Skip to content

cw-academy-agent windows 11 fix and improvements #5

New issue

Have a question about this project? Sign up for a free GitHub account to open an issue and contact its maintainers and the community.

Sign up for GitHub

By clicking “Sign up for GitHub”, you agree to our terms of service and privacy statement. We’ll occasionally send you account related emails.

Already on GitHub? Sign in to your account

Open
gpdl-0 wants to merge 3 commits into
base: main
Choose a base branch
from
Open

cw-academy-agent windows 11 fix and improvements #5

Show file tree
Hide file tree
Changes from all commits
Commits
Show all changes
3 commits
Select commit Hold shift + click to select a range
44a32c1
docs:Added audio .wav files to gitignore
gpdl-0 Nov 7, 2025
72cfa18
fix:Fixed W11 audio record error - [WinError 10038]
gpdl-0 Nov 7, 2025
8c58530
:refactoring: Added meaningful comments and some sanity checks
gpdl-0 Nov 7, 2025
File filter

Filter by extension

Filter by extension
Conversations
Failed to load comments.
Loading
Jump to
Jump to file
Failed to load files.
Loading
Diff view
Diff view
5 changes: 4 additions & 1 deletion .gitignore
View file
Open in desktop
Original file line number Diff line number Diff line change
Expand Up @@ -81,4 +81,7 @@ dmypy.json
.cache/

# Project specific
memory.json
memory.json

# Recorded audio
*.wav
90 changes: 71 additions & 19 deletions agent-memory/main.py
View file
Open in desktop
Original file line number Diff line number Diff line change
Expand Up @@ -8,60 +8,112 @@
from datetime import datetime
import json

print("Iniciando o Agente de Memória...")
# Carrega as variáveis de ambiente (ex: OPENAI_API_KEY) do arquivo .env
load_dotenv(find_dotenv())

# Inicializa o cliente da OpenAI. É aqui que a API Key é usada.
client = OpenAI(api_key=os.getenv("OPENAI_API_KEY"))

# Loop principal do agente
while True:
memory = {
"events": [],
"interactions": []
} if not os.path.exists("memory.json") else json.load(open("memory.json"))
print("\n----- Novo Ciclo de Interação -----")
# Tenta carregar a memória existente. Se não existir, cria uma estrutura vazia.
try:
memory = {
"events": [],
"interactions": []
} if not os.path.exists("memory.json") else json.load(open("memory.json"))
# print(f"Memória carregada. {len(memory['events'])} eventos, {len(memory['interactions'])} interações.")
except Exception as e:
print(f"Erro ao carregar 'memory.json': {e}. Usando memória vazia.")
memory = {"events": [], "interactions": []}


# 1. GRAVAÇÃO DE ÁUDIO
# Chama a função que aguarda o usuário pressionar Enter para gravar
filename_audio = record_audio()
print(f"Áudio gravado e salvo como: {filename_audio}")

# 2. TRANSCRIÇÃO (Whisper API)
# Abre o arquivo de áudio gravado em modo binário ("rb")
audio_file = open(filename_audio, "rb")

# PONTO CRÍTICO DE ERRO (COMO VIMOS)
# Esta linha faz a chamada para a API do Whisper da OpenAI para transcrever o áudio.
# Se você receber um erro 'insufficient_quota' (429), é um problema de faturamento/créditos
# na sua conta OpenAI, e não um erro de código.
print("Enviando áudio para transcrição (API Whisper)...")
transcription = client.audio.transcriptions.create(
model="whisper-1",
file=audio_file,
language="pt"
)

# Fecha o arquivo de áudio após a transcrição
audio_file.close()

# 3. LIMPEZA
# Remove o arquivo .wav para não ocupar espaço
print(f"Removendo arquivo de áudio local: {filename_audio}")
os.remove(filename_audio)

# Extrai o texto da resposta de transcrição
text = transcription.text
print(f"Texto transcrito: '{text}'")

print(text)

# 4. PROCESSAMENTO (GPT-4o)
actual_date = datetime.now().strftime("%d/%m/%Y")

# Prepara a chamada para o modelo de chat (GPT-4o)
# Note que estamos enviando a 'memory' atual para dar contexto ao assistente
print("Enviando texto para processamento (API GPT-4o)...")
completion = client.chat.completions.create(
model="gpt-4o",
messages=[
{"role": "developer", "content": f"You are a helpful assistant. You are responsible for remembering events of my life. Today is {actual_date} use this as a reference to remember events. If the event occurred in the past, you should use the date to remember the event using today's date as a reference."},
{"role": "developer", "content": f"You are a helpful assistant. You are responsible for remembering events of my life. Today is {actual_date} use this as a reference to remember events. If the event occurred in a past, you should use the date to remember the event using today's date as a reference."},
{"role": "assistant", "content": json.dumps(memory)},
{"role": "user", "content": text}
],
tool_choice="auto",
tool_choice="auto", # Deixa a IA decidir se usa uma ferramenta (DailyEvents)
tools=[
base_model2tool(DailyEvents)
base_model2tool(DailyEvents) # Converte o Pydantic Model em uma "tool"
]
)

