms\bridge_all.py, request_llms\bridge_chatglm.py, request_llms\bridge_chatgpt.py, request_llms\bridge_jittorllms_llama.py, request_llms\bridge_jittorllms_pangualpha.py, request_llms\bridge_jittorllms_rwkv.py, request_llms\bridge_moss.py, request_llms\bridge_newbing.py, request_llms\bridge_newbingfree.py, request_llms\bridge_stackclaude.py, request_llms\bridge_tgui.py, request_llms\edge_gpt.py, request_llms\edge_gpt_free.py, request_llms\test_llms.py。根据以上分析，用一句话概括程序的整体功能。
+crazy_functions\谷歌检索小助手.py, crazy_functions\高级功能函数模板.py, request_llms\bridge_all.py, request_llms\bridge_chatglm.py, request_llms\bridge_chatgpt.py, request_llms\bridge_jittorllms_llama.py, request_llms\bridge_jittorllms_pangualpha.py, request_llms\bridge_jittorllms_rwkv.py, request_llms\bridge_moss.py, request_llms\bridge_newbing.py, request_llms\bridge_newbingfree.py, request_llms\bridge_stackclaude.py, request_llms\bridge_tgui.py, request_llms\edge_gpt.py, request_llms\edge_gpt_free.py, request_llms\test_llms.py。根据以上分析，用一句话概括程序的整体功能。
 
 | 文件名 | 功能描述 |
 | --- | --- |
-| crazy_functions\Google_Scholar_Assistant_Legacy.py | 提供谷歌学术搜索页面中相关文章的元数据信息。 |
+| crazy_functions\谷歌检索小助手.py | 提供谷歌学术搜索页面中相关文章的元数据信息。 |
 | crazy_functions\高级功能函数模板.py | 使用Unsplash API发送相关图片以回复用户的输入。 |
 | request_llms\bridge_all.py | 基于不同LLM模型进行对话。 |
 | request_llms\bridge_chatglm.py | 使用ChatGLM模型生成回复，支持单线程和多线程方式。 |

shared_utils/advanced_markdown_format.py

@@ -347,7 +347,7 @@ def markdown_convertion(txt):
 
     # 在文本中插入一个base64编码的原始文本，以便在复制时能够获得原始文本
     raw_text_encoded = compress_string(txt)
-    raw_text_node = f'<div class="raw_text" style="display:none">{raw_text_encoded}</div><div class="message_tail" style="display:none"></div>'
+    raw_text_node = f'<div class="raw_text" style="display:none">{raw_text_encoded}</div><div class="message_tail" style="display:none"/>'
     suf = raw_text_node + "</div>"
 
     # 用于查找数学公式的正则表达式
@@ -407,7 +407,7 @@ def code_block_title_replace_format(match):
 
 
 def get_last_backticks_indent(text):
-    # 从后向前查找最后一个 ```
+    # 从后向前查找最后一个 ``` 
     lines = text.splitlines()
     for line in reversed(lines):
         if '```' in line:

