cota 1.0.9

Chain of Thought Agent Platform for Industrial-Grade Dialogue Systems

COTA

Chain of Thought Agent Platform for Industrial-Grade Dialogue Systems

Simple configuration, reliable performance, powered by annotated policy learning

简体中文 | Documentation

简体中文

[!Note] 完整的用户文档请访问 COTA Documentation

COTA (Chain of Thought Agent) 是一个基于大语言模型的智能体平台，通过思维链推理和标注式策略学习，让开发者以简单的方式构建可靠的工业级对话系统。

💡 核心特征

• 🧠 Chain of Thought 驱动: 基于思维链推理机制，让AI具备类人的逻辑推理能力
• 📝 标注式策略学习: 通过标注policies中的thought，训练可靠的对话策略（DPL）
• 🎯 简单易用: 低代码配置，快速构建生产级智能体

通用LLM往往无法直接承接复杂业务逻辑。如何将业务的策略和大模型结合当前没有解决好，这限制了大模型直接应用到具体业务场景的效果。COTA致力于解决该痛点，COTA将对话策略学习转化为思维生成，充分利用大模型泛化能力的同时确保业务逻辑准确执行。

🚀 快速开始

环境要求

• Python 3.12+
• pip 包管理器

🔧 安装

方法1: 通过pip安装 (推荐)

# 1. 安装Python 3.12+
# Ubuntu/Debian:
sudo apt update && sudo apt install python3.12 python3.12-venv python3.12-pip

# macOS (使用Homebrew):
brew install python@3.12

# Windows: 访问 https://www.python.org/downloads/ 下载安装

# 2. 创建虚拟环境
python3.12 -m venv cota-env
source cota-env/bin/activate  # Linux/macOS
# 或 cota-env\Scripts\activate  # Windows

# 3. 安装COTA
pip install cota

# 4. 验证安装
cota --version

方法2: 从源码安装 (使用Poetry)

# 1. 安装Python 3.12+ (同上)

# 2. 安装Poetry
pip install poetry

# 3. 克隆仓库并安装
git clone https://github.com/CotaAI/cota.git
cd cota
poetry install

# 4. 激活虚拟环境
poetry shell

# 5. 验证安装
cota --version

⚡ 快速体验

确保你已按照上述方法安装COTA并激活虚拟环境

1. 初始化项目

# 创建示例智能体项目
cota init

执行后会在当前目录创建 cota_projects 文件夹，包含示例配置：

cota_projects/
├── simplebot/          # 简单对话机器人
│   ├── agent.yml       # 智能体配置
│   └── endpoints.yml  # LLM配置示例
└── taskbot/           # 任务型机器人
    ├── agents/
    ├── task.yml
    └── endpoints.yml

2. 配置智能体

# 进入simplebot目录
cd cota_projects/simplebot

编辑 endpoints.yml，配置你的LLM API：

llms:
  rag-glm-4:
    type: openai
    model: glm-4                    # 使用的模型名称
    key: your_api_key_here          # 替换为你的API密钥
    apibase: https://open.bigmodel.cn/api/paas/v4/

3. 启动对话测试

# 启动调试模式命令行对话
cota shell --debug

# 或启动普通命令行对话
cota shell --config=.

4. 启动服务上线 (可选)

# 启动WebSocket服务
cota run --channel=websocket --host=localhost --port=5005

📝 配置说明

agent.yml 是智能体的核心配置文件：

system:
  description: 你是一个智能助手，你需要认真负责的回答帮用户解决问题

dialogue:
  mode: agent                    # 对话模式
  use_proxy_user: true          # 启用代理用户模拟
  max_proxy_step: 30            # 最大对话轮数
  max_tokens: 500               # LLM响应最大token数

policies:                       # 决策策略配置
  - type: trigger              # 触发式策略
  - type: llm                  # LLM策略
    config:
      llms:
        - name: rag-glm-4      # 默认LLM
        - name: rag-utter      # BotUtter专用LLM
          action: BotUtter
        - name: rag-selector   # Selector专用LLM
          action: Selector

📚 文档和教程

• 📖 完整文档 - 详细的使用指南和API文档
• 🚀 快速入门 - 5分钟上手指南
• ⚙️ 配置说明 - 智能体和系统配置
• 🏗️ 架构设计 - 深入了解系统架构
• 🚀 部署指南 - 生产环境部署

🤝 贡献指南

我们欢迎所有形式的贡献！

1. Fork 本仓库
2. 创建你的特性分支 (git checkout -b feature/AmazingFeature)
3. 提交你的更改 (git commit -m 'Add some AmazingFeature')
4. 推送到分支 (git push origin feature/AmazingFeature)
5. 开启一个 Pull Request

📞 联系我们

GitHub Issues 和 Pull Requests 随时欢迎！ 有关项目咨询，请联系：[e-mail]

社区讨论

1. GitHub Discussions

参与项目讨论：GitHub Discussions

---

---

⭐ 如果COTA对你有帮助，请给我们一个Star！