update summary package

docs/posts.json

@@ -1,22 +1,27 @@
 [
   {
     "title": "扩展 eliza : 构建你的第一个 Plugin",
-    "description": "本文介绍了如何构建一个 eliza 插件，包括插件的结构、Action、Service、Provider 等模块的定义和使用方法。还详细说明了如何在 runtime 中调用插件、插件之间的互相调用，以及 Provider 的调用方式。最后提供了一个 plugin-sui 的演示和相关的视频教程链接。",
+    "description": "本文介绍了如何构建一个 eliza 插件，包括插件的结构、Action、Service、Provider 等模块的定义和使用方法，以及如何在 runtime 中调用和插件之间的互相调用。",
     "id": "first-plugin-action"
   },
   {
-    "title": "Eliza 原理解析（上）：Agent 工具调用",
-    "description": "本文详细介绍了Eliza框架中Provider和Action的运行原理。Provider用于解决AI获取特定领域信息不准确的问题，通过封装代码获取数据并以自然语言形式返回给AI Model。Action则用于封装复杂的链上操作，帮助AI理解并执行任务。文章还探讨了如何让AI理解其调用的Action，并通过callback函数将执行结果加入AI的memory中。",
-    "id": "eliza-baiscs-call-tools"
+    "title": "Run Eliza With Tee",
+    "description": "介绍TEE 的相关知识，以及如何使用TEE 运行Eliza 的 AI Agent.",
+    "id": "tee-and-eliza"
   },
   {
     "title": "快速开始，构建一个 Telegram 的 Chatbot",
-    "description": "本指南详细介绍了如何从零开始构建一个 Telegram 聊天机器人。内容包括环境安装、NodeJS 安装、代码下载、启动 eliza、配置 telegram bot、选择大模型服务、配置 character.json、启动 telegram bot 测试以及常见问题解决。此外，还提供了视频教程链接，帮助用户更直观地理解和操作。",
+    "description": "本指南详细介绍了如何从零开始构建一个 Telegram 聊天机器人。内容包括环境安装、NodeJS 配置、代码下载与构建、Telegram Bot 的申请与配置、大模型服务的选择与配置、以及常见问题的解决方法。此外，还提供了视频教程链接，帮助开发者更直观地理解和操作。",
     "id": "first-telegram-bot"
   },
   {
-    "title": "Run Eliza With Tee",
-    "description": "介绍TEE 的相关知识，以及如何使用TEE 运行Eliza 的 AI Agent。作者 Twitter: https://x.com/zhou49。包含视频直播链接。",
-    "id": "tee-and-eliza"
+    "title": "Eliza 原理解析（上）：Agent 工具调用",
+    "description": "本文详细介绍了Eliza框架中Provider和Action的运行原理。Provider用于解决AI获取特定领域信息不准确的问题，而Action则封装了AI的执行代码，帮助AI理解并执行复杂任务。文章还探讨了AI如何通过Provider获取信息、如何调用Action以及如何让AI理解其调用的Action。",
+    "id": "eliza-baiscs-call-tools"
+  },
+  {
+    "title": "Eliza knowlege & memory",
+    "description": "Eliza 中的存储结构包括 Character、AgentRuntime、MemoryManagers 等组件，通过数据库适配器进行数据存储。缓存管理器 ICacheManager 提供 get、set、delete 接口，支持 redis、database、filesystem 三种存储方式。数据库支持 sqlite 和 postgres，作为数据持久层。知识碎片通过 uuid 生成唯一 id，处理模块位于 src/core/knowlege.ts，写入分两步进行。memoryManagers 包含多个管理器，如 messageManager、knowledgeManager 等。memory 的基本单位包括 id、userId、agentId 等字段。使用举例包括 memory 的写入和读取，以及 knowledge 的获取和写入。",
+    "id": "custom-agent-withmemory"
   }
 ]

packages/tools/package.json

@@ -7,6 +7,7 @@
   "scripts": {
     "publish": "npm publish -r --access public",
     "summary": "ts-node src/summary.ts",
+    "test": "ts-node src/test.ts",
     "build": "tsc --outDir dist"
   },
   "bin": {
@@ -27,6 +28,8 @@
     "typescript": "^5.2.2"
   },
   "dependencies": {
+    "@ai-sdk/openai": "^1.1.11",
+    "ai": "^4.1.39",
     "axios": "^1.7.9",
     "commander": "^13.0.0",
     "dotenv": "^16.4.7"

packages/tools/src/openai.ts

@@ -1,3 +1,7 @@
+import { generateText } from "ai";
+import { openai } from "@ai-sdk/openai";
+import { newOpenAI } from "./tools";
+
 const renderTemplate = (
   template: string,
   state: Record<string, any>
@@ -18,34 +22,30 @@ const renderTemplate = (
   });
 };
 
-export const generateText = async (
+export const myGenerateText = async (
   state: { body: string },
   template: string
 ) => {
-  console.log(process.env.REDPILL_API_KEY);
+  // console.log(process.env.REDPILL_API_KEY);
   const content = renderTemplate(template, state);
-  // console.log("send : ", content);
 
-  const response = await fetch("https://api.deepseek.com/chat/completions", {
-    method: "POST",
-    headers: {
-      "Content-Type": "application/json",
-      Authorization: `Bearer ${process.env.DEEPSEEK_API_KEY}`,
-    },
-    body: JSON.stringify({
-      model: process.env.MODEL,
-      messages: [{ role: "user", content: content }],
-    }),
-  });
+  const model = process.env.MODEL;
+  if (!model) {
+    throw new Error("MODEL is not set");
+  }
 
-  console.log("response : ", response.status);
+  const openai = newOpenAI();
+  const response = await generateText({
+    model: openai(model),
+    system: "You are a friendly assistant!",
+    prompt: content,
+  });
 
-  const data = (await response.json()) as any;
-  return data.choices[0].message.content;
+  return response.text;
 };
 
 export const summaryContent = async (content: string) => {
-  const response = await generateText(
+  const response = await myGenerateText(
     {
       body: content,
     },

packages/tools/src/summary.ts

@@ -1,14 +1,14 @@
 import fs, { writeFileSync } from "fs";
 import dotenv from "dotenv";
 import path from "path";
-import { generateText, trimJSON } from "./openai";
+import { myGenerateText, trimJSON } from "./openai";
 
 // 获取项目根目录的 .env
 const rootEnvPath = path.join(__dirname, "..", "..", "..", ".env");
 dotenv.config({ path: rootEnvPath });
 
 const summaryPost = async (content: string) => {
-  const summary = await generateText(
+  const summary = await myGenerateText(
     {
       body: content,
     },

packages/tools/src/test.ts

@@ -0,0 +1,24 @@
+import { generateText } from "ai";
+import dotenv from "dotenv";
+import { newOpenAI } from "./tools";
+const main = async () => {
+  dotenv.config();
+  const model = process.env.MODEL;
+  if (!model) {
+    throw new Error("MODEL is not set");
+  }
+
+  const content = "你好";
+
+  const openai = newOpenAI();
+
+  const response = await generateText({
+    model: openai(model),
+    system: "You are a friendly assistant!",
+    prompt: content,
+  });
+
+  console.log(response.text);
+};
+
+main();

packages/tools/src/tools.ts

@@ -1,6 +1,34 @@
 import path from "path";
 import fs from "fs";
 import dotenv from "dotenv";
+import axios from "axios";
+import { AxiosHeaders } from "axios";
+import { createOpenAI } from "@ai-sdk/openai";
+
+export const newOpenAI = () => {
+  const ai = createOpenAI({
+    apiKey: process.env.OPENAI_API_KEY,
+    baseURL: process.env.OPENAI_BASE_URL,
+    fetch: async (input: URL | RequestInfo, init?: RequestInit | undefined) => {
+      const url = input.toString();
+      if (init?.method === "POST" && init?.body) {
+        console.info(`do proxy request\n ${url} \n ${init.body}`);
+
+        const headers = new AxiosHeaders();
+        headers.set("Content-Type", "application/json");
+        headers.set("Authorization", `Bearer ${process.env.OPENAI_API_KEY}`);
+        const response = await axios.post(url, init.body, { headers });
+        // Mimic the fetch Response object
+        return new Response(JSON.stringify(response.data), {
+          status: response.status,
+          statusText: response.statusText,
+        });
+      }
+      return fetch(input, init);
+    },
+  });
+  return ai;
+};
 
 // find .env from current path to parrent path , max depth is 10
 export const findDotenv = () => {