Merge pull request #59 from weijia99/main

fixs chapter8&9 some codes

docs/chapter8/第八章 记忆与检索.md

@@ -154,9 +154,11 @@ hello-agents/
 
 ```bash
 pip install "hello-agents[all]==0.2.0"
+python -m spacy download zh_core_web_sm
+python -m spacy download en_core_web_sm
 ```
 
-除了这一个指令外，还需要在`.env`配置图数据库，向量数据库，LLM以及Embedding方案的API。在教程中向量数据库采用Qdrant，图数据库采用Neo4J，Embedding首选百炼平台，若没有API可切换为本地部署模型方案。
+除此之外，还需要在`.env`配置图数据库，向量数据库，LLM以及Embedding方案的API。在教程中向量数据库采用Qdrant，图数据库采用Neo4J，Embedding首选百炼平台，若没有API可切换为本地部署模型方案。
 
 ```bash
 # ================================

docs/chapter9/第九章 上下文工程.md

@@ -702,7 +702,7 @@ class ContextAwareAgent(SimpleAgent):
     """具有上下文感知能力的 Agent"""
 
     def __init__(self, name: str, llm: HelloAgentsLLM, **kwargs):
-        super().__init__(name=name, llm=llm, **kwargs)
+        super().__init__(name=name, llm=llm, system_prompt=kwargs.get("system_prompt", ""))
 
         # 初始化上下文构建器
         self.memory_tool = MemoryTool(user_id=kwargs.get("user_id", "default"))
@@ -727,6 +727,10 @@ class ContextAwareAgent(SimpleAgent):
         )
 
         # 2. 使用优化后的上下文调用 LLM
+        messages = [
+            {"role": "system", "content": optimized_context},
+            {"role": "user", "content": user_input}
+        ]
         response = self.llm.invoke(optimized_context)
 
         # 3. 更新对话历史
@@ -754,6 +758,7 @@ class ContextAwareAgent(SimpleAgent):
 agent = ContextAwareAgent(
     name="数据分析顾问",
     llm=HelloAgentsLLM(),
+    system_prompt="你是一位资深的Python数据工程顾问。",
     user_id="user123",
     knowledge_base_path="./data_science_kb"
 )