ATAT
1.0.0
| 이메일을 통한 AI 에이전트의 신속한 설정 | → | 사용자를 위해 가장 쉬운 방법으로 에이전트 배포 |
| 받는 사람, 참조 및 전달: 여러 상담원 | → | 단순화된 교육: 이메일만 전송 |
| AI를 위한 강력한 단축 코드 | → | 모두를 위한 다중 에이전트 다단계 협업 |
| 배터리 포함, 자격 증명만 추가하기 | → | 이메일 클라이언트 및 에이전트 대시보드 포함 |
ATAT를 사용하면 에이전트에 초능력을 부여하는 간단한 단축 코드를 사용하여 이메일로 보낼 수 있는 AI 에이전트를 빠르게 설정할 수 있습니다.
소스 코드 https://github.com/semanticsean/ATAT
로드맵: 프로젝트에 기여하는 데 관심이 있는 경우 참여 방법에 대한 자세한 내용은 기여 가이드를 참조하세요.
v0.4 - ABE - A/B + 선거 폴링을 포함합니다. v0.3 - 최초 릴리스
예: 단편 소설을 쓰기 위해 협력하는 세 명의 AI 에이전트로 구성된 팀에 이메일을 보냅니다.
AI 에이전트에게 이메일을 보내 3막(3개의 API 호출)으로 스토리를 작성하도록 지시합니다.
이 가이드에서는 배포가 매우 쉽기 때문에 Replit 배포 과정을 안내합니다. 이 Repl로 시작하세요.
로컬로 또는 Github에서 사용하려면 환경 변수를 사용하도록 호출을 변경해야 합니다.
pip install openai==0.28.0 사용하세요.{
"SMTP_SERVER": "",
"IMAP_SERVER": "",
"SMTP_PORT": "",
"SMTP_USERNAME": "",
"SMTP_PASSWORD": "",
"OPENAI_API_KEY": "",
"DOMAIN_NAME": "",
"COMPANY_NAME": ""
}
Google Workspace를 사용하는 SMTP_PORT의 경우 포트 587을 사용하세요.
SMTP_PASSWORD의 경우 Google/Gmail을 사용하는 경우 2FA가 필요한 APP 비밀번호여야 합니다.
DOMAIN_NAME은 이메일 주소에서 @ 다음에 와야 합니다. 예를 들어 "[email protected]"과 같은 "acme.com"입니다.
COMPANY_NAME은 'ACME Corp.'와 같이 문자로 표시된 대로 표시되어야 합니다.
Agent@ 이메일 주소 생성: 기록이 없는 새 이메일 주소여야 합니다.
에이전트 별칭: agents/agents.json 에서 하나 이상의 에이전트에 대해 하나 이상의 이메일 별칭을 할당합니다. 나머지는 선택 사항이며 @@(에이전트 이름) 단축 코드로 호출하거나 고유한 별칭을 받을 수 있습니다. @@은 이메일 서버가 별칭으로 지원하는 것보다 더 많은 에이전트를 원하는 경우 유용합니다. 예를 들어 Google Workspace는 25개로 제한되지만 @@ 단축 코드를 통해 액세스할 수 있는 수백 개의 에이전트 모델을 배포할 수 있습니다.
테스트할 이메일은 /tools/testing_emails.md를 참조하세요.
중요: 도메인 및/또는 이메일 주소를 허용 목록에 추가해야 할 수도 있습니다.
ATAT와 함께 사용할 새 이메일을 만드세요. 기존 계정을 연결하지 마세요. ATAT는 대응적이며 기록을 제대로 색인화하지 않은 경우 의도하지 않은 이메일을 보낼 수 있습니다. ATAT 전용으로 새 계정을 만듭니다.
ATAT는 이메일에 응답하는 AI 에이전트를 호스팅하는 이메일 클라이언트이므로 직접 이메일을 보내거나 참조로 보내거나 이메일을 보낼 수 있습니다. ATAT는 AI 사용을 민주화하도록 설계되어 이메일을 통해 제어가 처리되는 AI 에이전트 "회사"를 몇 분 만에 빠르게 설정할 수 있습니다. 즉, 전달하거나 참조할 새 이메일을 제공하는 것만큼 교육이 간단하다는 의미입니다. 이 접근 방식은 사려 깊고 포괄적인 AI 응답을 위해 이메일의 본질적인 느린 속도를 활용합니다. 또한 규범에 대한 "MoE" 또는 "CoE" 사고를 열어줍니다.
이메일의 또 다른 장점은 속도가 느리다는 것입니다. @@ 및 !detail에서 설명한 대로! 단축 코드, 다중 패스(다중 API 호출) 구성 요소를 통합할 수 있으며 모든 호출을 실행하는 데 걸리는 시간은 몇 분 또는 몇 시간이든 이메일의 경우 일반적입니다.
!detail , !summarize 및 !ff 와 같은 단축 코드를 사용하여 복잡한 작업을 단순화합니다. 자세한 페르소나와 DALL-E 생성 이미지로 새 에이전트를 생성하려면 new_agent.py 활용하세요.
cards.py 쉽게 액세스할 수 있도록 모든 에이전트의 대시보드를 보여주는 Flask 서버를 강화합니다.
고급 단축 코드 시스템으로 이메일 상호 작용을 향상하세요. 이메일 콘텐츠에 원활하게 통합되도록 설계된 이러한 단축 코드는 ATAT 플랫폼 내에서 특수 기능을 트리거하여 이메일을 통해 직접 상담원 참여 및 콘텐츠 조작을 가능하게 합니다. 이메일 통신에 ATAT의 잠재력을 최대한 활용하려면 각 단축 코드의 기능과 사용법을 살펴보세요.
@@ 으로 상담원 참여 유도@@ 단축 코드를 사용하여 여러 상담원에게 동시에 이메일을 발송하여 공동 다중 상담원 응답을 촉진합니다. 이 기능은 다양한 AI 페르소나의 입력이 필요한 시나리오에 매우 중요합니다.@@(agent name) 또는 @@.creator 포함하고 특정 에이전트 식별자 또는 생성 지침을 입력하면 됩니다. 이 명령은 ATAT가 응답 프로세스에 지정된 에이전트를 참여시키도록 신호를 보냅니다.이메일 테스트
devatlas - 스타트업 피치덱을 작성할 때 보조금 신청자가 대답해야 할 가장 중요한 질문은 무엇입니까?
@@(캐스터) 어떤 스타트업을 좋아하시나요?
@@(노바) 어때요?
@@(오리온) 어떻게 생각하시나요?
@@(네뷸라) 어떻게 생각하세요?
@@(알테어) 어떻게 생각하세요?
@@.creator 사용한 동적 에이전트 생성@@.creator 단축 코드는 새로운 상담원 페르소나를 즉시 생성하여 대화의 변화하는 요구에 적응할 수 있는 즉각적인 사용자 정의를 제공합니다.@@.creator(Embody an agent...) 구현합니다. 생성기 기능을 활성화하려면 "Embody"가 있는지 확인하고 ATAT에 지시에 따라 새로운 에이전트 페르소나를 만들고 소개하도록 신호를 보냅니다.이메일 테스트
저는 새로운 창의적인 프로젝트를 진행 중이고 역할극이 필요합니다. 이 에이전트를 렌더링하고 아래 질문에 답하도록 하세요.
@@.creator(코믹한 뱀파이어 목소리로 말하는 동화책 스타일로 돌고래와 친구가 되는 장난기 가득한 뱀파이어를 구현해보세요.)!
Mr. Vampire, 당신이 가장 좋아하는 게임은 무엇입니까?
