add doc

docs/guidebook/zh/7_1_1_翻译案例.md

@@ -0,0 +1,49 @@
+# 法律咨询案例
+近期，斯坦福大学教授吴恩达开源了一个AI智能体机器翻译——一个使用反思工作流进行翻译的智能体，该项目中演示了反思智能体工作流的机器翻译示例。该智能体的主要步骤如下：
+1. 初始翻译，使用大模型（LLM）将文本从source_language翻译为target_language;
+2. 进行反思，让大模型指出翻译结果中的不足，并给出建设性的改进建议；
+3. 修改翻译，让大模型根据反思给出的建议，重新进行翻译；
+项目中采用的反思工作流，让模型自己去发现不足，在根据不足做定向的修改，是一种典型的多智能体协同工作机制，这也是agentUniverse一直涉足的领域，于是我就有将吴恩达的这个翻译智能体迁移到agentUniverse上面的想法。  
+该案例基于千文大模型和`DashScope`的embedding功能，使用前需要您在环境变量中配置`DASHSCOPE_API_KEY`。
+
+## 多智能体的协同工作过程
+翻译过程中，优先判断模型的长度是否超过了模型所能承受的最大token,针对超过模型长度的情况,先对分本进行切块，再分块进行翻译，
+但整个翻译过程都是基于初始翻译->反思->修改的流程进行的。
+![多智能体协同工作流程](../_picture/translation_flow_graph.png)
+
+在参考吴恩达教授的代码当中，处理分块翻译时，为了保证翻译的连贯性，翻译分块时，会携带响应的上下文。但是在他的代码当中将所有的翻译内容都放在的上下文当中，会使切分失去原本的意义，某些情况下会导致token超过模型所能接受的最大token，针对此问题我在对应的仓库地址提问了相关issue:[issue地址](https://github.com/andrewyng/translation-agent/issues/28)
+
+## 在aU中的实现
+在aU中实现该翻译的过程主要分为以下几步：
+1. 定义翻译相关的prompt，短文本翻译三个，长文本翻译三个，相关文件如下:  
+[短文本翻译init prmpt](../../../sample_standard_app/app/core/prompt/translation/translation_init_en.yaml)  
+[短文本翻译reflection prmpt](../../../sample_standard_app/app/core/prompt/translation/translation_reflection_en.yaml)  
+[短文本翻译improve prmpt](../../../sample_standard_app/app/core/prompt/translation/translation_improve_en.yaml)  
+[长文本翻译init prmpt](../../../sample_standard_app/app/core/prompt/translation/multi_translation_init_en.yaml)  
+[长文本翻译reflection prmpt](../../../sample_standard_app/app/core/prompt/translation/multi_translation_improve_en.yaml)  
+[长文本翻译improve prmpt](../../../sample_standard_app/app/core/prompt/translation/multi_translation_improve_en.yaml)  
+
+2. 定义三个智能体  
+[短文本翻译智能体](../../../sample_standard_app/app/core/agent/translation_agent_case/translation_work_agent.yaml)  
+[短文本翻译智能体](../../../sample_standard_app/app/core/agent/translation_agent_case/translation_reflection_agent.yaml)  
+[短文本翻译智能体](../../../sample_standard_app/app/core/agent/translation_agent_case/translation_improve_agent.yaml)  
+该智能体当中，需要根据执行的时长文本翻译还是短文本翻译切换对应的prompt，具体逻辑可参考[agent](../../../sample_standard_app/app/core/agent/translation_agent_case/translation_agent.py)
+3. 定义三个智能体的协同工作过程
+协同过程可参考前面介绍的多智能体协同工作过程的流程图    
+![协同工作](../_picture/translation_execute_flow.png)  
+更细的流程可以参考[代码文件](../../../sample_standard_app/app/core/agent/translation_agent_case/translation_by_token_agent.py)
+协同智能体的[配置文件](../../../sample_standard_app/app/core/agent/translation_agent_case/translation_agent.yaml)
+
+### 演示代码
+[代码链接](../../../sample_standard_app/app/test/test_translation_agent.py)
+
+[长翻译文本](../../../sample_standard_app/app/test/translation_data/long_text.txt)  
+[短翻译文本](../../../sample_standard_app/app/test/translation_data/short_text.txt)  
+
+[短翻译结果](../../../sample_standard_app/app/test/translation_data/short_text_result.txt)  
+[长翻译结果](../../../sample_standard_app/app/test/translation_data/long_text_result.txt)  
+
+### 演示结果
+可以看到，在相同模型下，使用aU与原本的translation_agent翻译的结果基本相同
+![aU执行长文本结果](../_picture/long_translation_au.png)  
+![translation执行长文本结果](../_picture/long_translation_wu.png)  

sample_standard_app/app/core/agent/translation_agent_case/translation_agent.yaml

@@ -6,7 +6,7 @@ profile:
   input_keys: ['source_lang','target_lang','source_text']
   output_keys: ['output']
   llm_model:
-    name: 'default_deepseek_llm'
+    name: 'default_qwen_llm'
     max_tokens: 4000
 plan:
 action:

sample_standard_app/app/core/agent/translation_agent_case/translation_improve_agent.yaml

@@ -6,7 +6,7 @@ profile:
   input_keys: ['source_lang','target_lang','source_text','init_agent_result','reflection_agent_result']
   output_keys: ['output']
   llm_model:
-    name: 'default_deepseek_llm'
+    name: 'default_qwen_llm'
     max_tokens: 4000
 plan:
   planner:

sample_standard_app/app/core/agent/translation_agent_case/translation_reflection_agent.yaml

@@ -6,7 +6,7 @@ profile:
   input_keys: ['source_lang','target_lang','source_text','init_agent_result']
   output_keys: ['output']
   llm_model:
-    name: 'default_deepseek_llm'
+    name: 'default_qwen_llm'
     max_tokens: 4000
 plan:
   planner:

sample_standard_app/app/core/agent/translation_agent_case/translation_work_agent.yaml

@@ -6,7 +6,7 @@ profile:
   input_keys: ['source_lang','target_lang','source_text']
   output_keys: ['output']
   llm_model:
-    name: 'default_deepseek_llm'
+    name: 'default_qwen_llm'
     max_tokens: 4000
 plan:
   planner: