from fastapi import APIRouter, HTTPException from datetime import datetime from ..core.ark_client import get_client from ..config.config import Config from ..schemas.chat import ChatMessage, ChatResponse, CommentRequest, CirclePromptConfig, HistoricalFigure, \ RephraseRequest, FigureUpsert, GroupChatRequest from ..db.souyue_mongo import get_mblog_by_id from ..db.mongo import save_chat_log,get_circle_prompt, upsert_circle_prompt, get_all_figures, get_figure_by_id, insert_figure, update_figure, delete_figure from ..utils.chat_utils import get_web_search_tools, get_knowledge_search_tools from ..db.ai_config import get_config_by_app_name from ..db.mongo import save_chat_history, get_chat_history, delete_chat_history, get_sessions router = APIRouter() def _build_prompt(product_text: str, prompt_config: dict) -> str: name = prompt_config.get("name", "兴趣圈") role = prompt_config.get("role", "活跃用户") style = prompt_config.get("style", "自然亲切，有活人感") keywords: list = prompt_config.get("keywords") or [] forbidden: list = prompt_config.get("forbidden") or [] extraInstruction = prompt_config.get("extra_instruction") lines = [ f"你是{role}，活跃在{name}兴趣圈。", "请根据以下帖子信息，生成一条10-30字的评论，要求：", "1. 内容指向性强，结合帖子具体内容", f"2. 风格：{style}", ] seq = 3 if keywords: lines.append(f"{seq}. 适当融入关键词（自然使用）：{', '.join(keywords)}") seq += 1 if forbidden: lines.append(f"{seq}. 禁止使用以下词语：{', '.join(forbidden)}") seq += 1 lines.append(f"{seq}. 语言自然，不要暴露你是AI") # 额外要求 if extraInstruction: lines.append(f"【额外要求】{','.join(extraInstruction)}") lines.append(f"\n帖子内容：{product_text}") return "\n".join(lines) # 存储/更新兴趣圈提示词模版（appName 已存在则覆盖） @router.post("/prompt") async def save_circle_prompt(promptcfg: CirclePromptConfig): try: upsert_circle_prompt(promptcfg.model_dump()) return {"message": "保存成功", "appName": promptcfg.appName} except Exception as e: raise HTTPException(status_code=500, detail=f"保存失败: {str(e)}") # 评论帖子的马甲机器人，无状态，支持批量对多个帖子智能回复 @router.post("/batchPostCommentBot", response_model=ChatResponse) async def generate_post_comment(request: CommentRequest): doc = get_mblog_by_id(request.id) if not doc: raise HTTPException(status_code=404, detail="帖子不存在") title = doc.get("title", "") brief = doc.get("brief", "") nickname = doc.get("nickname", "") app_name = doc.get("appName", "") images: list = doc.get("images") or [] product_text = f"主题：{title}\n摘要：{brief}\n发布者：{nickname}" file_list = [] if images: for img_url in images: file_list.append({"type": "input_image", "image_url": img_url}) prompt_config = get_circle_prompt(app_name) input_text = _build_prompt(product_text, prompt_config) content = file_list + [{"type": "input_text", "text": input_text}] print(f"concat text: {content}") client = get_client(app_name) response = client.responses.create( model=Config.MODEL_NAME, input=[{"role": "user", "content": content}], ) message_content = "" for item in response.output: if hasattr(item, 'type') and item.type == 'message' and hasattr(item, 'content'): if isinstance(item.content, list): for content_item in item.content: if hasattr(content_item, 'text'): message_content += content_item.text else: message_content += str(item.content) if not message_content: raise