Detail 포함된 긴 형식 콘텐츠 생성 요청 청킹Detail 단축 코드는 광범위한 텍스트 블록을 관리 가능한 세그먼트로 나누어 응답 처리 및 생성을 최적화합니다.!detail_start! 사이에 넣으세요. 그리고 !detail_stop! 마커. ATAT는 효율적인 처리를 위해 자동으로 콘텐츠를 분할합니다. '!split!'을 사용하세요. API 호출을 분할하고 멀티패스를 사용합니다.!detail_start! 소개: 2050년, AI 기반 합성 시간 여행이 쉽게 가능해졌습니다!분할! 우리의 주인공을 자세히 만나다!분할! 우리는 우리의 적대자를 자세히 만난다!분할! 우리는 주인공과 적대자 사이의 첫 번째 갈등을 봅니다. 첫 번째 막은!분할!으로 끝납니다. 두 번째 막은 아직 언급되지 않은 낭만적인 관심을 가진 새로운 플레이어로 시작됩니다! 두 번째 막에는 주요 갈등이 있습니다! 분할! 클라이맥스가 발생합니다!분할! 해결이 아직 이루어지지 않았습니다!분할! 이제 해결이 이루어졌습니다!detail_stop!
Summarize 를 사용하여 콘텐츠 요약Summarize 코드는 자세한 내용을 간략한 요약으로 압축하고, 요약의 의도된 초점과 스타일에 맞게 특정 수정자를 통해 사용자 정의할 수 있습니다.!summarize! 로 이 기능을 트리거합니다. , 요약 출력을 구체화하기 위해 필요에 따라 수정자를 추가합니다.(이 기능은 다른 기능보다 버그가 더 많습니다.)
테스트 스크립트는 /tools/testing_emails.md를 참조하세요. 너무 길어서 여기에 들어갈 수 없습니다.
!summarize.json! , !summarize.marketing! , 또는 !summarize.budget! JSON 형식, 마케팅 언어 또는 예산 중심 콘텐츠 등 요구 사항에 맞는 요약을 작성하도록 ATAT에 지시합니다.이러한 단축 코드를 활용하여 이메일 상호 작용을 간소화하고 AI 에이전트 간 효율적이고 효과적인 커뮤니케이션을 보장하세요.
ABE(A/B+Election) - 에이전트 폴링 도구 개요 ABE는 의사 결정 프로세스부터 의견 수집에 이르기까지 다양한 시나리오에서 지능형 에이전트의 폴링을 용이하게 하도록 설계된 정교한 도구인 A/B+Election을 나타냅니다. Flask를 기반으로 구축된 ABE는 웹 기술과 원활하게 통합되어 관리자와 참가자 모두에게 역동적인 대화형 경험을 제공합니다.
기능 에이전트 관리: 각각 고유한 식별자와 속성을 가진 에이전트 목록을 쉽게 관리합니다. ABE는 사용자 정의 키워드 및 이미지를 포함한 에이전트의 세부 사양을 허용하여 폴링 경험을 향상시킵니다.
동적 폴링: 맞춤형 질문과 지침을 통해 에이전트 간 A/B 테스트 또는 선택을 수행합니다. 이 기능을 통해 연구원과 개발자는 에이전트 선호도나 결정에 대한 미묘한 통찰력을 수집할 수 있습니다.
이메일 인증: 사용자 확인을 위해 이메일 확인을 활용하는 보안 인증 시스템입니다. 이렇게 하면 승인된 참가자만 폴링 프로세스에 참여할 수 있습니다.
세션 관리: ABE를 사용하면 세션이 고유하게 식별되고 관리되므로 데이터 수집 및 분석에 대한 구조화된 접근 방식이 가능합니다. 각 세션은 특정 질문, 지침, 상담원 선택에 따라 맞춤화될 수 있습니다.
대화형 대시보드: 웹 기반 대시보드는 설문 조사 구성, 에이전트 선택 시각화 및 세션 시작을 위한 중앙 집중식 인터페이스를 제공합니다. 대시보드는 사용자 경험을 향상시켜 폴링 프로세스를 더 쉽게 탐색할 수 있게 해줍니다.
사용자 정의 가능한 출력: 폴링 결과를 기반으로 출력을 생성하고 사용자 정의합니다. ABE는 광범위한 분석 요구 사항을 충족하는 세부 보고서, 시각화 및 요약 생성을 지원합니다.
