3️⃣ 个人 AI 日程助理 (带工具调用)

![[Pasted image 20260413142934.png]]

• ScheduleStore：负责读写 schedule.txt

  • read_all()：读所有行
  • append(line)：追加一条
  • clear()：清空

• TimeParser：把“明天下午三点开会”解析成结构化数据

  • parse(text)：返回 {date, time, title}

• ScheduleTools：封装为 @tool 的函数

  • read_schedule() / write_schedule(line) / clear_schedule()

• AgentService：负责 prompt + agent 执行

  • build_prompt()
  • build_agent()
  • run(input)

• CliApp：CLI 循环入口

  • loop()

•   核心技能：LangChain Agent 与 AgentExecutor、自定义工具（@tool 装饰器）、系统交互（操作文件）。

•   项目描述：做一个能帮你“记住事情”和“安排任务”的终端助手。你可以对它说：“明天下午3点提醒我开会”，它就自动把信息写进一个本地的 schedule.txt 文件里；你问它“我明天有什么事”，它能读取文件内容并回答。

•   难度：⭐ ⭐ ⭐

•   亮点实现：

    *   手写 read_file 和 write_file 两个工具，让 LLM 能够自主决定何时调用。

    *   练习 Prompt 如何引导 LLM 正确提取日期和事件信息。

•   预计耗时：4-5 天

好的，我给你做一个完整项目规划（参考你上面的项目风格），并按“可落地的开发步骤 + 里程碑测试”来组织。你确认后我们再一步步写代码。

个人 AI 日程助理（带工具调用）项目规划

1. 目标与范围  

• 目标：终端助手可记录/查询日程，自动读写本地 schedule.txt  

• 交互：自然语言输入（如“明天下午3点提醒我开会”）  

• 能力：自动解析时间与事项、写入/读取文件、返回查询结果  

• 模型：本地 Ollama（可选 Qwen3 系列）

2. 核心模块拆分  

1. 工具层（Tools）

• read_file(path)：读取日程文件  

• write_file(path, content)：追加/写入日程  

• 可选：clear_file(path)、list_events(date)

2. 解析层（Parser）

• 解析自然语言时间（如“明天/下周一/下午3点”）  

• 规范为统一格式（YYYY-MM-DD HH:MM）  

• 推荐：先用简单规则，后续可加 dateparser

3. Agent 层（LangChain Agent）

• Prompt 明确：何时调用工具、输出格式  

• AgentExecutor 调用工具链  

• 模型与工具绑定

4. 存储层（Schedule Store）

• schedule.txt 结构规范：

  YYYY-MM-DD HH:MM | 事件 | 备注

5. CLI 层

• 输入循环  

• 支持退出、清空、查询、添加  

• 维护 session

3. 里程碑规划（可测试）  

• M1：工具层（read/write）能正常写入/读取  

• M2：解析层能识别 5 类常见日期表达  

• M3：Agent 能选择工具并完成写入/查询  

• M4：CLI 完整闭环 + 基本错误处理

4. 推荐开发顺序  

1. 先写 tools.py（read/write）  

2. 再写 parser.py（规则解析）  

3. 再写 agent.py（Prompt + AgentExecutor）  

4. 最后 main.py 串联 CLI

5. 测试样例  

• “明天下午3点提醒我开会” → 写入  

• “我明天有什么事” → 读取并过滤  

• “清空日程” → 文件清空  

• “下周一 9:30 体检” → 写入

你先确认：  

1. 解析时间要走 规则 还是 dateparser？  

2. 输出文件格式是否用 YYYY-MM-DD HH:MM | 事件 这种？  

3. 是否要支持“清空/删除某条”？