from SimpleLLMFunc import tool


@tool
async def search_docs(query: str) -> str:
    """
    搜索文档中的相关信息。

    Args:
        query: 搜索查询。

    Returns:
        匹配的文档摘录。

    Best Practices:
        - 使用具体、聚焦的查询。
        - 优先使用精确术语而非模糊描述。
    """
    if "install" in query.lower():
        return "安装方式: pip install SimpleLLMFunc"
    return f"未找到结果: {query}"

from SimpleLLMFunc import OpenAICompatible, llm_chat

models = OpenAICompatible.load_from_json_file("provider.json")
llm = models["openrouter"]["openai/gpt-4o"]


@llm_chat(llm_interface=llm, toolkit=[search_docs], stream=True)
async def assistant(message: str, history: list | None = None):
    """
    你是一个有帮助的文档助手。
    需要具体信息时使用搜索工具回答问题。
    简洁直接。
    """
    pass

import asyncio
from SimpleLLMFunc.hooks import is_response_yield, is_event_yield


async def main():
    history = []

    async for output in assistant("如何安装 SimpleLLMFunc?", history):
        if is_response_yield(output):
            print(output.response, end="")
            history = output.messages
        elif is_event_yield(output):
            event = output.event

    print()


asyncio.run(main())

1. 用户消息 "如何安装 SimpleLLMFunc?" → 编译为 LLM 请求
2. LLM 决定调用 search_docs(query="install SimpleLLMFunc")
3. 框架执行工具，获取结果
4. 结果通过内部运行时补丁应用到对话记录
5. 上下文重新编译，发回 LLM
6. LLM 使用工具结果生成最终响应
7. 响应以 ReactOutput 事件流式返回

@tool
async def calculate(expression: str) -> float:
    """
    计算数学表达式。

    Args:
        expression: Python 数学表达式（如 "2 ** 10"）。

    Returns:
        数值结果。

    Best Practices:
        - 使用 Python 语法进行数学运算。
        - 保持表达式简单可读。
    """
    return float(eval(expression))


@llm_chat(llm_interface=llm, toolkit=[search_docs, calculate], stream=True)
async def assistant(message: str, history: list | None = None):
    """你是一个可以搜索文档和做数学计算的助手。"""
    pass