보안 및 개인 정보 보호: 보안을 염두에 두고 구축된 ABE는 사용자 데이터를 보호하고 폴링 프로세스의 무결성을 보장하기 위한 모범 사례를 구현합니다. 세션 및 데이터 전송은 개인 정보 보호 및 기밀 유지를 고려하여 안전하게 처리됩니다.
시작하기 설정 및 설치: Python 환경을 설정하고 기타 필요한 종속성과 함께 Flask를 설치하는 것으로 시작하세요. ABE에는 이전 버전과의 호환성을 위해 Python 3.6 이상이 필요합니다.
에이전트 구성: 이름, 속성, 이미지를 포함한 에이전트 정보로 Agents.json을 채웁니다. 이 파일은 설문 조사에 참여하는 에이전트의 데이터베이스 역할을 합니다.
애플리케이션 실행: abe.py를 실행하여 Flask 서버를 시작합니다. ABE 대시보드에 액세스하려면 제공된 URL로 이동하세요.
설문조사 만들기: 대시보드를 사용하여 질문, 참여할 상담원, 사용자 지정 지침을 포함한 설문조사를 구성합니다. 각 설문 조사는 특정 연구 또는 의사 결정 요구 사항을 충족하도록 맞춤화될 수 있습니다.
응답 배포 및 수집: 설문조사가 진행되면 승인된 참가자가 플랫폼에 참여하여 응답과 의견을 제공할 수 있습니다. ABE는 이 데이터의 수집과 구성을 실시간으로 관리합니다.
결과 분석: 폴링이 완료되면 ABE는 대시보드를 통해 결과 분석을 용이하게 합니다. 데이터를 내보내고, 보고서를 생성하고, 집계된 응답에서 통찰력을 얻으세요.
사용 사례 ABE의 다목적 프레임워크는 다음을 포함하되 이에 국한되지 않는 다양한 애플리케이션에 적합합니다.
시장 조사: 대표 에이전트 그룹을 대상으로 설문조사를 실시하여 소비자 선호도를 이해하거나 시장 동향을 예측합니다. 의사결정 지원: 상담원의 의견을 수집하고 분석하여 조직 내 의사결정 프로세스를 촉진합니다. 학술 연구: 에이전트 기반 모델 및 시뮬레이션과 관련된 연구 및 실험을 수행합니다. 결론 ABE는 다양한 상황에서 에이전트 폴링을 위한 강력하고 유연한 플랫폼을 제공합니다. ABE는 사용 편의성과 강력한 기능 세트를 결합하여 사용자가 혁신적인 방식으로 데이터를 수집, 분석 및 활용할 수 있도록 지원합니다. 연구, 의사결정, 시장 분석 등 ABE는 에이전트의 집단 지성을 활용하는 데 필요한 도구를 제공합니다.
contribute.md 에 나열된 알려진 문제 및 개선 사항을 해결하기 위한 기여를 환영합니다.ATAT는 MIT 라이선스에 따라 라이선스가 부여됩니다. 자세한 내용은 LICENSE 파일을 참조하세요.
@@ 및 ATAT는 Semantic Life, Copyright 2024의 상표입니다. 모든 권리 보유.
Google/Google Workspace(TM) Google.
psql -h 호스트 이름 -U 사용자 이름 -d 데이터베이스 이름 SET 유휴_in_transaction_session_timeout = '15min'; psql -d $DB_NAME -U $DB_USER -W $DB_PASS 플라스크 db init # 마이그레이션 디렉터리를 설정하는 데 처음에만 필요함 플라스크 db 마이그레이션 -m "페이지 보기 모델 추가" 플라스크 db 업그레이드
의미론적 삶 - AI 에이전트 대시보드
Semantic Life - AI 에이전트 대시보드에 오신 것을 환영합니다! 이 강력한 도구를 사용하면 사용자 친화적인 웹 인터페이스에서 AI 에이전트를 생성, 관리 및 상호 작용할 수 있습니다. 상담원 생성, 기간 관리, 회의 구성, 설문 조사 실시 등의 기능을 통해 AI의 힘을 활용하여 귀중한 통찰력을 얻고 정보에 입각한 결정을 내릴 수 있습니다. 특징
Agent Creation: Easily create new AI agents by providing a name, job title, and description. The system generates a detailed agent persona, including keywords, relationships, and an image prompt, using the OpenAI GPT-4 model. It also generates a profile picture using the DALL-E model.
