Mobility_Class

• 这是一个为移动数据挖掘课程构建的移动智能体工具仓库——欢迎各位同学使用
• 基于Pycityagent构建，欢迎各位同学关注原仓库，构建具有个人特色的城市智能体

配置说明

账号申请

• 你需要在OpenCity平台申请个人账号 Opencity website
• 登陆并进入个人终端
• 创建App并获取secret
  • 

配置构建

• 主要包含三项配置内容: llm_request, citysim_request and apphub_request

llm_request:
  text_request:
    request_type: qwen
    api_key: xxx
    model: qwen-turbo
  img_understand_request: (随意填写)
    request_type: qwen
    api_key: xxx
    model: xxx
  img_generate_request:  (随意填写)
    request_type: qwen
    api_key: xxx
    model: xxx

citysim_request:
  simulator: 
    server: https://api-opencity-2x.fiblab.net:58081
  map_request:
    mongo_coll: map_beijing_extend_20240205
    cache_dir: ./cache
  route_request: 
    server: http://api-opencity-2x.fiblab.net:58082
  streetview_request: (随意填写)
    engine: baidumap
    mapAK: xxx

apphub_request: (如无需使用前端支持，可删除整个apphub_reqeust配置节或随意填写)
  hub_url: https://api-opencity-2x.fiblab.net:58080
  app_id: 上一步中申请的APP_ID
  app_secret: 上一步中获取的APP_SECRET
  profile_image: icon.png(用于在配置前端头像)

• 注意：上述配置为非完整配置清单——如想了解完整配置请参考Pycityagent仓库

LLM_REQUEST

• 移动智能体以LLM为基础：
• text_request
  • 目前，我们支持 qwen 以及 openai
    • 注意：测试阶段主要基于qwen进行，使用openai可能会出现错误，欢迎在原仓库以及当前仓库提出issue
  • 获取你的api_key，并选择model
    • 对于千问模型，请访问 Qwen
      • 新用户可获得1000,000 token免费额度，课程期间的合理使用不会产生额外花费
      • 注意：不同模型的价格不同，例如上述的qwen-turbo，超出免费额度部分价格为0.008元/1000tokens
      • 具体价格以官方平台为准
  • 移动智能体只需要使用text_request，其他两项随意填写即可
• citysim_request
  • 与模拟器关联的配置选项
  • 不用调整
  • 其中map_request.cache_dir用于缓存地图数据，可自己更改（需要先创建对应文件夹）
  • 移动智能体无需使用streetview_request，随意填写即可
• apphub_request
  • 与前后端关联的配置选项
  • 将你获取到的app_id 以及 app_secret 置于此处.
    • Opencity website

本仓库使用方法

Clone

• 克隆仓库至本地
• 安装关联包

  pip install -r requirements.txt

• 推荐在jupyter-notebook（或其他交互式编程环境中）使用，方便同学们调试输出

具体编码方案

• 第一步：导入库

from mobility import MobilityAgent

• 第二步：创建移动生成智能体
  • arg_1: config_path: 配置文件路径（相关路径即可）
  • arg_2: agent_id: 你的agent_id，注意，该id是唯一的，如出现重复会报错
  • arg_3: agent's name: agent的名称
  • 注意：首次执行时耗时会较长，因为需要从远端拉取数据至本地——map_request.cache_dir

agent = MobilityAgent("your_config_path", agent_id, "your agent's name")

• 第三步：查看当前的promts
  • 该接口会输出所有的可配置prompt
  • 每条prompt包含三个条目：
    • f_string: 格式化字符串，其中{}为格式化参数接口
    • variables: 格式化数据内容，与{}一一对应
    • function: 描述该prompt的功能

agent.print_prompts()
"""
示例输出：
Time generation prompt:
f_string: How long will you spend on this arrangement?
You must consider some fragmented time, such as 3 hours plus 47 minute, and 7 hours and 13 minutes.
Please answer as a list: [x,y]. Which means x hours and y minutes.,
variables: [],
function: 用于生成intention对应的时间
"""

• 第四步：prompt配置
  • arg_1: 配置目标，可选项为包括['system', 'person', 'day-weekend', 'day-workday', 'intent-first', 'intent-last', 'intent-normal', 'time']
    • system: LLM system role配置
    • person: 人物描述配置
    • day-weekend: 周日描述配置
    • day-workday: 工作日描述配置
    • intent-first: 一天中首次intent生成描述配置
    • intent-last: 一天中最后一次intent生成描述配置
    • intent-nornal: 常规intent生成描述配置
    • time: 时间生成描述配置——指各个intent花费多少时间
  • arg_2: prompt: 格式化字符串（也可以是常规字符串，如果不需要添加任何动态参量）
  • arg_3: 格式化参量表，默认为空，可选项包括['genderDescription', 'educationDescription', 'consumptionDescription', 'occupationDescription', 'day', 'dayDescription', 'personDescription', 'intentTotal', 'intentIndex', 'history']
    • genderDescription: 人物性别信息
    • educationDescription：人物受教育水平信息
    • consumptionDescription：人物消费水平信息
    • occupationDescription：职业相关信息
    • day：日期信息
    • dayDescription：日期描述信息（生成的，基于target:day-xx）
    • personDescription：人物描述信息（生成的，基于target:person）
    • intentTotal：总intent数量
    • intentIndex：当前的目标intent（运行时信息）
    • history：历史行程信息（运行时信息）

agent.set_prompt(target='day-workday', prompt="{}, normally in workdays, people need to work.", vars=['day'])

• 第五步：执行
  • arg_1: intent数量，与intentTotal直接关联
  • arg_2: 日期信息，与day直接关联
  • arg_3: show_prompts: 布尔类型，默认为False，是否在执行过程中输出与LLM的交互信息
  • arg_4: hub: 布尔类型，默认为False，是否需要前端显示
    • 注意：如果为False, 则配置文件中的app关联信息可以不申请，agent_id可随意设置，agent_name可随意设置
    • 注意：由于平台目前仍处于开发中，经常会进行维护和升级，如出现报错，请使用False

await agent.run(4, 'Monday')
"""
示例输出：
[['go to sleep', '(00:00, 07:55)', ('碣石坪小区-西门(人行门)', 700161349)], ['go to work', '(08:11, 16:51)', ('中共中铝国际工程股份有限公司委员会', 700450261)], ['eat', '(17:40, 19:17)', ('亦庄地下美食广场', 701117234)], ['go to sleep', '(20:00, 23:59)', ('碣石坪小区-西门(人行门)', 700161349)]]
"""