HTTPException(status_code=500, detail="AI未能生成评论") return ChatResponse( message=ChatMessage(role="assistant", content=message_content, timestamp=datetime.now()), model=response.model, usage=response.usage.model_dump() if response.usage else None, ) # ===================== 历史人物管理 ===================== # 获取历史人物列表 @router.get("/figures", response_model=list[HistoricalFigure]) async def list_figures(): return get_all_figures() # 获取单个历史人物 @router.get("/figures/{id}", response_model=HistoricalFigure) async def get_figure(id: str): doc = get_figure_by_id(id) if not doc: raise HTTPException(status_code=404, detail="历史人物不存在") return doc # 新增历史人物 @router.post("/figures", response_model=HistoricalFigure) async def create_figure(figure: FigureUpsert): inserted_id = insert_figure(figure.model_dump()) if not inserted_id: raise HTTPException(status_code=500, detail="新增失败") return {**figure.model_dump(), "_id": inserted_id} # 修改历史人物 @router.put("/figures/{id}", response_model=HistoricalFigure) async def modify_figure(id: str, figure: FigureUpsert): matched = update_figure(id, figure.model_dump()) if not matched: raise HTTPException(status_code=404, detail="历史人物不存在") return {**figure.model_dump(), "_id": id} # 删除历史人物 @router.delete("/figures/{id}") async def remove_figure(id: str): deleted = delete_figure(id) if not deleted: raise HTTPException(status_code=404, detail="历史人物不存在") return {"message": "删除成功", "id": id} # ===================== 润色接口 ===================== # 润色接口 @router.post("/rephrase") async def rephrase_as_figure(request: RephraseRequest): figure = get_figure_by_id(request.figureId) if not figure: raise HTTPException(status_code=404, detail="历史人物不存在") prompt = ( f"你是{figure['name']}，{figure['description']}，生活在{figure['era']}。\n" f"请将以下话语改写成{figure['name']}的说话风格，保留原意，体现其性格特点（{figure['prompt']}）。\n" f"只输出改写后的内容，不要解释、不要加引号。\n" f"原文：{request.text}" ) client = get_client() response = client.responses.create( model=Config.MODEL_NAME, input=[{"role": "user", "content": prompt}], stream=False, store=False, # thinking={"type":"auto"}, ) rephrased = "" for item in response.output: if hasattr(item, 'type') and item.type == 'message' and hasattr(item, 'content'): if isinstance(item.content, list): for content_item in item.content: if hasattr(content_item, 'text'): rephrased += content_item.text else: rephrased += str(item.content) if not rephrased: raise HTTPException(status_code=500, detail="AI未能生成润色结果") return { "original": request.text, "rephrased": rephrased, "figure": figure["name"], } # IM群里的机器人自动回复 @router.post("/groupChat") async def group_chat( request:GroupChatRequest ): ai_config = get_config_by_app_name(request.app_name) if not ai_config: raise ValueError(f"未找到appName '{request.app_name}' 的配置") client = get_client(request.app_name) knowledge_id = ai_config["knowledgeId"] system_prompt = f""" 你是云悦公司开发的智能助手。你的核心行为准则如下： ## 一、身份与基本行为规范 你具备以下能力： - 可接收和读取各类文档（PDF、Excel、PPT、Word 等），并执行总结、分析、翻译、润色等任务； - 可读取图片/照片、网址、抖音链接的内容； - 可根据用户提供的文本描述生成或绘制图片； - 可搜索各类信息（含图片和视频）以满足用户需求。 ## 二、工具使用总原则 1. 优先使用「知识库」检索信息，只有当知识库的信息不足以支撑回答时，才能使用联网搜索；如果知识库信息足够，则不联网。 2. 对于以下问题，优先参考「知识库」中的信息进行回复： - 云悦产品相关问题（如：XX宝）； - 企业信息相关问题（如：云悦）； - 创始人或负责人相关问题（如：陈沛）。 3. 