'commit'

AI/AiService/Start.py

@@ -1,14 +1,11 @@
-import re
+import asyncio
+import socket
 
 import uvicorn
 from fastapi import FastAPI, Body
 from fastapi.middleware.cors import CORSMiddleware
 from fastapi.responses import StreamingResponse, PlainTextResponse
-import socket
 from openai import OpenAI
-import markdown_to_json
-import json
-import asyncio
 
 from AiService.MarkdownToJsonConverter import MarkdownToJsonConverter
 
@@ -23,136 +20,14 @@ client = OpenAI(
 )
 
 
-def markdown_to_dict(markdown_content):
-    """
-    将 Markdown 内容转换为 Python 字典
-    """
-    # 将 Markdown 转换为 JSON 字符串
-    json_content = markdown_to_json.jsonify(markdown_content)
-    # 解码 Unicode 转义
-    json_content = json_content.encode('utf-8').decode('unicode_escape')
-    # 将 JSON 字符串转换为字典
-    return json.loads(json_content)
-
-
-def extract_level1(json_dict):
-    """
-    提取一级目录，生成指定格式的 JSON 对象列表
-    """
-    # 获取第一个一级目录的名称
-    level1_title = next(iter(json_dict.keys()), None)
-    if level1_title:
-        return [{"type": "cover", "data": {"title": level1_title, "text": ""}}]
-    return []
-
-
-def extract_level2_and_level3(json_dict, level1_title=None):
-    """
-    提取指定一级目录下的二级目录及其三级目录内容，生成指定格式的 JSON 对象列表
-    """
-    # 如果没有指定一级目录，则使用第一个一级目录
-    if level1_title is None:
-        level1_title = next(iter(json_dict.keys()), None)
-
-    if level1_title and level1_title in json_dict:
-        result = []
-        for level2_title, level2_content in json_dict[level1_title].items():
-            result.append({"type": "transition", "data": {"title": level2_title, "text": level2_title}})
-            # 输出三级目录内容
-            if isinstance(level2_content, dict):
-                for level3_title, level3_items in level2_content.items():
-                    # 确保 level3_items 是列表
-                    if isinstance(level3_items, list):
-                        items = []
-                        for item in level3_items:
-                            # 如果 item 是字符串，直接作为 title 和 text
-                            if isinstance(item, str):
-                                items.append({"title": item, "text": item})
-                            # 如果 item 是字典，提取 title 和 text
-                            elif isinstance(item, dict):
-                                items.append({
-                                    "title": item.get("title", ""),
-                                    "text": item.get("text", "")
-                                })
-                    else:
-                        # 如果 level3_items 不是列表，直接作为 title 和 text
-                        items = [{"title": str(level3_items), "text": str(level3_items)}]
-                    result.append({
-                        "type": "content",
-                        "data": {
-                            "title": level3_title,
-                            "text": level3_title,
-                            "items": items
-                        }
-                    })
-        return result
-    return []
-
-
-def extract_contents(json_dict, level1_title=None):
-    """
-    提取所有二级目录名称，生成目录部分的 JSON 对象
-    """
-    # 如果没有指定一级目录，则使用第一个一级目录
-    if level1_title is None:
-        level1_title = next(iter(json_dict.keys()), None)
-
-    if level1_title and level1_title in json_dict:
-        # 获取所有二级目录名称
-        level2_titles = list(json_dict[level1_title].keys())
-        return {"type": "contents", "data": {"items": level2_titles}}
-    return {"type": "contents", "data": {"items": []}}
-
-
-def expand_text_with_ai(json_dict):
-    """
-    调用 AI 扩写每个有 title 属性的节点，生成一句话描述并放到 text 属性上
-    """
-
-    # 递归处理字典
-    def process_dict(d):
-        if isinstance(d, dict):
-            for key, value in d.items():
-                if key == "title" and isinstance(value, str):
-                    # 基于全文和当前 title 生成一句话描述
-                    prompt = f"基于以下内容，为标题 '{value}' 生成一句话描述，言简意赅，不要使用标点符号：\n{json.dumps(json_dict, ensure_ascii=False)}"
-                    # 调用 AI 生成描述
-                    response = client.chat.completions.create(
-                        model=MODEL_NAME,
-                        messages=[
-                            {"role": "system", "content": "你是一个教学经验丰富的基础教育教师"},
-                            {"role": "user", "content": prompt}
-                        ],
-                        temperature=0.7
-                    )
-                    # 提取生成的描述
-                    description = response.choices[0].message.content.strip()
-                    # 去掉标点符号
-                    description = re.sub(r'[^\w\s]', '', description)
-                    # 将描述赋值给 text 属性
-                    d["text"] = description
-                elif isinstance(value, dict):
-                    process_dict(value)
-                elif isinstance(value, list):
-                    for item in value:
-                        process_dict(item)
-        elif isinstance(d, list):
-            for item in d:
-                process_dict(item)
-
-    # 处理整个字典
-    process_dict(json_dict)
-    return json_dict
-
-
 def convertMarkdownToJson(markdown_content):
     # 创建转换器实例
     converter = MarkdownToJsonConverter(client)
     # 转换 Markdown 为 JSON
     for item in converter.convert_markdown_to_json(markdown_content):  # 使用普通 for 循环
-        yield item
+        yield f"{item}\n"  # 每行数据后添加换行符
     # 添加结束标记
-    yield '{"type": "end" }'
+    yield '{"type": "end" }\n'  # 结束标记后也添加换行符
 
 
 # 获取本机所有 IPv4 地址