chat-ai-api/app/schemas/chat.py

from pydantic import BaseModel, Field, ConfigDict
from typing import List, Optional, Dict, Any
from datetime import datetime
from ..core.ark_client import config


class ChatMessage(BaseModel):
    role: str  # "user" | "assistant" | "system"
    content: str
    timestamp: Optional[datetime] = None
    response_id: Optional[str] = None
    thinking: Optional[str] = None
    searching: Optional[str] = None

# 帖子请求
class CommentRequest(BaseModel):
    id: str  # 帖子的主键


# 兴趣圈提示词模版
class CirclePromptConfig(BaseModel):
    appName: str          # 包名，作为唯一标识
    name: str             # 兴趣圈名称
    role: str             # AI 扮演的角色
    style: str            # 回复风格描述
    keywords: List[str] = []   # 推荐使用的关键词
    forbidden: List[str] = []  # 禁止使用的词语
    extra_instruction: str    # 是给模型更细化的行为指引，可以包含在最终提示词中。

# Ai的请求对象
class ChatRequest(BaseModel):
    model_config = ConfigDict(populate_by_name=True)

    messages: List[ChatMessage]
    model: Optional[str] = config.MODEL_NAME
    stream: Optional[bool] = False
    source: Optional[str] = None  # source=app 时走第三方 token 认证
    token: Optional[str] = None   # App 端传入的第三方 token
    session_id: Optional[str] = Field(None, alias="sessionId")  # 会话ID，前端传 sessionId


# Ai的返回对象
class ChatResponse(BaseModel):
    message: ChatMessage
    model: str
    usage: Optional[Dict[str, Any]] = None
    response_id: Optional[str] = None

# 流式对象
class StreamResponse(BaseModel):
    content: str
    finished: bool
    model: str
    timestamp: datetime
    type: str = "answer"  # "thinking"=AI思考开过车delta | "searching"=搜索状态/关键词 | "answer" = 正式回答 delta（现有逻辑）


# 历史人物
class HistoricalFigure(BaseModel):
    id: str = Field(alias="_id")  # MongoDB _id
    name: str           # 姓名，如 "孔子"
    era: str            # 朝代/时期，如 "春秋时期"
    description: str    # 简介，如 "儒家创始人"
    prompt: str         # 说话风格提示词，用于 AI 润色

    model_config = ConfigDict(populate_by_name=True)


# 历史人物新增/修改（不含 id，由 MongoDB 生成）
class FigureUpsert(BaseModel):
    name: str
    era: str
    description: str
    prompt: str


# 润色请求
class RephraseRequest(BaseModel):
    figureId: str   # 历史人物 _id
    text: str       # 用户原文