shared_utils/fastapi_stream_server.py

@@ -1,622 +0,0 @@
-"""
-FastAPI WebSocket 流式服务器模块
-
-这个模块实现了一个基于FastAPI的WebSocket服务器，用于处理前端和后端之间的实时双向通信。
-主要功能包括：
-1. 维护WebSocket连接
-2. 处理消息队列
-3. 支持实时和阻塞式消息传输
-4. 提供事件管理机制
-
-主要组件：
-- FutureEvent: 用于事件管理的线程事件类
-- UserInterfaceMsg: 定义前后端通信的消息格式
-- PythonMethod_AsyncConnectionMaintainer_AgentcraftInterface: 连接维护器
-- MasterMindWebSocketServer: WebSocket服务器主类
-"""
-
-import uuid
-import time
-import json
-import platform
-import pickle
-import asyncio
-import threading
-import traceback
-from fastapi.websockets import WebSocketState
-from loguru import logger
-from queue import Queue
-from fastapi import FastAPI, WebSocket, File, UploadFile, Form
-from fastapi.responses import JSONResponse
-from datetime import datetime
-from typing import List, Optional, Any, Union
-from pydantic import BaseModel, Field
-import shutil
-import os
-from enum import auto, Enum
-from typing import List
-from toolbox import ChatBotWithCookies
-import starlette
-
-
-
-class UserInterfaceMsg(BaseModel):
-    """
-    用户界面消息模型，定义了前后端通信的数据结构
-
-    这个类使用Pydantic BaseModel定义了所有可能的消息字段，
-    包括插件功能、输入内容、LLM参数、聊天记录等。
-    """
-    function: str = Field(default="chat", description="使用哪个插件")
-    main_input: str = Field(default="", description="主要输入内容，通常是用户的问题")
-    llm_kwargs: dict = Field(default_factory=dict, description="围绕LLM的各种参数")
-    #     llm_kwargs = {
-    #         "api_key": cookies["api_key"],
-    #         "llm_model": cookies["llm_model"],
-    #         "top_p": 1.0,
-    #         "max_length": None,
-    #         "temperature": 1.0,
-    #         "user_name": "default_user",  # Default user name
-    #     }
-    plugin_kwargs: dict = Field(default_factory=dict, description="围绕该function的各种参数")
-    chatbot: list[list[Union[str|None]]] = Field(default=[], description="聊天记录（给人类看的）。格式为 [ [user_msg, bot_msg], [user_msg_2, bot_msg_2],...]，双层列表，第一层是每一轮对话，第二层是用户和机器人的消息。")
-    chatbot_cookies: dict = Field(default_factory=dict, description="其他新前端涉及的参数")
-    history: list[str] = Field(default=[], description="聊天记录（给模型看的）。单层列表")
-    system_prompt: str = Field(default="", description="系统提示词")
-    user_request: dict = Field(default="", description="用户相关的参数，如用户名")
-    special_kwargs: dict = Field(default_factory=dict, description="其他新前端涉及的参数")
-    special_state: dict = Field(default={}, description="特殊状态传递，例如对话结束。")
-
-TERMINATE_MSG = UserInterfaceMsg(function="TERMINATE", special_state={"stop": True})
-
-def setup_initial_com(initial_msg: UserInterfaceMsg):
-    """
-    设置插件参数
-
-    从初始消息中提取各种参数并构建插件执行所需的参数字典。
-
-    参数:
-        initial_msg: 初始的用户消息
-        chatbot_with_cookies: 带有cookie的聊天机器人实例
-
-    返回:
-        dict: 包含插件执行所需所有参数的字典
-    """
-    from toolbox import get_plugin_default_kwargs
-
-
-    com = get_plugin_default_kwargs()
-    com["main_input"] = initial_msg.main_input
-    # 设置LLM相关参数
-    if initial_msg.llm_kwargs.get('api_key', None):     com["llm_kwargs"]['api_key'] = initial_msg.llm_kwargs.get('api_key')
-    if initial_msg.llm_kwargs.get('llm_model', None):   com["llm_kwargs"]['llm_model'] = initial_msg.llm_kwargs.get('llm_model')
-    if initial_msg.llm_kwargs.get('top_p', None):       com["llm_kwargs"]['top_p'] = initial_msg.llm_kwargs.get('top_p')
-    if initial_msg.llm_kwargs.get('max_length', None):  com["llm_kwargs"]['max_length'] = initial_msg.llm_kwargs.get('max_length')
-    if initial_msg.llm_kwargs.get('temperature', None): com["llm_kwargs"]['temperature'] = initial_msg.llm_kwargs.get('temperature')
-    if initial_msg.llm_kwargs.get('user_name', None):   com["llm_kwargs"]['user_name'] = initial_msg.llm_kwargs.get('user_name')
-    if initial_msg.llm_kwargs.get('embed_model', None): com["llm_kwargs"]['embed_model'] = initial_msg.llm_kwargs.get('embed_model')
-
-    initial_msg.chatbot_cookies.update({
-        'api_key':      com["llm_kwargs"]['api_key'],
-        'top_p':        com["llm_kwargs"]['top_p'],
-        'llm_model':    com["llm_kwargs"]['llm_model'],
-        'embed_model':  com["llm_kwargs"]['embed_model'],
-        'temperature':  com["llm_kwargs"]['temperature'],
-        'user_name':    com["llm_kwargs"]['user_name'],
-        'customize_fn_overwrite': {},
-    })
-    chatbot_with_cookies = ChatBotWithCookies(initial_msg.chatbot_cookies)
-    chatbot_with_cookies.write_list(initial_msg.chatbot)
-    # 设置其他参数
-    com["plugin_kwargs"] = initial_msg.plugin_kwargs
-    com["chatbot_with_cookie"] = chatbot_with_cookies
-    com["history"] = initial_msg.history
-    com["system_prompt"] = initial_msg.system_prompt
-    com["user_request"] = initial_msg.user_request
-
-    return com
-
-
-class DummyRequest(object):
-    def __call__(self, username):
-        self.username = username
-
-
-def task_executor(initial_msg:UserInterfaceMsg, queue_blocking_from_client:asyncio.Queue, queue_back_to_client:asyncio.Queue):
-    """
-        initial_msg: 初始的用户消息 ( <---- begin_contact_websocket_server:initial_message )
-        queue_blocking_from_client: 从客户端接收阻塞消息的队列
-        queue_back_to_client: 发送消息回客户端的队列
-    """
-    from toolbox import get_plugin_handle
-    from toolbox import get_plugin_default_kwargs
-    from toolbox import on_file_uploaded
-
-    def update_ui_websocket(chatbot: List[List[str]], history: List[str], chatbot_cookies: dict, special_state: dict):
-        send_obj = UserInterfaceMsg(chatbot=chatbot, history=history, chatbot_cookies=chatbot_cookies, special_state=special_state)
-        queue_back_to_client.put_nowait(send_obj)
-
-
-    com = setup_initial_com(initial_msg)
-
-    main_input = com["main_input"]
-    plugin_kwargs = com["plugin_kwargs"]
-    chatbot_with_cookies = com["chatbot_with_cookie"]
-    history = com["history"]
-    system_prompt = com["system_prompt"]
-    user_request = com["user_request"]
-    llm_kwargs = com["llm_kwargs"]
-
-
-    # ''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''
-    # ''''''''''''''''''''''''''''''''   调用插件   '''''''''''''''''''''''''''''''''
-    # ''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''
-    # ''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''
-    if initial_msg.function == "chat":
-        plugin = get_plugin_handle("crazy_functions.Chat->Chat")
-        my_working_plugin = (plugin)(**com)
-        for cookies, chatbot, hist_json, msg in my_working_plugin:
-            history = json.loads(hist_json)
-            special_state = {'msg': msg}
-            update_ui_websocket(chatbot=chatbot, history=history, chatbot_cookies=cookies, special_state=special_state) # ----> receive_callback_fn
-
-    if initial_msg.function == "basic":
-        from request_llms.bridge_all import predict
-        additional_fn = initial_msg.special_kwargs.get("core_function")
-        for cookies, chatbot, hist_json, msg in \
-            predict(main_input, llm_kwargs, plugin_kwargs, chatbot_with_cookies, history=history, system_prompt=system_prompt, stream = True, additional_fn=additional_fn):
-            history = json.loads(hist_json)
-            special_state = {'msg': msg}
-            update_ui_websocket(chatbot=chatbot, history=history, chatbot_cookies=cookies, special_state=special_state) # ----> receive_callback_fn
-
-    # ''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''
-    # ''''''''''''''''''''''''''''''''   上传文件   '''''''''''''''''''''''''''''''''
-    # ''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''
-    # ''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''
-    if initial_msg.function == "upload":
-        def wait_upload_done():
-            print('Waiting for file upload to complete...')
-            file_upload_done_msg = queue_blocking_from_client.get()
-            print('file upload complete...')
-            if file_upload_done_msg.function != "upload_done":
-                raise ValueError("Expected 'upload_done' function, got: {}".format(file_upload_done_msg.function))
-            if 'files' not in file_upload_done_msg.special_kwargs:
-                raise ValueError("Expected 'files' in special_kwargs, got: {}".format(file_upload_done_msg.special_kwargs))
-            return file_upload_done_msg.special_kwargs['files']
-
-        request = DummyRequest()
-        request.username = "default_user"
-        chatbot = initial_msg.chatbot
-        history = initial_msg.history
-        chatbot_cookies = initial_msg.chatbot_cookies
-        special_state = {'msg': '等待上传'}
-        chatbot += [[initial_msg.main_input, None]]
-        update_ui_websocket(chatbot=chatbot, history=history, chatbot_cookies=chatbot_cookies, special_state=special_state) # ----> receive_callback_fn
-
-        # 等待上传完成
-        files = wait_upload_done()
-
-        # 读取文件并预览
-        chatbot += [['正在处理', None]]
-        update_ui_websocket(chatbot=chatbot, history=history, chatbot_cookies=chatbot_cookies, special_state=special_state) # ----> receive_callback_fn
-        chatbot, _, _, chatbot_cookies = on_file_uploaded(
-            request=request, files=files, chatbot=chatbot,
-            txt="", txt2="", checkboxes="", cookies=chatbot_cookies
-        )
-        special_state = {'msg': '完成上传'}
-        # 更新前端
-        update_ui_websocket(chatbot=chatbot, history=history, chatbot_cookies=chatbot_cookies, special_state=special_state) # ----> receive_callback_fn
-
-
-
-class FutureEvent(threading.Event):
-    """
-    扩展的线程事件类，用于异步操作的结果获取
-
-    这个类扩展了threading.Event，添加了返回值存储功能，
-    使得可以在事件完成时同时传递结果数据。
-    """
-    def __init__(self) -> None:
-        super().__init__()
-        self.return_value = None
-
-    def terminate(self, return_value):
-        """
-        终止事件并设置返回值
-
-        参数:
-            return_value: 事件完成时要返回的值
-        """
-        self.return_value = return_value
-        self.set()
-
-    def wait_and_get_result(self):
-        """
-        等待事件完成并获取结果
-
-        返回:
-            任意类型: 事件完成时设置的返回值
-        """
-        self.wait()
-        return self.return_value
-
-
-class AtomicQueue:
-
-    def __init__(self):
-        self.queue = Queue()
-
-    def put(self, item):
-        self.queue.put(item)
-
-    def put_nowait(self, item):
-        self.queue.put(item)
-
-    def get(self, timeout=600):
-        while self.queue.empty() and timeout > 0:
-            time.sleep(1)
-            timeout -= 1
-        if timeout <= 0:
-            raise TimeoutError("Queue get operation timed out")
-        return self.queue.get()
-
-
-class PythonMethod_AsyncConnectionMaintainer_AgentcraftInterface():
-    """
-    异步连接维护器接口类
-
-    负责维护WebSocket连接的核心类，处理消息队列的创建和管理，
-    以及维护与客户端的长连接通信。
-    """
-
-    def make_queue(self):
-        """
-        创建消息队列
-
-        创建三个异步队列用于不同类型的消息传输：
-        1. queue_back_to_client: 发送给客户端的消息队列
-        2. queue_realtime_from_client: 实时接收的客户端消息队列
-        3. queue_blocking_from_client: 阻塞式接收的客户端消息队列
-
-        返回:
-            tuple: 包含三个异步队列的元组
-        """
-        queue_back_to_client = asyncio.Queue()
-        queue_realtime_from_client = asyncio.Queue()
-        queue_blocking_from_client = AtomicQueue()
-        terminate_event = asyncio.Event()
-        return queue_back_to_client, queue_realtime_from_client, queue_blocking_from_client, terminate_event
-
-    async def maintain_connection_forever(self, initial_msg: UserInterfaceMsg, websocket: WebSocket, client_id: str):
-        """
-        永久维护WebSocket连接
-
-        处理与客户端的持续连接，包括消息的发送和接收。
-        创建独立的任务处理消息发送和接收，并启动聊天处理线程。
-
-        参数:
-            initial_msg: 初始消息
-            websocket: WebSocket连接对象
-            client_id: 客户端标识符
-        """
-
-        async def wait_message_to_send(queue_back_to_client: asyncio.Queue, terminate_event: asyncio.Event):
-            """
-            等待并发送消息到客户端
-
-            持续监听消息队列，将消息序列化后发送给客户端。
-
-            参数:
-                queue_back_to_client: 发送给客户端的消息队列
-            """
-            # 🕜 wait message to send away -> front end
-            msg_cnt = 0
-            try:
-                while True:
-
-                    ################
-                    # get message and check terminate
-                    while True:
-                        try:
-                            if terminate_event.is_set():
-                                msg = TERMINATE_MSG
-                                break
-                            else:
-                                msg: UserInterfaceMsg = await asyncio.wait_for(queue_back_to_client.get(), timeout=0.25)
-                                break
-                        except asyncio.TimeoutError:
-                            continue  # 继续检查条件
-                    if msg.function == TERMINATE_MSG.function:
-                        logger.info("Received terminate message, skip this message and stopping wait_message_to_send.")
-                        break
-                    ################
-
-
-                    msg_cnt += 1
-                    if websocket.application_state != WebSocketState.CONNECTED:
-                        break
-                    msg.special_kwargs['uuid'] = uuid.uuid4().hex
-                    print(msg)
-                    await websocket.send_bytes(msg.model_dump_json())
-            except Exception as e:
-                logger.exception(f"Error in wait_message_to_send: {e}")
-                raise e
-
-        async def receive_forever(queue_realtime_from_client: asyncio.Queue, queue_blocking_from_client: asyncio.Queue, queue_back_to_client: asyncio.Queue, terminate_event: asyncio.Event):
-            """
-            永久接收客户端消息
-
-            持续监听WebSocket连接，接收客户端消息并根据消息类型分发到不同队列。
-
-            参数:
-                queue_realtime_from_client: 实时消息队列
-                queue_blocking_from_client: 阻塞消息队列
-                queue_back_to_client: 发送回客户端的消息队列
-            """
-            # 🕜 keep listening traffic <- front end
-            msg_cnt:int = 0
-            try:
-                while True:
-                    ################
-                    # get message and check terminate
-                    while True:
-                        try:
-                            if terminate_event.is_set():
-                                msg = TERMINATE_MSG
-                                break
-                            else:
-                                message = await asyncio.wait_for(websocket.receive_text(), timeout=0.25)
-                                msg: UserInterfaceMsg = UserInterfaceMsg.model_validate_json(message)
-                                break
-                        except asyncio.TimeoutError:
-                            continue  # 继续检查条件
-                    if msg.function == TERMINATE_MSG.function:
-                        logger.info("Received terminate message, stopping receive_forever")
-                        break
-                    ################
-                    msg_cnt += 1
-                    logger.info(f"Received message {msg_cnt}: {msg}")
-                    queue_blocking_from_client.put_nowait(msg)
-
-
-            except Exception as e:
-                logger.exception(f"Error in receive_forever: {e}")
-                raise e
-
-        queue_back_to_client, queue_realtime_from_client, queue_blocking_from_client, terminate_event = self.make_queue()
-
-        def terminate_callback():
-            terminate_event.set()
-
-        def ensure_last_message_sent(queue_back_to_client):
-            """
-            确保最后一条消息被发送到客户端
-            """
-            queue_back_to_client.put_nowait(TERMINATE_MSG)
-            tic = time.time()
-            termination_timeout = 5  # seconds
-            while not queue_back_to_client.empty():
-                time.sleep(0.25)
-                if queue_back_to_client.empty():
-                    break
-                if time.time() - tic > termination_timeout:
-                    break
-
-        def task_wrapper(func):
-            def wrapper(*args, **kwargs):
-                res = func(*args, **kwargs)
-                ensure_last_message_sent(queue_back_to_client)
-                terminate_callback()
-                return res
-            return wrapper
-
-        t_x = asyncio.create_task(wait_message_to_send(queue_back_to_client, terminate_event))
-        t_r = asyncio.create_task(receive_forever(queue_realtime_from_client, queue_blocking_from_client, queue_back_to_client, terminate_event))
-        task_thread = threading.Thread(target=task_wrapper(task_executor), args=(initial_msg, queue_blocking_from_client, queue_back_to_client), daemon=True)
-        task_thread.start()
-
-        await t_x
-        await t_r
-        await websocket.close()
-
-
-
-class MasterMindWebSocketServer(PythonMethod_AsyncConnectionMaintainer_AgentcraftInterface):
-    """
-    WebSocket服务器主类
-
-    继承自异步连接维护器接口，实现了完整的WebSocket服务器功能。
-    负责处理客户端连接、事件管理和消息路由。
-    """
-
-    def __init__(self, host, port) -> None:
-        """
-        初始化WebSocket服务器
-
-        参数:
-            host: 服务器主机地址
-            port: 服务器端口号
-        """
-        self.websocket_connections = {}
-        self.agentcraft_interface_websocket_connections = {}
-        self._event_hub = {}
-        self.host= host
-        self.port = port
-        pass
-
-    def create_event(self, event_name: str):
-        """
-        创建一个新的事件
-
-        参数:
-            event_name: 事件名称
-
-        返回:
-            FutureEvent: 新创建的事件对象
-        """
-        self._event_hub[event_name] = FutureEvent()
-        return self._event_hub[event_name]
-
-    def terminate_event(self, event_name: str, msg:UserInterfaceMsg):
-        """
-        终止指定的事件并设置返回消息
-
-        参数:
-            event_name: 要终止的事件名称
-            msg: 要返回的用户界面消息
-        """
-        self._event_hub[event_name].terminate(return_value = msg)
-        return
-
-    async def long_task_01_wait_incoming_connection(self):
-        """
-        等待传入连接的长期任务
-
-        启动FastAPI服务器并等待WebSocket连接。
-        处理新的连接请求，建立WebSocket通信。
-        """
-        # task 1 wait incoming agent connection
-        logger.info("task 1 wait incoming agent connection")
-
-        async def launch_websocket_server():
-            """
-            启动WebSocket服务器
-
-            创建FastAPI应用并配置WebSocket路由，
-            设置服务器参数并启动uvicorn服务器。
-            """
-            app = FastAPI()
-
-            class UserInput(BaseModel):
-                main_input: str
-            @app.post("/predict_user_input")
-            async def predict_user_input(main_input: UserInput):
-                def predict_future_input(main_input):
-                    from request_llms.bridge_all import predict_no_ui_long_connection
-                    from toolbox import get_plugin_default_kwargs
-                    from textwrap import dedent
-                    com = get_plugin_default_kwargs()
-                    llm_kwargs = com['llm_kwargs']
-                    llm_kwargs['llm_model'] = 'one-api-glm-4-flash'
-                    completion_system_prompt = dedent("""Predict the next input that the user might type.
-                    1. Do not repeat the <current_input>. The <future_input> should be a continuation of <current_input>.
-                    2. Use same language as the input.
-                    3. Do not predict too far ahead.
-                    4. Use punctuation when needed. Sometimes <future_input> has to begin with some punctuation.
-
-                    Example:
-                    <current_input>北京发布暴</current_input>
-                    <future_input>雨红色预警</future_input>
-
-                    <current_input>世界是你们的，也是我们</current_input>
-                    <future_input>的，但是归根结底是你们的</future_input>
-
-                    <current_input>多年以后，面对行刑队</current_input>
-                    <future_input>，奥雷里亚诺·布恩迪亚上校将会回想起父亲带他去见识冰块的那个遥远的下午。</future_input>
-
-                    Format:
-                    <future_input>... the predicted input ...</future_input>
-                    """)
-                    main_input = "<current_input>" + main_input + "</current_input>"
-                    result = predict_no_ui_long_connection(
-                        inputs=main_input, llm_kwargs=llm_kwargs, sys_prompt=completion_system_prompt, history=[], console_silence=True
-                    )
-                    print(result)
-                    if "<future_input>" not in result or "</future_input>" not in result:
-                        raise ValueError("The response does not contain the expected future input format.")
-                    result = result.split("<future_input>")[-1].split("</future_input>")[0].strip()
-                    return result
-
-                return JSONResponse(content={'future':predict_future_input(main_input.main_input)})
-
-            @app.post("/core_functional")
-            async def core_functional():
-                import core_functional, importlib
-                importlib.reload(core_functional)    # 热更新prompt
-                core_functionals = core_functional.get_core_functions()
-                for k in list(core_functionals.keys()):
-                    v = core_functionals[k]
-                    # remove PreProcess if any
-                    if "PreProcess" in v:
-                        v.pop("PreProcess")
-                    if "Visible" in v and not v["Visible"]:
-                        core_functionals.pop(k)
-                return JSONResponse(content=core_functionals)
-
-            @app.post("/upload")
-            async def upload_files(files: List[UploadFile] = File(...)):
-                """上传文件接口，支持多文件上传并显示进度"""
-                from toolbox import on_file_uploaded
-                results = []
-                upload_dir = "uploads"
-
-                # 确保上传目录存在
-                if not os.path.exists(upload_dir):
-                    os.makedirs(upload_dir)
-
-                for file in files:
-                    try:
-                        # 构建文件保存路径
-                        file_path = os.path.join(upload_dir, file.filename)
-                        total_size = 0
-                        processed_size = 0
-
-                        # 分块读取并保存文件，同时计算进度
-                        with open(file_path, "wb") as buffer:
-                            while chunk := await file.read(8192):  # 8KB chunks
-                                buffer.write(chunk)
-                                processed_size += len(chunk)
-                                if file.size:  # 如果文件大小可用
-                                    progress = (processed_size / file.size) * 100
-                                    logger.info(f"Uploading {file.filename}: {progress:.2f}%")
-
-                        results.append({
-                            "filename": file.filename,
-                            "size": processed_size,
-                            "status": "success",
-                            "path": file_path
-                        })
-                    except Exception as e:
-                        results.append({
-                            "filename": file.filename,
-                            "status": "error",
-                            "error": str(e)
-                        })
-                        logger.error(f"Error uploading {file.filename}: {str(e)}")
-
-                return JSONResponse(content={
-                    "message": "Files uploaded successfully",
-                    "files": results
-                })
-
-            @app.websocket("/main")
-            async def main(websocket: WebSocket):
-                """
-                WebSocket连接的主处理函数
-
-                处理新的WebSocket连接请求，接收初始消息并建立持久连接。
-
-                参数:
-                    websocket: WebSocket连接对象
-                """
-                try:
-                    await websocket.accept()
-                    logger.info(f"WebSocket connection established: {websocket.client.host}:{websocket.client.port}")
-                    msg: UserInterfaceMsg = UserInterfaceMsg.model_validate_json(await websocket.receive_text())
-                    logger.info(msg)
-                    await self.maintain_connection_forever(msg, websocket, "client_id")
-                except:
-                    logger.exception("Error in WebSocket connection handler")
-                    await websocket.close()
-            import uvicorn
-            config = uvicorn.Config(app, host=self.host, port=self.port, log_level="error", ws_ping_interval=300, ws_ping_timeout=600)
-            server = uvicorn.Server(config)
-            logger.info(f"uvicorn begin, serving at ws://{self.host}:{self.port}/main")
-            await server.serve()
-
-        await launch_websocket_server()
-        logger.info("uvicorn terminated")
-
-if __name__ == "__main__":
-    mmwss = MasterMindWebSocketServer(host="0.0.0.0", port=38000)
-    asyncio.run(mmwss.long_task_01_wait_incoming_connection())

tests/test_academic_conversation.py

@@ -12,7 +12,7 @@ if __name__ == "__main__":
 
     # plugin_test(plugin='crazy_functions.Internet_GPT->连接网络回答问题', main_input="谁是应急食品？")
 
-    # plugin_test(plugin='crazy_functions.Dynamic_Function_Generate->Dynamic_Function_Generate', main_input='交换图像的蓝色通道和红色通道', advanced_arg={"file_path_arg": "./build/ants.jpg"})
+    # plugin_test(plugin='crazy_functions.函数动态生成->函数动态生成', main_input='交换图像的蓝色通道和红色通道', advanced_arg={"file_path_arg": "./build/ants.jpg"})
 
     # plugin_test(plugin='crazy_functions.Latex_Function->Latex翻译中文并重新编译PDF', main_input="2307.07522")
 
@@ -23,13 +23,13 @@ if __name__ == "__main__":
     #     main_input="G:/SEAFILE_LOCAL/50503047/我的资料库/学位/paperlatex/aaai/Fu_8368_with_appendix",
     # )
 
-    # plugin_test(plugin='crazy_functions.Void_Terminal->Void_Terminal', main_input='修改api-key为sk-jhoejriotherjep')
+    # plugin_test(plugin='crazy_functions.虚空终端->虚空终端', main_input='修改api-key为sk-jhoejriotherjep')
 
-    # plugin_test(plugin='crazy_functions.PDF_Translate_Nougat->批量翻译PDF文档', main_input='crazy_functions/test_project/pdf_and_word/aaai.pdf')
+    # plugin_test(plugin='crazy_functions.批量翻译PDF文档_NOUGAT->批量翻译PDF文档', main_input='crazy_functions/test_project/pdf_and_word/aaai.pdf')
 
-    # plugin_test(plugin='crazy_functions.Void_Terminal->Void_Terminal', main_input='调用插件，对C:/Users/fuqingxu/Desktop/旧文件/gpt/chatgpt_academic/crazy_functions/latex_fns中的python文件进行解析')
+    # plugin_test(plugin='crazy_functions.虚空终端->虚空终端', main_input='调用插件，对C:/Users/fuqingxu/Desktop/旧文件/gpt/chatgpt_academic/crazy_functions/latex_fns中的python文件进行解析')
 
-    # plugin_test(plugin='crazy_functions.Commandline_Assistant->Commandline_Assistant', main_input='查看当前的docker容器列表')
+    # plugin_test(plugin='crazy_functions.命令行助手->命令行助手', main_input='查看当前的docker容器列表')
 
     # plugin_test(plugin='crazy_functions.SourceCode_Analyse->解析一个Python项目', main_input="crazy_functions/test_project/python/dqn")
 
@@ -41,15 +41,15 @@ if __name__ == "__main__":
 
     # plugin_test(plugin='crazy_functions.PDF_Translate->批量翻译PDF文档', main_input='crazy_functions/test_project/pdf_and_word/aaai.pdf')
 
-    # plugin_test(plugin='crazy_functions.Google_Scholar_Assistant_Legacy->Google_Scholar_Assistant_Legacy', main_input="https://scholar.google.com/scholar?hl=en&as_sdt=0%2C5&q=auto+reinforcement+learning&btnG=")
+    # plugin_test(plugin='crazy_functions.谷歌检索小助手->谷歌检索小助手', main_input="https://scholar.google.com/scholar?hl=en&as_sdt=0%2C5&q=auto+reinforcement+learning&btnG=")
 
-    # plugin_test(plugin='crazy_functions.Word_Summary->Word_Summary', main_input="crazy_functions/test_project/pdf_and_word")
+    # plugin_test(plugin='crazy_functions.总结word文档->总结word文档', main_input="crazy_functions/test_project/pdf_and_word")
 
-    # plugin_test(plugin='crazy_functions.Arxiv_Downloader->下载arxiv论文并翻译摘要', main_input="1812.10695")
+    # plugin_test(plugin='crazy_functions.下载arxiv论文翻译摘要->下载arxiv论文并翻译摘要', main_input="1812.10695")
 
-    # plugin_test(plugin='crazy_functions.SourceCode_Analyse_JupyterNotebook->解析ipynb文件', main_input="crazy_functions/test_samples")
+    # plugin_test(plugin='crazy_functions.解析JupyterNotebook->解析ipynb文件', main_input="crazy_functions/test_samples")
 
-    # plugin_test(plugin='crazy_functions.Math_Animation_Gen->动画生成', main_input="A ball split into 2, and then split into 4, and finally split into 8.")
+    # plugin_test(plugin='crazy_functions.数学动画生成manim->动画生成', main_input="A ball split into 2, and then split into 4, and finally split into 8.")
 
     # for lang in ["English", "French", "Japanese", "Korean", "Russian", "Italian", "German", "Portuguese", "Arabic"]:
     #     plugin_test(plugin='crazy_functions.Markdown_Translate->Markdown翻译指定语言', main_input="README.md", advanced_arg={"advanced_arg": lang})

tests/test_anim_gen.py

@@ -9,4 +9,4 @@ import os, sys
 if __name__ == "__main__":
     from test_utils import plugin_test
 
-    plugin_test(plugin='crazy_functions.Math_Animation_Gen->动画生成', main_input="A point moving along function culve y=sin(x), starting from x=0 and stop at x=4*\pi.")
+    plugin_test(plugin='crazy_functions.数学动画生成manim->动画生成', main_input="A point moving along function culve y=sin(x), starting from x=0 and stop at x=4*\pi.")

tests/test_media.py

@@ -13,7 +13,7 @@ if __name__ == "__main__":
 
     # plugin_test(plugin='crazy_functions.Internet_GPT->连接网络回答问题', main_input="谁是应急食品？")
 
-    # plugin_test(plugin='crazy_functions.Dynamic_Function_Generate->Dynamic_Function_Generate', main_input='交换图像的蓝色通道和红色通道', advanced_arg={"file_path_arg": "./build/ants.jpg"})
+    # plugin_test(plugin='crazy_functions.函数动态生成->函数动态生成', main_input='交换图像的蓝色通道和红色通道', advanced_arg={"file_path_arg": "./build/ants.jpg"})
 
     # plugin_test(plugin='crazy_functions.Latex_Function->Latex翻译中文并重新编译PDF', main_input="2307.07522")
 
@@ -24,13 +24,13 @@ if __name__ == "__main__":
     #     main_input="G:/SEAFILE_LOCAL/50503047/我的资料库/学位/paperlatex/aaai/Fu_8368_with_appendix",
     # )
 
-    # plugin_test(plugin='crazy_functions.Void_Terminal->Void_Terminal', main_input='修改api-key为sk-jhoejriotherjep')
+    # plugin_test(plugin='crazy_functions.虚空终端->虚空终端', main_input='修改api-key为sk-jhoejriotherjep')
 
-    # plugin_test(plugin='crazy_functions.PDF_Translate_Nougat->批量翻译PDF文档', main_input='crazy_functions/test_project/pdf_and_word/aaai.pdf')
+    # plugin_test(plugin='crazy_functions.批量翻译PDF文档_NOUGAT->批量翻译PDF文档', main_input='crazy_functions/test_project/pdf_and_word/aaai.pdf')
 
-    # plugin_test(plugin='crazy_functions.Void_Terminal->Void_Terminal', main_input='调用插件，对C:/Users/fuqingxu/Desktop/旧文件/gpt/chatgpt_academic/crazy_functions/latex_fns中的python文件进行解析')
+    # plugin_test(plugin='crazy_functions.虚空终端->虚空终端', main_input='调用插件，对C:/Users/fuqingxu/Desktop/旧文件/gpt/chatgpt_academic/crazy_functions/latex_fns中的python文件进行解析')
 
-    # plugin_test(plugin='crazy_functions.Commandline_Assistant->Commandline_Assistant', main_input='查看当前的docker容器列表')
+    # plugin_test(plugin='crazy_functions.命令行助手->命令行助手', main_input='查看当前的docker容器列表')
 
     # plugin_test(plugin='crazy_functions.SourceCode_Analyse->解析一个Python项目', main_input="crazy_functions/test_project/python/dqn")
 
@@ -42,15 +42,15 @@ if __name__ == "__main__":
 
     # plugin_test(plugin='crazy_functions.PDF_Translate->批量翻译PDF文档', main_input='crazy_functions/test_project/pdf_and_word/aaai.pdf')
 
-    # plugin_test(plugin='crazy_functions.Google_Scholar_Assistant_Legacy->Google_Scholar_Assistant_Legacy', main_input="https://scholar.google.com/scholar?hl=en&as_sdt=0%2C5&q=auto+reinforcement+learning&btnG=")
+    # plugin_test(plugin='crazy_functions.谷歌检索小助手->谷歌检索小助手', main_input="https://scholar.google.com/scholar?hl=en&as_sdt=0%2C5&q=auto+reinforcement+learning&btnG=")
 
-    # plugin_test(plugin='crazy_functions.Word_Summary->Word_Summary', main_input="crazy_functions/test_project/pdf_and_word")
+    # plugin_test(plugin='crazy_functions.总结word文档->总结word文档', main_input="crazy_functions/test_project/pdf_and_word")
 
-    # plugin_test(plugin='crazy_functions.Arxiv_Downloader->下载arxiv论文并翻译摘要', main_input="1812.10695")
+    # plugin_test(plugin='crazy_functions.下载arxiv论文翻译摘要->下载arxiv论文并翻译摘要', main_input="1812.10695")
 
-    # plugin_test(plugin='crazy_functions.SourceCode_Analyse_JupyterNotebook->解析ipynb文件', main_input="crazy_functions/test_samples")
+    # plugin_test(plugin='crazy_functions.解析JupyterNotebook->解析ipynb文件', main_input="crazy_functions/test_samples")
 
-    # plugin_test(plugin='crazy_functions.Math_Animation_Gen->动画生成', main_input="A ball split into 2, and then split into 4, and finally split into 8.")
+    # plugin_test(plugin='crazy_functions.数学动画生成manim->动画生成', main_input="A ball split into 2, and then split into 4, and finally split into 8.")
 
     # for lang in ["English", "French", "Japanese", "Korean", "Russian", "Italian", "German", "Portuguese", "Arabic"]:
     #     plugin_test(plugin='crazy_functions.Markdown_Translate->Markdown翻译指定语言', main_input="README.md", advanced_arg={"advanced_arg": lang})

tests/test_plugins.py

@@ -13,7 +13,7 @@ if __name__ == "__main__":
 
     # plugin_test(plugin='crazy_functions.Internet_GPT->连接网络回答问题', main_input="谁是应急食品？")
 
-    # plugin_test(plugin='crazy_functions.Dynamic_Function_Generate->Dynamic_Function_Generate', main_input='交换图像的蓝色通道和红色通道', advanced_arg={"file_path_arg": "./build/ants.jpg"})
+    # plugin_test(plugin='crazy_functions.函数动态生成->函数动态生成', main_input='交换图像的蓝色通道和红色通道', advanced_arg={"file_path_arg": "./build/ants.jpg"})
 
     # plugin_test(plugin='crazy_functions.Latex_Function->Latex翻译中文并重新编译PDF', main_input="2307.07522")
 
@@ -24,13 +24,13 @@ if __name__ == "__main__":
     #     main_input="G:/SEAFILE_LOCAL/50503047/我的资料库/学位/paperlatex/aaai/Fu_8368_with_appendix",
     # )
 
-    # plugin_test(plugin='crazy_functions.Void_Terminal->Void_Terminal', main_input='修改api-key为sk-jhoejriotherjep')
+    # plugin_test(plugin='crazy_functions.虚空终端->虚空终端', main_input='修改api-key为sk-jhoejriotherjep')
 
-    # plugin_test(plugin='crazy_functions.PDF_Translate_Nougat->批量翻译PDF文档', main_input='crazy_functions/test_project/pdf_and_word/aaai.pdf')
+    # plugin_test(plugin='crazy_functions.批量翻译PDF文档_NOUGAT->批量翻译PDF文档', main_input='crazy_functions/test_project/pdf_and_word/aaai.pdf')
 
-    # plugin_test(plugin='crazy_functions.Void_Terminal->Void_Terminal', main_input='调用插件，对C:/Users/fuqingxu/Desktop/旧文件/gpt/chatgpt_academic/crazy_functions/latex_fns中的python文件进行解析')
+    # plugin_test(plugin='crazy_functions.虚空终端->虚空终端', main_input='调用插件，对C:/Users/fuqingxu/Desktop/旧文件/gpt/chatgpt_academic/crazy_functions/latex_fns中的python文件进行解析')
 
-    # plugin_test(plugin='crazy_functions.Commandline_Assistant->Commandline_Assistant', main_input='查看当前的docker容器列表')
+    # plugin_test(plugin='crazy_functions.命令行助手->命令行助手', main_input='查看当前的docker容器列表')
 
     # plugin_test(plugin='crazy_functions.SourceCode_Analyse->解析一个Python项目', main_input="crazy_functions/test_project/python/dqn")
 
@@ -42,15 +42,15 @@ if __name__ == "__main__":
 
     # plugin_test(plugin='crazy_functions.PDF_Translate->批量翻译PDF文档', main_input='crazy_functions/test_project/pdf_and_word/aaai.pdf')
 
-    # plugin_test(plugin='crazy_functions.Google_Scholar_Assistant_Legacy->Google_Scholar_Assistant_Legacy', main_input="https://scholar.google.com/scholar?hl=en&as_sdt=0%2C5&q=auto+reinforcement+learning&btnG=")
+    # plugin_test(plugin='crazy_functions.谷歌检索小助手->谷歌检索小助手', main_input="https://scholar.google.com/scholar?hl=en&as_sdt=0%2C5&q=auto+reinforcement+learning&btnG=")
 
-    # plugin_test(plugin='crazy_functions.Word_Summary->Word_Summary', main_input="crazy_functions/test_project/pdf_and_word")
+    # plugin_test(plugin='crazy_functions.总结word文档->总结word文档', main_input="crazy_functions/test_project/pdf_and_word")
 
-    # plugin_test(plugin='crazy_functions.Arxiv_Downloader->下载arxiv论文并翻译摘要', main_input="1812.10695")
+    # plugin_test(plugin='crazy_functions.下载arxiv论文翻译摘要->下载arxiv论文并翻译摘要', main_input="1812.10695")
 
-    # plugin_test(plugin='crazy_functions.SourceCode_Analyse_JupyterNotebook->解析ipynb文件', main_input="crazy_functions/test_samples")
+    # plugin_test(plugin='crazy_functions.解析JupyterNotebook->解析ipynb文件', main_input="crazy_functions/test_samples")
 
-    # plugin_test(plugin='crazy_functions.Math_Animation_Gen->动画生成', main_input="A ball split into 2, and then split into 4, and finally split into 8.")
+    # plugin_test(plugin='crazy_functions.数学动画生成manim->动画生成', main_input="A ball split into 2, and then split into 4, and finally split into 8.")
 
     # for lang in ["English", "French", "Japanese", "Korean", "Russian", "Italian", "German", "Portuguese", "Arabic"]:
     #     plugin_test(plugin='crazy_functions.Markdown_Translate->Markdown翻译指定语言', main_input="README.md", advanced_arg={"advanced_arg": lang})

tests/test_vector_plugins.py

@@ -18,11 +18,11 @@ validate_path()  # 返回项目根路径
 if __name__ == "__main__":
     from tests.test_utils import plugin_test
 
-    plugin_test(plugin="crazy_functions.Vectorstore_QA->知识库文件注入", main_input="./README.md")
+    plugin_test(plugin="crazy_functions.知识库问答->知识库文件注入", main_input="./README.md")
 
     plugin_test(
-        plugin="crazy_functions.Vectorstore_QA->读取知识库作答",
+        plugin="crazy_functions.知识库问答->读取知识库作答",
         main_input="What is the installation method？",
     )
 
-    plugin_test(plugin="crazy_functions.Vectorstore_QA->读取知识库作答", main_input="远程云服务器部署？")
+    plugin_test(plugin="crazy_functions.知识库问答->读取知识库作答", main_input="远程云服务器部署？")

version

@@ -1,5 +1,5 @@
 {
-  "version": 4.00,
+  "version": 3.93,
   "show_feature": true,
-  "new_feature": "优化文件对话使用逻辑 <-> 新增速读论文"
+  "new_feature": "支持deepseek-reason(r1) <-> 字体和字体大小自定义 <-> 优化前端并修复TTS的BUG <-> 添加时间线回溯功能 <-> 支持chatgpt-4o-latest <-> 增加RAG组件 <-> 升级多合一主提交键"
 }