Timeframe Management: Create different scenarios or contexts for your AI agents by establishing timeframes. You can select specific agents to include in a timeframe and provide instructions to modify their attributes using the OpenAI API. The modified agents are saved in a new JSON file for easy access.
Meeting Organization: Organize meetings with your AI agents to gather insights and conduct surveys. Select a timeframe, choose the agents to include, and provide a name for the meeting. The system creates a survey form where you can define questions and gather responses from the agents using the OpenAI API.
Survey Results: View the results of your surveys in a user-friendly interface. The responses from each agent are displayed alongside their profile information. You can analyze the responses, compare insights from different agents, and make informed decisions based on the survey results.
Public Sharing: Make your survey results publicly accessible by generating a unique public URL. Anyone with the URL can view the survey results without authentication, allowing you to share insights with a broader audience.
전제 조건
Semantic Life - AI Agent 대시보드를 실행하기 전에 다음 사항을 확인하세요.
Python 3.x installed
OpenAI API key
Required Python packages (listed in requirements.txt)
설치
Clone the repository:
세게 때리다
자식 클론 https://github.com/your-username/semantic-life.git
Install the required Python packages:
세게 때리다
pip 설치 -r 요구사항.txt
Set up the environment variables:
OPENAI_API_KEY: Your OpenAI API key
DATABASE_URL: URL for your database (e.g., PostgreSQL)
FLASK_KEY: Secret key for Flask sessions
DOMAIN_NAME: Domain name for your application
Run the database migrations:
세게 때리다
플라스크 DB 업그레이드
Start the application:
세게 때리다
파이썬 app.py
Access the application in your web browser at http://localhost:5000.
용법
Register a new account or log in to an existing account.
Create new agents by providing a name, job title, and description.
Establish timeframes and select agents to include. Provide instructions to modify the agents' attributes.
Organize meetings by selecting a timeframe, choosing agents, and providing a name.
Conduct surveys by defining questions and gathering responses from the agents.
View survey results and analyze the insights provided by the AI agents.
Optionally, make survey results publicly accessible by generating a unique public URL.
기여
Semantic Life - AI 에이전트 대시보드에 대한 기여를 환영합니다! 문제가 발생하거나 개선을 위한 제안 사항이 있는 경우 문제를 공개하거나 GitHub 저장소에 풀 요청을 제출하세요. 특허
이 프로젝트는 MIT 라이선스에 따라 라이선스가 부여됩니다. 연락하다
문의사항이나 피드백이 있으시면 [email protected]으로 연락주세요.
Semantic Life - AI 에이전트 대시보드를 사용해 AI 에이전트의 잠재력을 발휘하고 귀중한 통찰력을 얻으세요!
터미널이나 명령 프롬프트를 열고 프로젝트 디렉터리로 이동합니다. Flask 셸을 시작하려면 다음 명령을 실행하세요.flas
플라스크 껍질
모델에서 사용자, DB 가져오기
user = User.query.filter_by(username='username').first()
user.token_balance = 1000
db.session.commit()
인쇄(user.token_balance)
출구()
플라스크 db 마이그레이션 -m "사용자 크레딧 추가" 플라스크 db 업그레이드
pip install 'itsdangerous<2.0'
틀림없이! 다른 AI용 앱에 대한 기술적인 설명은 다음과 같습니다.
Semantic Life 앱은 Python의 Flask 웹 프레임워크를 사용하여 구축된 웹 기반 애플리케이션입니다. 이를 통해 사용자는 AI 에이전트를 생성 및 관리하고, 설문조사를 수행하고, 사용자 정의 지침에 따라 기간을 생성할 수 있습니다.
앱은 애플리케이션의 여러 부분이 auth_blueprint, Survey_blueprint, Dashboard_blueprint 및 profile_blueprint와 같은 개별 청사진으로 분리되는 청사진 아키텍처를 따릅니다. 각 청사진은 해당 목적과 관련된 특정 경로 및 기능을 처리합니다.
이 앱은 PostgreSQL 데이터베이스를 사용하여 사용자 정보, 상담원 데이터, 설문 조사 및 기간을 저장합니다. 데이터베이스 모델은 데이터베이스와 상호 작용하기 위한 ORM(객체 관계형 매핑) 기능을 제공하는 확장인 Flask-SQLAlchemy를 사용하여 정의됩니다.
사용자 인증은 사용자 등록, 로그인, 세션 관리를 처리하는 Flask-Login을 사용하여 구현됩니다. 사용자는 계정을 등록하고 로그인하고 프로필 정보를 업데이트할 수 있습니다.
이 앱은 OpenAI API와 통합되어 에이전트 데이터를 생성하고 설문조사를 수행합니다. abe_gpt 모듈을 사용하여 에이전트 데이터를 처리하고 사용자 정의 지침에 따라 응답을 생성합니다. abe_gpt 모듈은 OpenAI API와 통신하여 에이전트 데이터를 생성하고, 에이전트 속성을 수정하고, 설문조사 응답을 생성합니다.
이 앱을 통해 사용자는 AI 에이전트를 생성하고 관리할 수 있습니다. 사용자는 기본 에이전트를 추가하고, 새 에이전트를 생성하고, 에이전트 속성을 편집하고, 에이전트를 삭제할 수 있습니다. 에이전트 데이터는 데이터베이스에 저장되며 필요에 따라 검색하고 업데이트할 수 있습니다.
사용자는 설문조사를 만들고 AI 에이전트와 회의를 진행할 수도 있습니다. 설문조사는 상담원을 선택하고 질문을 정의하여 생성됩니다. 앱은 abe_gpt 모듈을 사용하여 선택한 에이전트와 사용자 정의 지침을 기반으로 설문조사 응답을 생성합니다. 설문조사 결과는 데이터베이스에 저장되며 사용자가 볼 수 있습니다.
기간은 앱의 또 다른 기능으로, 사용자가 특정 지침과 상황에 따라 기본 에이전트의 수정된 버전을 만들 수 있도록 해줍니다. 사용자는 에이전트를 선택하고, 지침을 제공하고, 수정된 에이전트를 사용하여 새로운 기간을 생성할 수 있습니다. 기간 데이터는 데이터베이스에 저장되며 사용자가 액세스하고 관리할 수 있습니다.
이 앱은 다양한 Flask 확장 기능과 라이브러리를 활용하여 기능을 향상합니다. Flask-Images는 이미지 처리 및 처리에 사용되지만 현재 코드에서의 사용법은 정리하고 수정해야 합니다. Flask-Migrate는 데이터베이스 마이그레이션에 사용되므로 데이터베이스 스키마 변경 사항을 쉽게 관리할 수 있습니다.
앱의 프런트엔드는 HTML 템플릿을 사용하여 구축되었으며 Tailwind CSS로 스타일이 지정되었습니다. 템플릿은 동적 콘텐츠 생성을 허용하는 템플릿 엔진인 Jinja2를 사용하여 렌더링됩니다. JavaScript는 클라이언트 측 상호 작용 및 AJAX 요청에 사용됩니다.
예외를 적절하게 포착하고 처리하기 위해 오류 처리 및 로깅이 앱 전체에 구현됩니다. 앱은 디버깅 및 모니터링 목적으로 관련 정보와 오류를 기록합니다.
전반적으로 Semantic Life 앱은 사용자가 AI 에이전트를 생성, 관리 및 상호 작용하고, 설문 조사를 수행하고, 사용자 정의 지침을 기반으로 기간을 생성할 수 있는 플랫폼을 제공합니다. Flask 웹 프레임워크, PostgreSQL 데이터베이스 및 OpenAI API를 활용하여 기능을 제공합니다.
