Home

Awesome

Awada 1.x 来啦！

Awada 0.x 版本已经停止维护，如您想继续使用基于 pocketbase 的新闻列表式界面（仅列表，无 RAG 相关功能），请下载 V0.x 的 Release

Awada - 团队知识助理智能体

Awada 是一个基于微信场景的团队知识助理智能体。它可以从群聊、公众号、网站等来源中进行在线自主学习（同时也接受自主文档上传），打造团队私域知识库，并为团队成员提供问答、资料查找以及写作（Word）服务。

宣传视频： Youtube Bilibili

功能与特性

目前已经实现的效果截图

在线自主学习

<img alt="scope" src="asset/online_learning.png" width="960"/>

知识问答、资料查找

<img alt="scope" src="asset/qa_find.jpg" width="960"/>

写作

<img alt="scope" src="asset/rewrite.jpg" width="960"/>

每日简报

<img alt="scope" src="asset/daily_report.png" width="960"/>

声明

任何对本项目代码的使用、阅读、拷贝、修改、分发以及整合都被视为完全阅读并理解、接受如下各项声明，并且以上行为的所有后果均为使用者本人承担，与awada、wiseflow项目作者、贡献者、运营者无关！

部署流程（getting started）

1、硬件以及操作系统准备

硬件配置推荐

2、LLM服务配置

2.1 使用在线的 MaaS 服务

推荐使用 Siliconflow 提供的在线 MaaS 服务，主流的开源模型基本都有，且价格在主流平台中基本是最便宜的，速度也相对较快，敏感词过滤也相对宽松。

使用 SF 提供的“Qwen/Qwen2.5-7B-Instruct”模型即可以实现基础的效果，SF平台目前对该款模型提供免费推理服务，如果并发比较大的话，可以使用 “Pro/Qwen/Qwen2.5-7B-Instruct” （￥0.35/1000 tokens）。

😄 如果您愿意，可以使用我的siliconflow邀请链接，你我都将获得2000万Tokens奖励 😄

注册好账号，并成功获得 API Key 后，更新 run_all.sh 文件中的如下两项：

LLM_API_BASE='https://api.siliconflow.cn/v1'
LLM_API_KEY='your_api_key'

2.2 使用由 AiHubMix 提供的gpt-4o API三方转发服务

针对有需求使用openai系列模型的用户，可以尝试第三方代理 AiHubMix，支持国内网络环境直连、支付宝充值（实际费率相当于官网86折）

🌹 欢迎使用如下邀请链接 AiHubMix邀请链接 注册 🌹

同样，注册好账号，并成功获得 API Key 后，更新 run_all.sh 文件中的如下两项：

LLM_API_BASE='https://aihubmix.com'
LLM_API_KEY='your_api_key'

<span style="color:red;">注意：awada的 LLM wrapper实际上是基于 openai SDK 的，所以事实上任何使用 openai API消息格式的 LLM 服务都可以通过配置 run_all.sh 文件中的 LLM_API_BASE 和 LLM_API_KEY 来使用。</span>

2.3 使用本地 LLM 服务

如需在本地部署 LLM 服务，推荐使用 Xinference，支持大多数主流开源模型，且内置 vLLM llama.cpp等高效推理引擎，支持苹果M系列芯片以及华为昇腾的 NPU， 支持一键下载模型文件，默认下载源为 modelscope，对国内网络环境友好。甚至也支持 lora 微调和加载，所以即便你有微调的需求，也可以使用。

以下以 X86 架构的 Linux 系统为例，示意如何安装 Xinference 并启动本地 LLM 服务（其他架构的系统请参考官方文档）：

conda create -n xinference python=3.10
conda activate xinference
pip install "xinference[vllm]"

（建议使用 conda 创建虚拟环境后再安装使用，另外我们这里只是用 vllm，如果想使用transformers或者 llama.cpp，请参考官方文档）

之后，启动本地 LLM 服务，可以直接使用本目录下的 start_local_llm.sh 脚本：

chmod +x start_local_llm.sh # 赋予执行权限，仅第一次需要
./start_local_llm.sh

（这个脚本使用 qwen2.5-7b-8bit 模型，全部启动后会占用至少17b 显存，如果需要使用其他模型，请修改脚本内容，第一次运行时会自动下载模型文件，耐心等待即可）

成功启动后，更新 run_all.sh 文件中的如下两项：

LLM_API_BASE='http://127.0.0.1:9997'
# LLM_API_KEY='' 本地服务无需这一项，请注释掉或删除

3、Qanything 配置

对于 linux/MacOS 用户，直接使用 Qanything 的 docker 镜像即可，windows 用户理论上也可以，但会有很多莫名其妙的问题，具体请参考 Qanything 的官方文档。

以下以 Ubuntu 22.04 LTS 为例，示意如何安装 Qanything 的 docker 镜像：

首先Qanything使用 Onnx 在 CPU 上运行 Ebedding 和 rerank 模型，比较吃内存，建议这里先调整下系统的 swap 文件大小：

sudo fallocate -l 16G /swapfile
sudo chmod 600 /swapfile
sudo mkswap /swapfile
sudo swapon /swapfile

docker的安装这里不再赘述，请参考官方文档。

装好docker 后首先配置 docker 的 daemon.json 文件（国内网络环境需要）

打开 /etc/docker/daemon.json 文件，添加如下内容：

{
  "registry-mirrors": ["https://registry.docker-cn.com","https://registry.dockermirror.com", "https://docker.nju.edu.cn", "http://hub-mirror.c.163.com", "https://mirror.baidubce.com", "https://ccr.ccs.tencentyun.com","https://dockerproxy.com", "http://mirrors.ustc.edu.cn/"]
}

之后在 ~ 下依次执行如下命令：

git clone https://github.com/netease-youdao/QAnything.git
cd QAnything
docker compose -f docker-compose-linux.yaml up -d

(Note) If the startup fails, you can try changing docker compose to docker-compose.

第一次使用会从网上拉取所需的 docker 镜像，耐心等待即可。

不要更改 Qanything 的服务端口等，这部分代码我是写死的，如果要更改的话，请修改 llms/qanything.py。

另外也不要更改 Qanything 代码仓的默认位置，如果你一定要这样做，记得更新 run_all.sh 文件中的如下项：

# export QANYTHING_LOCATION='/home/dsw'

额外说一句，Qanything 的 docker 配置文件和 entrypoint.sh 文件是我见过的开源项目中写的最好的，强烈推荐大家学习。

但是它的 logs 策略太啰嗦了，有能力的同学可以修改下 qanything_kernel/utils/custom_log.py 中 debug_log insert_log 为 WARNING 级别。默认的级别把报错信息都淹没了，虽然对于理解这个项目的运行机制很有帮助。

4、 wxbot 配置

awada 项目目前使用的 wxbot 方案来自大神jwping的 wxbot 项目，感谢大神的无私分享！

{ "addr": "0.0.0.0:8066" }

这样之后就可以直接双击 wxbot-sidecar.exe 启动，启动成功后会自动拉起微信 PC 客户端（如果未拉起，请手动打开微信 PC 客户端），此时使用作为 bot 账号的微信扫码登录即可。

注意：可以选择“自动登录该设备”，但不要选择“同步最近消息”，否则会导致程序批量处理近期消息，进而批量回复，轻则导致进程阻塞，重则导致微信账号触发风控。

<span style="color:red;">声明：awada项目目前不涉及，也永远不会涉及任何对微信客户端的破解，逆向等，我们充分尊重并严格遵守微信的各项协议以及腾讯公司的知识产权，也请广大用户知悉。</span>

4.1 企业微信配置（可选）

Awada 项目除支持个人微信外，也支持企业微信，企业微信接入方案来自国内 RPA 领导者 句子互动 提供的 workpro 搭配 wechaty 框架。

具体请参考wechaty/README.md

注意：个微和企微配置一个即可，但是你也可以选择两个同时配置，分别提供学习、问答、写作等服务。

目前实际应用效果：句子互动提供的企业微信接入更加稳定，且自带语音转文字功能，但是因为企业微信的限制，无法关注公众号，得不到公众号消息（不影响从群聊中学习）。

5、启动awada程序

<span style="color:orange;">都看到这了，还不给本项目点个star？↗</span>

建议使用conda创建虚拟环境

git clone git@github.com:TeamWiseFlow/awada.git
cd awada
conda create -n awada python=3.10
conda activate awada

pip install -r requirements.txt
chmod +x run_all.sh # 赋予执行权限，仅第一次需要
./run_all.sh

注：最后一步也可以按需只启动主服务（run.sh），微信信息接口程序（run_weixin.sh）或者定时任务（run_tasks.sh）。但记得每一个脚本中都要配置环境变量，另外主服务是另两个的依赖，需要先启动。

至此部署过程已经完成，但在使用 awada 之前，请了解如下概念：

分身的 config 文件各字段的含义如下：

技术说明

注意：普通使用者无需关注本段内容，但如果想基于 awada 进行二次开发或者深入配置，如下内容可能对您更好的了解本项目有所帮助。

简明架构图

<img alt="scope" src="asset/tech_arch.png" width="960"/>

业务流程示意图

<img alt="scope" src="asset/pipeline.png" width="960"/>

主服务出入参说明

入参格式

更多细节可以访问 fastapi docs：{'MAIN_SERVICE_ENDPOINT'}/docs

出参格式

出参格式为：{"flag": flag, "result": [{"type": str, "answer": str}]}

注意：1、result可能有多个，为列表；

2、type 要么为text，要么为file，为file的话，后面的answer是文件的绝对路径。

flag说明

flag 码内容
-11LLM 错误/异常
-4语音asr失败（预留）
-3qanything 数据库错误
-2qanything 查询错误
-1入参格式错误
0正常返回
1呼叫导演
2功能暂不支持
3bot未启动【端侧不同步】
11用户所处流程正常结束
21生成了新的文件

限制与不足

awada 项目目前主要存在以下限制与不足：

升级计划

awada 项目承诺永远开源免费，热忱欢迎大家贡献代码，一起完善。

致谢

awada 项目基于如下开源项目，特此致谢：

Citation

如果您在相关工作中参考或引用了本项目的部分或全部，请注明如下信息：

Author：Awada Team
https://github.com/TeamWiseFlow/awada
Licensed under Apache2.0

意见与反馈，请在 Github Issue 中提出。 合作与咨询，请发邮件：zm.zhao@foxmail.com 。