# 5. ANÁLISE E RESPOSTA
# Verifica se a IA decidiu usar a ferramenta 'DailyEvents'
if completion.choices[0].message.tool_calls:
print("A IA decidiu usar uma ferramenta (DailyEvents).")
for tool_call in completion.choices[0].message.tool_calls:
if tool_call.function.name == "DailyEvents":
daily_events = DailyEvents(**json.loads(tool_call.function.arguments))
# Se a ferramenta for 'DailyEvents', extrai os argumentos
tool_args = json.loads(tool_call.function.arguments)
daily_events = DailyEvents(**tool_args)

# Salva os eventos na memória
memory["events"].append(f"Day: {daily_events.date} - {daily_events.events}")

# Prepara a resposta de confirmação
response_text = f"Evento do dia {daily_events.date} registrado com sucesso, posso te ajudar com mais alguma coisa?"
memory['interactions'].append(f"Human: {text}")
memory['interactions'].append(f"Assistant: {response_text}")
print(f"Resposta da IA: {response_text}")

# Se a IA não usou uma ferramenta, ela provavelmente deu uma resposta em texto
elif completion.choices[0].message.content:
print("A IA respondeu com texto (sem usar ferramenta).")
response_text = completion.choices[0].message.content
memory['interactions'].append(f"Human: {text}")
memory['interactions'].append(f"Assistant: Evento do dia {daily_events.date} registrado com sucesso, posso te ajudar com mais alguma coisa?")
print(f"Evento do dia {daily_events.date} registrado com sucesso, posso te ajudar com mais alguma coisa?")

if completion.choices[0].message.content:
memory['interactions'].append(f"Human: {text}")
memory['interactions'].append(f"Assistant: {completion.choices[0].message.content}")
print(completion.choices[0].message.content)
memory['interactions'].append(f"Assistant: {response_text}")
print(f"Resposta da IA: {response_text}")
else:
print("A IA não retornou nem ferramenta, nem conteúdo.")

with open("memory.json", "w") as f:
json.dump(memory, f)
# 6. SALVAMENTO
# Salva o estado atualizado da memória de volta no arquivo .json
print("Salvando memória atualizada em 'memory.json'...")
with open("memory.json", "w", encoding='utf-8') as f:
# 'ensure_ascii=False' garante que caracteres PT-BR (como 'ç' ou 'ã')
# sejam salvos corretamente em vez de códigos unicode.
json.dump(memory, f, ensure_ascii=False, indent=2)
14 changes: 6 additions & 8 deletions agent-memory/tools/daily_events.py
View file
Open in desktop
Original file line number Diff line number Diff line change
Expand Up @@ -5,19 +5,17 @@ class DailyEvents(BaseModel):
"""
Identifica e registra eventos diários para salvar em uma planilha.

Args:
date (str): Data em que os eventos devem ser identificados, no formato YYYY-MM-DD
events (List[Event]): Lista de eventos identificados no dia, cada um contendo título,
descrição e horário

Returns:
str: Confirmação do registro dos eventos
O 'docstring' (esta descrição) é MUITO IMPORTANTE.
O GPT-4o lê esta descrição para entender O QUE esta ferramenta faz e QUANDO usá-la.
"""

# O 'Field' (campo) também usa sua descrição para guiar a IA
date: str = Field(
description="Data em que os eventos ocorreram no formato DD/MM/YYYY"
# A descrição diz à IA qual formato de data ela deve extrair do texto.
)

events: List[str] = Field(
description="Lista de eventos identificados no dia"
)
# A IA entenderá que deve agrupar os eventos em uma lista de strings.
)
41 changes: 26 additions & 15 deletions agent-memory/utils/basemodel2tool.py
View file
Open in desktop
Original file line number Diff line number Diff line change
@@ -1,3 +1,12 @@
"""
Este módulo é um "tradutor" que converte um Pydantic BaseModel (como o DailyEvents)
para o formato de esquema JSON que a API da OpenAI espera para sua funcionalidade
de "Tool Calling" (Chamada de Ferramenta).

A IA não pode ler o código Python do DailyEvents, mas pode ler o JSON que
este script gera a partir dele.
"""

from enum import Enum
from types import UnionType
from typing import (
Expand All @@ -13,20 +22,14 @@


def get_field_type(field: FieldInfo) -> str:
"""Função auxiliar para mapear tipos Python (ex: str) para tipos JSON (ex: 'string')."""
if field.annotation is None:
return "any"
return get_simple_type_name(field.annotation)


def get_simple_type_name(type_hint: type) -> str:
"""Get simplified OpenAI-compatible type name from Python type hint.

Args:
type_hint (type): Python type hint to convert

Returns:
str: OpenAI-compatible type name
"""
"""Traduz tipos Python complexos (List, Union, etc.) para nomes de tipo JSON."""
# Add support for | type hint E.g. str | None
if get_origin(type_hint) in (Union, UnionType) or isinstance(type_hint, UnionType):
types = [t for t in get_args(type_hint) if t is not type(None)]
Expand All @@ -53,19 +56,21 @@ def get_simple_type_name(type_hint: type) -> str:


def base_model2tool(model: type[BaseModel]) -> dict:
"""Convert a Pydantic BaseModel to OpenAI function format.
"""
Função principal. Converte um Pydantic BaseModel para o formato de ferramenta OpenAI.

Args:
model (type[BaseModel]): Pydantic model class to convert
model (type[BaseModel]): A classe Pydantic (ex: DailyEvents)

Returns:
dict: OpenAI function-calling format dictionary
dict: Um dicionário formatado como a OpenAI espera.
"""
# Monta a estrutura base que a API da OpenAI requer
json_output = {
"type": "function",
"function": {
"name": model.__name__,
"description": model.__doc__ or "",
"name": model.__name__, # Pega o nome da classe (ex: "DailyEvents")
"description": model.__doc__ or "", # Pega o docstring (descrição)
"parameters": {
"type": "object",
"properties": {}
Expand All @@ -75,27 +80,33 @@ def base_model2tool(model: type[BaseModel]) -> dict:

required_properties = []

# Itera sobre todos os campos definidos no Pydantic Model (ex: 'date', 'events')
for name, field in model.model_fields.items():
# Traduz o tipo do campo (ex: str -> "string")
prop_dict = {
"type": get_field_type(field),
"description": field.description or "",
"description": field.description or "", # Pega a descrição do campo
}

# Trata casos especiais, como Listas (Arrays)
if get_origin(field.annotation) in (list, List):
prop_dict["type"] = "array"
args = get_args(field.annotation)
if args:
prop_dict["items"] = {"type": get_simple_type_name(args[0])}

# Marca quais campos são obrigatórios
if field.is_required():
required_properties.append(name)

if isinstance(field.annotation, type) and issubclass(field.annotation, Enum):
prop_dict["enum"] = [str(e.value) for e in field.annotation]

# Adiciona o campo traduzido ao JSON final
json_output["function"]["parameters"]["properties"][name] = prop_dict

if required_properties:
json_output["function"]["parameters"]["required"] = required_properties

return json_output
# Retorna o dicionário/JSON completo
return json_output
35 changes: 21 additions & 14 deletions agent-memory/utils/record_audio.py
View file
Open in desktop
Original file line number Diff line number Diff line change
Expand Up @@ -3,8 +3,9 @@
import time
from datetime import datetime
from typing import Optional
import sys
import select
# Modules 'sys' & 'select' are no more used in this logic
# import sys
# import select

def record_audio() -> Optional[str]:
"""Records audio from microphone when user presses Enter and stops when Enter is pressed again.
Expand Down Expand Up @@ -38,18 +39,24 @@ def callback(in_data, frame_count, time_info, status):

stream.start_stream()
print("Press Enter to start recording, press Enter again to stop...")
# This block is modified because I was having problems using W11 :
# if select.select([sys.stdin], [], [], 0.1)[0]:
# OSError: [WinError 10038] An operation was attempted on something that is not a socket"

# My solution using Gemini:
# 1 Wait (blocking) for 1st 'enter'
input()
# 'recording' flag
recording = True
print("Recording...")

# 2 Wait (blocking) for 2nd 'enter'
input()

while True:
# Check if Enter key was pressed
if select.select([sys.stdin], [], [], 0.1)[0]:
sys.stdin.readline()
if not recording:
recording = True
print("Recording...")
else:
break
time.sleep(0.1) # Reduce CPU usage

# 3 Stp recording
# The flag 'recording' changes
recording = False # optional but best practice
# Stop strem here
stream.stop_stream()
stream.close()

Expand All @@ -67,4 +74,4 @@ def callback(in_data, frame_count, time_info, status):
finally:
audio.terminate()

return None
return None