테이블_스키마 | 테이블_이름 | 컬럼_이름 | 데이터_유형
------------+------+---------------+- --------------- 공개 | alembic_version | 버전_번호 | 캐릭터 다양한 공개 | 회의 | 아이디 | 정수 공개 | 회의 | 이름 | 캐릭터 다양한 공개 | 회의 | 사용자 ID | 정수 공개 | 회의 | 회의_데이터 | JSON 공개 | 회의 | is_public | 부울 공개 | 회의 | 공개_URL | 캐릭터 다양한 공개 | 페이지뷰 | 아이디 | 정수 공개 | 페이지뷰 | 페이지 | 캐릭터 다양한 공개 | 페이지뷰 | 타임스탬프 | 시간대가 없는 타임스탬프 공개 | 설문조사 | 아이디 | 정수 공개 | 설문조사 | 이름 | 캐릭터 다양한 공개 | 설문조사 | 사용자 ID | 정수 공개 | 설문조사 | is_public | 부울 공개 | 설문조사 | 공개_URL | 캐릭터 다양한 공개 | 설문조사 | 설문조사_데이터 | JSON 공개 | 기간 | 아이디 | 정수 공개 | 기간 | 이름 | 캐릭터 다양한 공개 | 기간 | 사용자 ID | 정수 공개 | 기간 | 에이전트_데이터 | JSON 공개 | 사용자 | 아이디 | 정수 공개 | 사용자 | 사용자 이름 | 캐릭터 다양한 공개 | 사용자 | 이메일 | 캐릭터 다양한 공개 | 사용자 | 비밀번호_해시 | 캐릭터 다양한 공개 | 사용자 | 에이전트_데이터 | JSON 공개 | 사용자 | 이미지_데이터 | JSON 공개 | 사용자 | 크레딧 | 정수
사용자 WHERE 사용자 이름 = 'the_username'에서 크레딧을 선택하세요.
SELECT table_schema, table_name, column_name, data_type FROM information_schema.columns WHERE table_schema NOT IN ('information_schema', 'pg_catalog') ORDER BY table_schema, table_name, ordinal_position;
----------
check images
SELECT
agent.value->>'id' AS agent_id,
agent.value->>'photo_path' AS photo_path,
LENGTH(COALESCE(u.images_data->>(agent.value->>'photo_path'), '')) AS image_length,
CASE
WHEN LENGTH(COALESCE(u.images_data->>(agent.value->>'photo_path'), '')) > 0
THEN 'Present'
ELSE 'Missing'
END AS image_status
FROM
"user" u,
json_array_elements(u.agents_data) AS agent
WHERE
u.id = 12;
admin.py 독립 실행형은 크레딧을 추가합니다.
SELECT m.id AS 미팅_ID, m.name AS 미팅_이름, m.agents AS 미팅_에이전트, m.questions AS 미팅_질문, m.answers AS 미팅_답변, m.is_public AS 미팅_is_public, m.public_url AS 미팅_public_url, u.id AS user_id, u .username AS user_username, u.email AS user_email FROM 미팅 AS m JOIN "user" AS u ON m.user_id = u.id 여기서 m.id = 24;
시간대 에이전트 보기
SELECT t.id AS timeframe_id, t.name AS timeframe_name, json_array_length(t.agents_data) AS num_agents, CASE WHEN t.agents_data IS NULL THEN false ELSE true END AS Agent_populated, CASE WHEN u.images_data IS NULL THEN false ELSE true END AS 이미지_채워짐, json_agg(t.agents_data->>'id') AS Agent_names FROM timeframe t JOIN "user" u ON t.user_id = u.id GROUP BY t.id, t.name, t.agents_data, u.images_data;
SELECT u.id AS user_id, u.username, CASE WHEN LENGTH(t.image_data) > 0 THEN '0이 아님' ELSE '0' END AS image_data_status, CASE WHEN LENGTH(t.thumbnail_image_data) > 0 THEN '0이 아님 ' ELSE '0' END AS 썸네일_이미지_데이터_상태 FROM "사용자" u LEFT JOIN 기간 t ON t.user_id = u.id WHERE u.username = 'realityinspector82';