当用户提问涉及企业、企业产品、企业负责人、人物信息等内容时，应先尝试通过知识库检索；若知识库无法提供足够信息，再判断为当前信息不足并启用联网搜索。 4. 若知识库无结果或结果不足，不需要向用户说明“知识库未命中”或“正在联网搜索”，直接继续完成检索与回答。 5. 不得为了形式完整而强行联网；若知识库已足够回答，则直接基于已有信息作答。 ## 三、联网搜索触发规则 仅在以下情况下，才允许调用联网搜索： 1. 知识库信息不足以支撑回答； 2. 问题具有明显时效性，例如近3年的数据、最新动态、近期人事变动、当前价格、最新产品信息等； 3. 问题属于你的知识盲区，且知识库也未覆盖，例如特定企业薪资、实时工商状态、近期新闻事件等； 4. 用户问题需要依赖最新公开信息，而当前已有信息无法确保准确性。 若不满足以上条件，则不联网。 ## 四、搜索与信息验证规则 当必须联网搜索时，应遵循以下原则： 1. 搜索范围 - 默认获取 top10 搜索结果作为候选信息； - 优先关注与用户问题强相关的信息。 2. 来源可信度判断 - 优先采用高可信来源的信息，例如： - 官方网站、官方公告、官方公众号； - 权威媒体； - 行业机构、公开财报、监管披露、学术或专业数据库。 - 对来源不明、营销导向强、内容农场、明显搬运或缺乏佐证的信息，应降低权重或直接舍弃。 3. 信息真实性验证 - 对关键事实进行交叉验证，尤其是： - 企业名称、产品名称； - 职位、负责人身份； - 时间、金额、价格、融资、营收等关键数据； - 产品能力、发布时间、合作关系等。 - 重点检查： - 时间是否一致； - 表述是否存在逻辑冲突； - 是否有多个独立来源支持； - 是否存在明显异常或夸张描述。 - 如果信息可能不实，则直接排除，不用于回答。 4. 信息整合 - 优先采用高质量、可交叉验证的信息形成答案； - 若多个可信来源一致，可提高回答确定性； - 若信息存在冲突，应仅保留相对稳妥、可验证的部分，避免武断下结论； - 若搜索结果整体质量较低、无法形成可靠结论，则视为“未搜索到可靠信息”。 5. 搜索失败处理 - 若联网搜索后仍无可靠信息，不编造、不猜测； - 应直接告诉用户目前无法找到可靠信息。 ## 五、回答规则 ### 1. 内容层面 - 优先回答用户的核心问题，内容应准确、直接、完整； - 在不偏离主问题的前提下，可适度补充必要背景，帮助用户理解； - 对复杂概念可使用简洁例子或类比辅助说明； - 若问题范围较广或需求不明确，先给出简要概述，再覆盖关键点； - 大多数情况下不需要提供过多延伸内容，围绕用户主需回答即可； - 若信息不足或搜索结果不可靠，应明确说明无法确认，不得编造。 ### 2. 来源呈现规则 - 可以内部参考知识库和搜索结果进行作答； - 但对用户输出时，**不得暴露参考资料的存在**； - 不得出现类似： - “根据参考资料” - “根据知识库” - “根据检索结果” - “我查到” - “搜索显示” 等表述； - 不需要展示引用链接、角标引用、参考文献列表。 ### 3. 时效性表达 - 对企业、产品、负责人、人事变动、价格、营收、融资等容易变化的信息，应自然标注时间范围； - 推荐表达方式： - “截至2025年3月，……” - “从目前公开信息来看，……” - “根据2024年下半年的公开信息，……” - 时效性表达应自然融入回答，不要生硬罗列。 ### 4. 格式层面 通常情况下，对知识问答类问题使用清晰、结构化表达，确保用户轻松理解和使用： - 优先使用自然分段； - 需要表达顺序关系时，使用有序列表（1. 2. 3.）； - 需要表达并列关系时，使用无序列表； - 可适度使用加粗突出标题和关键信息； - 非必要不使用复杂嵌套列表； - 对创作、数理逻辑、阅读理解等任务，按惯常方式回答； - 若用户明确指定回复风格，优先满足用户需求。 ## 六、特殊场景处理 1. 如果知识库已有云悦、XX宝、陈沛相关信息，优先使用知识库内容，不主动联网补充。 2. 如果知识库对上述主题信息不足，再进行联网搜索，并仅吸收可信、可验证的信息。 3. 对敏感、隐私、争议信息保持谨慎，尤其是个人资产、未经证实的履历、传闻、八卦、负面指控等；若缺乏可靠依据，应拒绝采纳或明确表示无法确认。 4. 若用户提问本身不清晰，可先简短追问澄清；但若已有足够上下文，也可先给出当前可确定的答案。 ## 七、禁止事项 1. 不得在知识库信息足够时擅自联网； 2. 不得把低可信、未验证、可能不实的信息写入答案； 3. 不得编造事实、时间、数据、人物关系或产品能力； 4. 不得向用户暴露知识库、检索、搜索策略、来源筛选过程或内部判断过程； 5. 不得输出”思考过程””搜索关键词””为什么需要搜索”等内部推理内容； 6. 不得使用”根据参考资料/根据知识库/根据搜索结果”等表述。 ## 八、最终目标 在保证回答自然、清晰、易懂的前提下： - 优先使用知识库； - 仅在必要时联网； - 对联网结果进行真实性与可信度验证； - 用结构化语言给出准确、稳妥、不过度暴露内部过程的回答。 """ system_prompt = {"role": "system", "content": [{"type": "input_text", "text": system_prompt}]} api_messages = [system_prompt, {"role": "user", "content": request.message}] tools = get_web_search_tools() if knowledge_id: tools += get_knowledge_search_tools(knowledge_id) response = client.responses.create( model=Config.MODEL_NAME, input=api_messages, stream=False, store=False, tools=tools, ) result = "" for item in response.output: if hasattr(item, 'type') and item.type == 'message' and hasattr(item, 'content'): if isinstance(item.content, list): for content_item in item.content: if hasattr(content_item, 'text'): result += content_item.text else: result += str(item.content) if not result: save_chat_log( user_id=request.user_id, question=request.message, stream_mode=False, raw_response=repr(response), status="error", ) raise HTTPException(status_code=500, detail="AI未能生成回复") save_chat_log( user_id=request.user_id, question=request.message, stream_mode=False, raw_response=repr(response), status="success", ) return { "data": result, }