补传

fay_player_knowledge/README.md

@@ -0,0 +1,32 @@
+# Fay 课程知识库
+
+本目录存放 Fay 的课程知识包（`.zip` 格式），由「课程知识库」MCP server（`mcp_servers/fay_player_knowledge/`）加载，供 Fay 在对话中检索引用。
+
+## 课程包来源
+
+所有课程包均可在 **[https://player.fay-agent.com](https://player.fay-agent.com)** 在线创建或浏览，主要功能：
+
+- 🌐 **浏览 / 创建** 课程知识包
+- ▶️ **在线播放** 课程内容
+- 🎬 **导出视频** 一键将课程包生成讲解视频
+- 📄 **导出 Markdown 文档** 将课程内容转为 md 文档
+- 🆓 **完全开源** 项目地址：[https://gitee.com/xszyou/fay-player](https://gitee.com/xszyou/fay-player)
+
+下载得到的 `.zip` 放入本目录，即可被 Fay 引用。
+
+## 当前包含的课程
+
+| 课程包 | 简介 |
+| --- | --- |
+| Fay介绍（面向开发者）.zip | Fay 数字人框架的整体架构与开发者上手指南 |
+| Fay多用户对话消息分发逻辑.zip | 多用户场景下消息分发与会话隔离机制 |
+| Fay的think标签处理逻辑.zip | `<think>` 标签从产生到记忆归档的全链路 |
+| Fay的prestart标签处理逻辑.zip | `<prestart>` 标签的注册、调度与双通道注入 |
+| OfficeEcho-course.zip | OfficeEcho 示例课程 |
+
+## 使用方式
+
+1. 在 [https://player.fay-agent.com](https://player.fay-agent.com) 创建或下载课程包；
+2. 将 `.zip` 文件放入本目录；
+3. 启动 Fay 后，「课程知识库」MCP server 会自动加载并向 Fay 暴露 `search` / `get_section` 工具；
+4. 与 Fay 对话时即可让它检索这些知识。

test/test_fay_gpt_stream.py

@@ -32,13 +32,13 @@ _configure_console_streams()
 
 
 def test_gpt(prompt, username="张三", observation="", no_reply=False):
-    url = 'http://192.168.1.18:1234/v1/chat/completions'  # 替换为您的接口地址
+    url = 'http://127.0.0.1:5000/v1/chat/completions'  # 替换为您的接口地址
     headers = {
         'Content-Type': 'application/json',
         'Authorization': f'Bearer sk-lm-W3h0kb9s:wjTMT85AtBtW4VFLnmyG',  # 如果您的接口需要身份验证
     }
     data = {
-        'model': 'qwen/qwen3.5-9b', #model为llm时，会直接透传到上游的llm输出，fay不作任何处理、记录
+        'model': 'llm', #model为llm时，会直接透传到上游的llm输出，fay不作任何处理、记录
         'messages': [
             {'role': username, 'content': prompt}
         ],
@@ -75,11 +75,20 @@ def test_gpt(prompt, username="张三", observation="", no_reply=False):
                     data = json.loads(line)
                     # 从数据中提取生成的内容
                     choices = data.get('choices')
-                    if choices:
-                        delta = choices[0].get('delta', {})
-                        content = delta.get('content', '')
-                        if content:
-                            _print_stream_content(content)
+                    if choices:
+                        delta = choices[0].get('delta', {})
+                        content = delta.get('content', '')
+                        tool_calls = delta.get('tool_calls')
+                        function_call = delta.get('function_call')
+                        finish_reason = choices[0].get('finish_reason')
+                        if content:
+                            _print_stream_content(content)
+                        if tool_calls:
+                            print("\n[tool_calls] " + json.dumps(tool_calls, ensure_ascii=False), end="", flush=True)
+                        if function_call:
+                            print("\n[function_call] " + json.dumps(function_call, ensure_ascii=False), end="", flush=True)
+                        if finish_reason and finish_reason != "stop":
+                            print(f"\n[finish_reason] {finish_reason}", end="", flush=True)
                 except json.JSONDecodeError:
                     print(f"\n无法解析的 JSON 数据：{line}")
             else: