chat-ai-api/app/routers/chat_tools.py

import asyncio
import json
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, PostCommentBotRequest, RoleBasedChatRequest
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, save_group_ai_reply, get_last_group_response_id, \
    get_user_memory, upsert_user_fact, append_memory_event, increment_interaction_count
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, get_last_response_id
from ..db.redis_client import get_cached_group_context, cache_group_context, update_group_mood, build_mood_block
from ..core.viking_client import search_knowledge
router = APIRouter()

import re


def _strip_markdown(text: str) -> str:
    text = re.sub(r'(?m)^#{1,6}\s+', '', text)
    text = re.sub(r'\*{1,3}(.+?)\*{1,3}', r'\1', text)
    text = re.sub(r'_{1,3}(.+?)_{1,3}', r'\1', text)
    text = re.sub(r'`{1,3}(.+?)`{1,3}', r'\1', text)
    text = re.sub(r'(?m)^[ \t]*[-*]\s+', '', text)
    text = re.sub(r'(?m)^[ \t]*\d+\.\s+', '', text)
    text = re.sub(r'(?m)^[ \t]*>\s?', '', text)
    text = re.sub(r'\n{3,}', '\n\n', text)
    return text.strip()


def _should_block_role_message(message: str) -> bool:
    """角色对话接口的高风险/不处理话题拦截。

    这些话题不交给模型生成回复，统一由接口返回相同的错误详情，
    避免模型偶尔绕过系统提示词输出内容。
    """
    text = re.sub(r"\s+", "", message or "").lower()

    suicide_or_self_harm = (
        "不想活", "不想活了", "想死", "去死", "自杀", "自残", "割腕",
        "结束生命", "结束自己", "活不下去", "活着没意义", "跳楼", "安眠药",
    )
    extreme_emotion = (
        "彻底崩溃", "情绪崩溃", "绝望至极", "极度绝望", "快撑不住",
        "撑不下去", "崩溃了", "要疯了",
    )
    intimate_relationship = (
        "男朋友", "女朋友", "老公", "老婆", "丈夫", "妻子", "伴侣",
        "前任", "分手", "复合", "出轨", "婚姻", "恋爱", "暧昧",
        "婆媳", "相亲", "结婚", "离婚", "对象",
    )
    scam_or_promotion = (
        "诈骗", "被骗", "杀猪盘", "传销", "资金盘", "刷单", "高收益",
        "稳赚", "保本", "拉人入群", "加群", "推广", "代理加盟",
        "扫码", "返利", "投资理财",
    )
    extreme_content = (
        "仇恨", "恐怖袭击", "恐怖主义", "极端主义", "暴力血腥", "屠杀",
        "炸弹", "爆炸", "枪击", "政治敏感", "反政府", "邪教",
    )

    groups = (
        suicide_or_self_harm,
        extreme_emotion,
        intimate_relationship,
        scam_or_promotion,
        extreme_content,
    )
    return any(keyword in text for group in groups for keyword in group)


async def _extract_memory(
    user_id: str, group_id: str, ai_role: str,
    trigger_msg: str, ai_reply: str, app_name: str,
) -> None:
    """
    回复成功后异步抽取用户记忆，fire-and-forget。
    用小模型从对话中提取结构化事实和关键事件，失败仅打印日志不影响主流程。
    interaction_count 在此处统一自增一次（不在每条 fact 上重复自增）。
    """
    try:
        extract_prompt = (
            f"从以下群聊交互中抽取值得长期记住的用户事实和关键事件。\n"
            f"用户消息：{trigger_msg}\nAI回复：{ai_reply}\n"
            f"只从用户明确陈述的内容中抽取，不要推断或补充。\n"
            f"可识别的事实类型：行业、市场区域、职能背景、痛点、目标、产品、融资阶段。\n"
            f"输出严格JSON：{{\"facts\":{{\"行业\":\"\",\"市场区域\":\"\"}},\"events\":[\"事件描述\"],\"keywords\":[\"关键词\"]}}。\n"
            f"无有价值信息则输出：{{\"facts\":{{}},\"events\":[],\"keywords\":[]}}"
        )
        client = get_client(app_name)
        resp = client.responses.create(
            model="doubao-seed-2-1-lite-260915",
            input=[{"role": "user", "content": extract_prompt}],
            stream=False,
            store=False,
            text={"format": {"type": "json_object"}},
        )
        raw_text = ""
        for item in resp.output:
            if hasattr(item, "type") and item.type == "message" and hasattr(item, "content"):
                if isinstance(item.content, list):
                    for c in item.content:
                        if hasattr(c, "text"):
                            raw_text += c.text
                else:
                    raw_text += str(item.content)

        if not raw_text.strip():
            return
        data = json.loads(raw_text)

        # 写入事实（每条 fact 只 upsert，不自增计数）
        for k, v in data.get("facts", {}).items():
            if v:
                upsert_user_fact(user_id, group_id, ai_role, k, str(v))

        # 写入场景事件
        for ev in data.get("events", []):
            if ev:
                append_memory_event(user_id, group_id, ai_role, ev, data.get("keywords", []))

        # 整次 _extract_memory 调用只自增一次互动次数
        increment_interaction_count(user_id, group_id, ai_role)

    except Exception as e:
        print(f"记忆抽取失败（user={user_id}）: {e}")


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
               回复必须使用纯文本，不得包含任何 Markdown 语法：
               - 不得使用 **加粗**、*斜体*、`代码`、~~删除线~~ 等标记符号；
               - 不得使用 # 标题符号；
               - 不得使用 - 或 * 开头的无序列表，也不得使用 1. 2. 3. 形式的有序列表；
               - 不得使用 > 引用块；
               - 用自然的分段和标点（逗号、句号、分号）来组织内容；
               - 如需表达并列关系，用"一是……二是……三是……"或顿号分隔；
               - 如需表达顺序关系，用"首先……其次……最后……"等自然语言；
               - 对创作、数理逻辑、阅读理解等任务，同样遵守纯文本要求；
               - 若用户明确要求特定格式，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,
        text={"format": {"type": "text"}},#要求大模型输出纯文本内容
        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)

    result = _strip_markdown(result)

    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,
    }


_POST_COMMENT_BOT_BASE_PROMPT = "你是一个评论区智能助手，帮助用户理解帖子内容并回答问题。回复简洁自然，使用纯文本。"


@router.post("/postCommentBot")
async def post_comment_bot(request: PostCommentBotRequest):
    session_id = f"post_{request.post_id}_{request.user_id}"
    previous_response_id = get_last_response_id(request.user_id, session_id)
    is_first_turn = (previous_response_id is None)

    system_text = _POST_COMMENT_BOT_BASE_PROMPT
    if is_first_turn:
        doc = get_mblog_by_id(request.post_id)
        if not doc:
            raise HTTPException(status_code=404, detail="帖子不存在")
        system_text += f"\n\n【当前帖子信息】\n标题：{doc.get('title', '')}\n摘要：{doc.get('brief', '')}"
        if request.parent_comment:
            system_text += f"\n\n【用户正在回复的评论】\n{request.parent_comment}"

    system_msg = {"role": "system", "content": [{"type": "input_text", "text": system_text}]}

    save_chat_history(
        user_id=request.user_id, session_id=session_id,
        role="user", content=request.message, timestamp=datetime.now(),
    )

    ai_config = get_config_by_app_name(request.app_name)
    if not ai_config:
        raise HTTPException(status_code=404, detail=f"未找到appName '{request.app_name}' 的配置")
    client = get_client(request.app_name)

    response = client.responses.create(
        model=Config.MODEL_NAME,
        input=[system_msg, {"role": "user", "content": request.message}],
        stream=False,
        store=True,
        previous_response_id=previous_response_id,
        text={"format": {"type": "text"}},
    )

    result = ""
    for item in response.output:
        if hasattr(item, 'type') and item.type == 'message' and hasattr(item, 'content'):
            if isinstance(item.content, list):
                for c in item.content:
                    if hasattr(c, 'text'):
                        result += c.text
            else:
                result += str(item.content)

    result = _strip_markdown(result)

    if not result:
        raise HTTPException(status_code=500, detail="AI未能生成回复")

    save_chat_history(
        user_id=request.user_id, session_id=session_id,
        role="assistant", content=result, timestamp=datetime.now(),
        response_id=response.id,
    )

    return {"data": result}


# 企业家角色对话
@router.post("/entrepreneur")
async def entrepreneur_chat(request: RoleBasedChatRequest):
    """企业家社群群主角色对话接口"""
    try:
        # 与女性情感接口保持一致：命中高风险/不处理话题时直接返回，不调用模型。
        if _should_block_role_message(request.message):
            raise HTTPException(status_code=500, detail="AI未能生成回复")

        # 获取 AI 配置和客户端
        ai_config = get_config_by_app_name(request.app_name)
        if not ai_config:
            raise HTTPException(status_code=404, detail=f"未找到appName '{request.app_name}' 的配置")

        client = get_client(request.app_name)
        knowledge_id = ai_config.get("knowledgeId")

        # 【v2.0新增】支持群聊上下文
        session_id = request.session_id
        group_id = request.group_id
        previous_response_id = None

        if session_id:
            # 获取该AI的上次response_id（必须指定ai_role，防止串线）
            previous_response_id = get_last_group_response_id(session_id, ai_role='entrepreneur')

        # 【v2.1新增】获取群聊历史上下文（支持多模态）
        context_messages = []
        if group_id:
            from app.db.tencent_im import im_client

            try:
                # 先尝试从Redis缓存读取
                group_context = get_cached_group_context(group_id)

                if group_context is None:
                    # 缓存未命中，调用腾讯云IM API
                    group_context = await im_client.get_group_context(group_id, max_messages=20)

                    # 写入缓存（2分钟TTL）
                    if group_context:
                        cache_group_context(group_id, group_context, ttl=120)

                # 构造多模态消息格式，同步更新群情绪状态（去重由 update_group_mood 内部处理）
                if group_context:
                    for msg in group_context[-20:]:  # 最近20条
                        msg_user_id = msg['user_id']
                        content_parts = []

                        # 添加文本内容，并更新群情绪
                        if msg.get('content'):
                            content_parts.append({"type": "input_text", "text": f"{msg_user_id}: {msg['content']}"})
                            update_group_mood(group_id, msg_user_id, msg['content'])

                        # 添加图片
                        for img_url in msg.get('images', []):
                            content_parts.append({"type": "input_image", "image_url": img_url})

                        # 添加视频缩略图
                        for video in msg.get('videos', []):
                            if video.get('thumb'):
                                content_parts.append({"type": "input_image", "image_url": video['thumb']})
                            content_parts.append({"type": "input_text", "text": "[视频]"})

                        # 添加分享标题
                        if msg.get('share_title'):
                            content_parts.append({"type": "input_text", "text": f"[分享]{msg['share_title']}"})

                        # 合并到上下文
                        if content_parts:
                            context_messages.extend(content_parts)

            except Exception as e:
                # 获取群历史失败不影响主流程
                print(f"获取群历史失败: {e}")

        # 企业家角色系统提示词
        system_prompt = """
## 角色设定

你是一位企业家。你在群里的身份是参与者，不是主持人。
背景设定：你对云悦的认知是：云悦采用"云平台+共享"模式，强调共创、共享、共赢，核心是技术共享、内容共享、用户共享、商品共享、商业价值共享。其底层逻辑是以区块链技术为核心，打造"融合不整合、跨界不打劫、独立不孤立、拥有不占有"的平台。
以上背景仅作角色参考。不得声称自己就是某位现实人物，对于云悦的具体数据、客户案例、运营细节或未公开信息，若不掌握，就明确说"不确定"，不编造。

## 群聊场景

社群约500人，多为企业家、创业者、管理者和技术负责人。讨论涉及经营、管理、市场、产品、技术、融资及创业经历。

## 不回复的情况（最高优先级）

遇到以下内容保持沉默，不输出任何文字：

1. **自杀/自伤倾向**
   - "我不想活了""想死""想结束自己"等明确表达
   - 这超出群聊能力范围，回复反而可能延误专业救助

2. **诈骗/违规推广**
   - 承诺高收益、保本翻倍、拉人入群
   - 传销话术、资金盘、未经允许的广告

3. **极端内容**
   - 煽动仇恨、极端政治、宗教争议
   - 明显的机器人测试、灌水刷屏

遇到以上内容直接保持沉默，不解释为什么不回复。

## 回应原则：先判断，再回复

**提问：** 给1-2个具体建议，不罗列现象。可以分享你自己的经验（"我之前遇到过类似情况"），不要总说"我接触的不少企业"。

**分享成果：** 肯定具体亮点，追问一个关键细节。例如："15%这个数字挺实在，你在小程序里主要做了哪些设计？"

**吐槽/挫败：** 先接住情绪，不要马上讲道理。可以说"今年这情况确实普遍"，然后问"最难的是哪块？"或"想聊聊具体怎么破局吗？"

**邀请讨论：** 给出你的看法（一两句话），不必每次都邀请其他人补充。

**闲聊/无关消息：** 不必强行回复。

## 互动风格

1. **不是每条都要回**：只在被@、被提问、话题值得补充或群聊冷场时发言。
2. **不是每次都邀请其他人**：不要机械收尾"群里有...的朋友可以聊聊"。只有确实需要群体经验时才这么说，且要具体（例如"群里有做过东南亚市场的吗？物流成本这块我不太熟"）。
3. **像群友一样说话**：
   - 用"我觉得""我之前""我建议"，不用"不少企业""很多团队"
   - 数字可以模糊："涨得厉害"而不是"同比涨30%-50%"
   - 简单问题简短回复，不要每次都分三段
4. **避免AI味重的套路**：
   - 不要总是"总结现象+分析原因+邀请补充"
   - 不要用"X确实是一个值得关注的话题"这类开头
   - 不要说"这个问题的本质是..."
5. **适度口语化**：可以说"这事儿""挺好""确实"，但不刻意卖萌或滥用网络梗。

## 专业边界

- 经营、技术、管理问题：给有条件的建议，不把猜测说成结论。
- 法律、税务、投资、用工等高风险问题：提醒咨询专业人士，不做保证性判断。
- 保护隐私和商业机密，不传播未经同意的信息。

## 输出格式

只输出可以直接发到群里的消息，不加解释、分析过程、角色标签或引号。
一次只发一条消息。
如果不需要回应，保持沉默（不输出任何内容）。
"""

        # 【v3.0新增】注入用户长期记忆（已确认的事实背景）
        mem = get_user_memory(request.user_id, group_id, "entrepreneur")
        if mem and mem.get("facts"):
            fact_lines = [
                f"- {f['key']}: {f['value']}"
                for f in mem["facts"]
                if isinstance(f, dict) and f.get("key") and f.get("value")
            ]
            if fact_lines:
                system_prompt += (
                    "\n\n## 你对当前发言用户的已知背景\n"
                    + "\n".join(fact_lines)
                    + "\n参照这些背景给出更具体的建议，但不要生硬复述。"
                )

        # 【v3.0新增】注入群情绪状态
        system_prompt += build_mood_block(group_id)

        # 构造请求消息
        system_msg = {"role": "system", "content": [{"type": "input_text", "text": system_prompt}]}

        # 如果有群聊上下文，添加到消息列表
        user_content = [{"type": "input_text", "text": request.message}]

        if context_messages:
            # 添加上下文标记
            context_header = [{"type": "input_text", "text": "【群聊上下文（最近20条消息）】"}]
            context_footer = [{"type": "input_text", "text": f"\n\n当前用户发送的消息是："}]

            api_messages = [
                system_msg,
                {"role": "user", "content": context_header + context_messages + context_footer + user_content}
            ]
        else:
            api_messages = [system_msg, {"role": "user", "content": user_content}]

        # 【v3.0新增】知识库预检：直接调用 Viking SDK 检索
        # 有命中 → 将切片内容作为上下文注入，不挂 Ark 知识库工具
        # 无命中 → 挂联网搜索工具
        tools = []
        if knowledge_id:
            try:
                kb_results = await search_knowledge(
                    resource_id=knowledge_id,
                    query=request.message,
                    limit=5,
                )
            except Exception as e:
                print(f"知识库预检失败，降级到联网搜索: {e}")
                kb_results = []
        else:
            kb_results = []

        if kb_results:
            # 提取切片内容，拼接成上下文段落
            kb_texts = [r.content for r in kb_results if r.content]
            if kb_texts:
                kb_context_block = [{"type": "input_text", "text": "【知识库参考资料】\n" + "\n\n".join(kb_texts) + "\n\n请优先基于以上资料回答，资料中没有的内容不要编造。"}]
                # 将知识库上下文插入到 user content 前面
                if context_messages:
                    api_messages[-1]["content"] = kb_context_block + api_messages[-1]["content"]
                else:
                    api_messages[-1]["content"] = kb_context_block + user_content
            # 有知识库命中时不挂任何工具
        else:
            # 无命中，降级到联网搜索
            tools = get_web_search_tools()

        # 调用 AI 客户端
        response = client.responses.create(
            model="doubao-seed-2-1-lite-260915",
            input=api_messages,
            stream=False,
            store=True if session_id else False,  # 【v2.0】有session才存储
            previous_response_id=previous_response_id,  # 【v2.0】延续上下文
            text={"format": {"type": "text"}},
            tools=tools,
        )

        # 提取回复内容
        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)

        result = _strip_markdown(result)

        # 【v2.0新增】保存群聊AI回复
        if session_id and group_id and result:
            save_group_ai_reply(
                session_id=session_id,
                group_id=group_id,
                ai_role='entrepreneur',
                content=result,
                response_id=response.id,
                trigger_message=request.message,
                trigger_user_id=request.user_id,
                timestamp=datetime.now(),
                app_name=request.app_name,
            )

        # 【v3.0新增】异步抽取用户记忆（fire-and-forget，失败不影响主流程）
        if result:
            asyncio.create_task(_extract_memory(
                user_id=request.user_id,
                group_id=group_id,
                ai_role="entrepreneur",
                trigger_msg=request.message,
                ai_reply=result,
                app_name=request.app_name,
            ))

        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")

        # 记录日志
        save_chat_log(
            user_id=request.user_id,
            question=request.message,
            stream_mode=False,
            raw_response=repr(response),
            status="success",
        )

        return {"data": result}

    except HTTPException:
        raise
    except Exception as e:
        raise HTTPException(status_code=500, detail=f"Entrepreneur chat error: {str(e)}")


# 女性情感角色对话
@router.post("/femininity")
async def femininity_chat(request: RoleBasedChatRequest):
    """知心姐姐情感支持角色对话接口"""
    try:
        # 命中不处理的话题时直接返回统一错误，不调用模型。
        if _should_block_role_message(request.message):
            raise HTTPException(status_code=500, detail="AI未能生成回复")

        # 获取 AI 配置和客户端
        ai_config = get_config_by_app_name(request.app_name)
        if not ai_config:
            raise HTTPException(status_code=404, detail=f"未找到appName '{request.app_name}' 的配置")

        client = get_client(request.app_name)
        knowledge_id = ai_config.get("knowledgeId")

        # 【v2.0新增】支持群聊上下文
        session_id = request.session_id
        group_id = request.group_id
        previous_response_id = None

        if session_id:
            # 获取该AI的上次response_id（必须指定ai_role，防止串线）
            previous_response_id = get_last_group_response_id(session_id, ai_role='femininity')

        # 【v2.1新增】获取群聊历史上下文（支持多模态）
        context_messages = []
        if group_id:
            from app.db.tencent_im import im_client

            try:
                # 先尝试从Redis缓存读取
                group_context = get_cached_group_context(group_id)

                if group_context is None:
                    # 缓存未命中，调用腾讯云IM API
                    group_context = await im_client.get_group_context(group_id, max_messages=20)

                    # 写入缓存（2分钟TTL）
                    if group_context:
                        cache_group_context(group_id, group_context, ttl=120)

                # 构造多模态消息格式，同步更新群情绪状态（去重由 update_group_mood 内部处理）
                if group_context:
                    for msg in group_context[-20:]:  # 最近20条
                        msg_user_id = msg['user_id']
                        content_parts = []

                        # 添加文本内容，并更新群情绪
                        if msg.get('content'):
                            content_parts.append({"type": "input_text", "text": f"{msg_user_id}: {msg['content']}"})
                            update_group_mood(group_id, msg_user_id, msg['content'])

                        # 添加图片
                        for img_url in msg.get('images', []):
                            content_parts.append({"type": "input_image", "image_url": img_url})

                        # 添加视频缩略图
                        for video in msg.get('videos', []):
                            if video.get('thumb'):
                                content_parts.append({"type": "input_image", "image_url": video['thumb']})
                            content_parts.append({"type": "input_text", "text": "[视频]"})

                        # 添加分享标题
                        if msg.get('share_title'):
                            content_parts.append({"type": "input_text", "text": f"[分享]{msg['share_title']}"})

                        # 合并到上下文
                        if content_parts:
                            context_messages.extend(content_parts)

            except Exception as e:
                # 获取群历史失败不影响主流程
                print(f"获取群历史失败: {e}")

        # 女性情感角色系统提示词
        system_prompt = """
## 角色设定

你是一名女性，你在群里的身份是参与者，不是主持人。
背景设定：你对云悦的认知是：云悦采用"云平台+共享"模式，强调共创、共享、共赢，核心是技术共享、内容共享、用户共享、商品共享、商业价值共享。其底层逻辑是以区块链技术为核心，打造"融合不整合、跨界不打劫、独立不孤立、拥有不占有"的平台。
以上背景仅作角色参考。不得声称自己就是某位现实人物，对于云悦的具体数据、客户案例、运营细节或未公开信息，若不掌握，就明确说"不确定"，不编造。

## 群聊场景

群成员以女性为主，年龄约20—40岁，讨论情感关系、女性成长、心理状态、营养健康、工作压力和生活困惑，也可能讨论涉及经营、管理、市场、产品、技术、融资及创业经历。

## 不回复的情况（最高优先级）

遇到以下内容保持沉默，不输出任何文字：

1. **自杀/自伤倾向**
   - "我不想活了""想死""想结束自己"等明确表达
   - 这超出群聊能力范围，回复反而可能延误专业救助

2. **诈骗/违规推广**
   - 承诺高收益、保本翻倍、拉人入群
   - 传销话术、资金盘、未经允许的广告

3. **极端内容**
   - 煽动仇恨、极端政治、宗教争议
   - 明显的机器人测试、灌水刷屏

遇到以上内容直接保持沉默，不解释为什么不回复。

## 回应原则：先判断，再回复

**提问：** 给1-2个具体建议，不罗列现象。可以分享你自己的经验（"我之前遇到过类似情况"），不要总说"我接触的不少企业"。

**吐槽/挫败：** 先接住情绪，不要马上讲道理。可以说"今年这情况确实普遍"，然后问"最难的是哪块？"或"想聊聊具体怎么破局吗？"

**邀请讨论：** 给出你的看法（一两句话），不必每次都邀请其他人补充。

**心理问题：** 仅讨论普遍现象或群体话题，不处理具体个人的恋爱、婚姻、分手等亲密关系困惑；给出一两个谨慎的可能解释，不作远程诊断，不把猜测说成结论。

**健康/营养问题：** 用通俗语言提供一般信息；涉及症状、用药、孕期、哺乳、经期异常或慢性病时，提醒咨询医生或营养专业人士。

**闲聊/无关消息：** 不必强行回复。

## 互动风格

1. 不是每条消息都要回复，只在被@、被提问、话题值得补充或群聊冷场、无人回应时发言。
2. 像真实群友一样说话，使用自然口语，不像客服、教材或鸡汤号。
3. 不使用固定的"共情—分析—建议"模板，不用空泛安慰、夸张赞美、亲昵称呼或性别刻板印象；不主动抛出新话题。
4. 简单问题简短回答，不堆叠感叹号，不使用"首先、其次、最后"等机械分条表达。

## 专业边界

- 心理学内容用于帮助理解，不进行远程诊断；持续失眠、抑郁、惊恐或进食问题等情况建议寻求线下专业帮助。
- 女性健康和营养问题不作医疗保证；涉及症状、用药、孕期、哺乳、经期异常或慢性病时，提醒咨询医生或营养专业人士。
- 企业、技术和项目问题给有条件的建议；法律、税务、投资、用工等高风险问题提醒咨询专业人士。
- 保护个人隐私和商业机密，不编造云悦数据、客户案例、项目经历或实时资讯；不确定的信息明确说明"不确定"。

## 输出格式

只输出可以直接发到群里的消息，不加解释、分析过程、角色标签或引号。
一次只发一条消息。
如果不需要回应，保持沉默（不输出任何内容）。
"""

        # 【v3.0新增】注入用户长期记忆（已确认的事实背景）
        mem = get_user_memory(request.user_id, group_id, "femininity")
        if mem and mem.get("facts"):
            fact_lines = [
                f"- {f['key']}: {f['value']}"
                for f in mem["facts"]
                if isinstance(f, dict) and f.get("key") and f.get("value")
            ]
            if fact_lines:
                system_prompt += (
                    "\n\n## 你对当前发言用户的已知背景\n"
                    + "\n".join(fact_lines)
                    + "\n参照这些背景给出更贴近她实际情况的回应，但不要生硬复述。"
                )

        # 【v3.0新增】注入群情绪状态
        system_prompt += build_mood_block(group_id)

        # 构造请求消息
        system_msg = {"role": "system", "content": [{"type": "input_text", "text": system_prompt}]}

        # 如果有群聊上下文，添加到消息列表
        user_content = [{"type": "input_text", "text": request.message}]

        if context_messages:
            # 添加上下文标记
            context_header = [{"type": "input_text", "text": "【群聊上下文（最近20条消息）】"}]
            context_footer = [{"type": "input_text", "text": f"\n\n当前用户发送的消息是："}]

            api_messages = [
                system_msg,
                {"role": "user", "content": context_header + context_messages + context_footer + user_content}
            ]
        else:
            api_messages = [system_msg, {"role": "user", "content": user_content}]

        # 【v3.0新增】知识库预检：直接调用 Viking SDK 检索
        # 有命中 → 将切片内容作为上下文注入，不挂 Ark 知识库工具
        # 无命中 → 挂联网搜索工具
        tools = []
        if knowledge_id:
            try:
                kb_results = await search_knowledge(
                    resource_id=knowledge_id,
                    query=request.message,
                    limit=5,
                )
            except Exception as e:
                print(f"知识库预检失败，降级到联网搜索: {e}")
                kb_results = []
        else:
            kb_results = []

        if kb_results:
            # 提取切片内容，拼接成上下文段落
            kb_texts = [r.content for r in kb_results if r.content]
            if kb_texts:
                kb_context_block = [{"type": "input_text", "text": "【知识库参考资料】\n" + "\n\n".join(kb_texts) + "\n\n请优先基于以上资料回答，资料中没有的内容不要编造。"}]
                # 将知识库上下文插入到 user content 前面
                if context_messages:
                    api_messages[-1]["content"] = kb_context_block + api_messages[-1]["content"]
                else:
                    api_messages[-1]["content"] = kb_context_block + user_content
            # 有知识库命中时不挂任何工具
        else:
            # 无命中，降级到联网搜索
            tools = get_web_search_tools()

        # 调用 AI 客户端
        response = client.responses.create(
            model="doubao-seed-2-1-lite-260915",
            input=api_messages,
            stream=False,
            store=True if session_id else False,  # 【v2.0】有session才存储
            previous_response_id=previous_response_id,  # 【v2.0】延续上下文
            text={"format": {"type": "text"}},
            tools=tools,
        )

        # 提取回复内容
        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)

        result = _strip_markdown(result)

        # 【v2.0新增】保存群聊AI回复
        if session_id and group_id and result:
            save_group_ai_reply(
                session_id=session_id,
                group_id=group_id,
                ai_role='femininity',
                content=result,
                response_id=response.id,
                trigger_message=request.message,
                trigger_user_id=request.user_id,
                timestamp=datetime.now(),
                app_name=request.app_name,
            )

        # 【v3.0新增】异步抽取用户记忆（fire-and-forget，失败不影响主流程）
        if result:
            asyncio.create_task(_extract_memory(
                user_id=request.user_id,
                group_id=group_id,
                ai_role="femininity",
                trigger_msg=request.message,
                ai_reply=result,
                app_name=request.app_name,
            ))

        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")

        # 记录日志
        save_chat_log(
            user_id=request.user_id,
            question=request.message,
            stream_mode=False,
            raw_response=repr(response),
            status="success",
        )

        return {"data": result}

    except HTTPException:
        raise
    except Exception as e:
        raise HTTPException(status_code=500, detail=f"Femininity chat error: {str(e)}")