使用说明

个人生产力代理人

Personal Productivity Agent是一个基于Python的工具，旨在协助Windows系统上的各种任务，并利用大型语言模型（LLM）的强大功能进行智能分析。它可以作为交互式命令行助手或作为后端服务器组件与编排器集成。

该代理目前提供以下功能：

交互式文件系统操作：
- 查找文件
- 移动文件（确认后）
- 重命名文件（确认后）
- 创建目录（确认后）
系统信息和实用程序：
- 获取磁盘使用情况、内存信息、CPU信息、网络信息
- 启动应用程序
- 查找重复文件
生产力工具：
- 摘要文档（目前此CLI功能使用模拟LLM）
- 从获取即将到来的日历事件 .ics 文件
- 设置桌面提醒/通知
Windows事件日志分析（带LLM集成）：
- 根据指定的条件（日志名称、级别、时间范围）获取Windows事件日志。
- 利用谷歌的Gemini LLM分析事件日志条目，提供解释，建议潜在原因，故障排除步骤和安全的命令行修复。

代理可以在两种不同的模式下运行：

如何跑步： python main_agent.py
说明： 在此模式下，代理直接在PowerShell或命令提示符中显示菜单驱动的界面。您可以选择各种操作，代理将提示您进行必要的输入并直接显示结果。此模式用于直接用户交互。

如何跑步： python main_agent.py --mcp-mode
说明： 在MCP模式下启动时，代理作为后台进程运行，在其标准输入（stdin）上监听JSON格式的请求，并将JSON格式的响应发送到其标准输出（stdout）。
目的： 此模式专为程序集成而设计。其他应用程序或编排器（如基于TypeScript的代理或中央自动化系统）可以通过向该Python代理发送标准化的JSON消息来调用其功能，从而与该代理进行通信。
MCP工具示例： 这 analyze_windows_event_logs 功能通过MCP公开。编排器可以发送一个指定事件日志参数的JSON请求，代理将返回一个JSON响应，其中包含LLM的分析、建议的命令以及该命令是否需要管理员权限。
优点：
- 自动化： 允许其他系统自动使用代理的功能。
- 模块化： 允许构建可由中央控制器协调的专用代理。
- 结构化数据交换： 使用JSON确保软件组件之间的可靠通信。

Python 3.x
谷歌双子座法学硕士： 用于事件日志的智能分析。
- 需要a GEMINI_API_KEY 要设置用于身份验证的环境变量。如果没有设置，代理将指示它正在为需要它的功能使用模拟LLM。
MCP（多功能协议）： 一种基于JSON的简单协议，用于服务器模式下的进程间通信。

python 确保已安装Python 3.x。
依赖关系： 安装必要的Python包。LLM互动的主要方式是 google-generativeaiA. requirements.txt 文件通常会列出所有依赖项。
```
pip install google-generativeai
# Potentially other packages like 'plyer' for notifications
```
API密钥： 对于Gemini LLM功能，请从Google AI Studio获取API密钥，并将其设置为环境变量：
- 在PowerShell中： $env:GEMINI_API_KEY = "YOUR_API_KEY_HERE"
- （记得更换 "YOUR_API_KEY_HERE" 用你真正的钥匙。不要将密钥提交到GitHub。)

交互模式：

cd path\to\PersonalProductivityAgent
# Set API Key if using LLM features
$env:GEMINI_API_KEY = "YOUR_API_KEY_HERE" 
python main_agent.py

MCP服务器模式（用于集成）：

cd path\to\PersonalProductivityAgent
# Set API Key if using LLM features
$env:GEMINI_API_KEY = "YOUR_API_KEY_HERE"
python main_agent.py --mcp-mode

然后，代理将在stdin上监听JSON请求。