huanghai
/
QingLong
1
0
Fork 0
Code Issues Pull Requests Packages Projects Releases Wiki Activity

'commit'

Browse Source
main
HuangHai 5 months ago
parent 8b6113e525
commit cdcfb4de15
2 changed files with 84 additions and 28 deletions
Show Stats Download Patch File Download Diff File

99
AI/AiService/CallDeepSeekStream.py
Unescape View File

@ -1,3 +1,5 @@
import re
import uvicorn
from fastapi import FastAPI, Body
from fastapi.middleware.cors import CORSMiddleware
@ -18,6 +20,7 @@ client = OpenAI(
base_url="https://dashscope.aliyuncs.com/compatible-mode/v1",
)
def markdown_to_dict(markdown_content):
"""
将 Markdown 内容转换为 Python 字典
@ -29,6 +32,7 @@ def markdown_to_dict(markdown_content):
# 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
@ -39,6 +43,7 @@ def extract_level1(json_dict):
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
@ -81,6 +86,7 @@ def extract_level2_and_level3(json_dict, level1_title=None):
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
@ -95,6 +101,48 @@ def extract_contents(json_dict, level1_title=None):
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
async def ConvertMarkdownToJson(markdown_content):
"""
生成一个 AsyncIterable，逐行返回 JSON 字符串
@ -102,6 +150,9 @@ async def ConvertMarkdownToJson(markdown_content):
# 将 Markdown 转换为字典
json_dict = markdown_to_dict(markdown_content)
# 调用 AI 扩写每个有 title 属性的节点
json_dict = expand_text_with_ai(json_dict)
# 提取一级目录
level1_json = extract_level1(json_dict)
print(level1_json)
@ -125,6 +176,7 @@ async def ConvertMarkdownToJson(markdown_content):
# 添加结束标记
yield '{"type": "end" }'
# 获取本机所有 IPv4 地址
def get_local_ips():
ips = []
@ -140,6 +192,7 @@ def get_local_ips():
print(f"获取 IP 地址失败: {e}")
return ips
# 流式生成数据的函数
async def generate_stream_markdown(course_name: str):
"""
@ -150,7 +203,8 @@ async def generate_stream_markdown(course_name: str):
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': '帮我设计一下' + course_name + '的课件提纲，用markdown格式返回。强调1、标签只能返回 #,##,###,-,其它标签一率不可以返回，这个非常重要！2、不要返回 ```markdown 或者 ``` 这样的内容！ 3、每部分都有生成完整的一、二、三级内容，不能省略。'}
{'role': 'user',
'content': '帮我设计一下' + course_name + '的课件提纲，用markdown格式返回。强调1、标签只能返回 #,##,###,-,其它标签一率不可以返回，这个非常重要！2、不要返回 ```markdown 或者 ``` 这样的内容！ 3、每部分都有生成完整的一、二、三级内容，不能省略。'}
],
stream=True, # 启用流式响应
timeout=6000,
@ -172,6 +226,7 @@ async def generate_stream_markdown(course_name: str):
print("\n完整的 Markdown 内容：")
print(full_markdown)
app = FastAPI()
# 添加 CORS 中间件
@ -183,14 +238,16 @@ app.add_middleware(
allow_headers=["*"],
)
# 根路由，返回提示信息
@app.get("/")
def root():
return PlainTextResponse("Hello ApiStream")
@app.post("/api/tools/aippt_outline") # 仅支持 POST 方法
async def aippt_outline(
course_name: str = Body(..., embed=True, description="课程名称") # 从请求体中获取 course_name
course_name: str = Body(..., embed=True, description="课程名称") # 从请求体中获取 course_name
):
# 返回流式响应
return StreamingResponse(
@ -204,6 +261,7 @@ async def aippt_outline(
}
)
@app.post("/api/tools/aippt") # 修改为 POST 方法
async def aippt(content: str = Body(..., embed=True, description="Markdown 内容")): # 使用 Body 接收请求体参数
return StreamingResponse(
@ -218,18 +276,29 @@ async def aippt(content: str = Body(..., embed=True, description="Markdown 内
}
)
# 运行应用
if __name__ == "__main__":
# 获取本机所有 IPv4 地址
ips = get_local_ips()
if not ips:
print("无法获取本机 IP 地址，使用默认地址 127.0.0.1")
ips = ["127.0.0.1"]
# 打印所有 IP 地址
print("服务将在以下 IP 地址上运行：")
for ip in ips:
print(f"http://{ip}:5173")
# 启动 FastAPI 应用，绑定到所有 IP 地址
uvicorn.run(app, host="0.0.0.0", port=5173)
# # 获取本机所有 IPv4 地址
# ips = get_local_ips()
# if not ips:
# print("无法获取本机 IP 地址，使用默认地址 127.0.0.1")
# ips = ["127.0.0.1"]
#
# # 打印所有 IP 地址
# print("服务将在以下 IP 地址上运行：")
# for ip in ips:
# print(f"http://{ip}:5173")
#
# # 启动 FastAPI 应用，绑定到所有 IP 地址
# uvicorn.run(app, host="0.0.0.0", port=5173)
# 读取Sample.md
with open("Sample.md", "r", encoding="utf-8") as f:
markdown_content = f.read()
json_dict = markdown_to_dict(markdown_content)
# 调用 AI 扩写每个有 title 属性的节点
json_dict = expand_text_with_ai(json_dict)
print(json_dict)

13
AI/AiService/Sample.md
Unescape View File

@ -1,42 +1,29 @@
# 方程解决问题的课件提纲
- 【整体框架展示方程解决实际问题的思路与步骤】
## 一、引入方程概念
- 【从生活实例出发引出方程的概念】
### 1.1 生活中的等量关系
- 【通过具体事例展现等量关系是方程的基础】
- 分享小明买书的例子 总价等于单价乘以数量
- 引导学生发现其中存在的等量关系
### 1.2 方程的定义
- 【明确什么是方程及其基本构成要素】
- 给出方程的正式定义 含有未知数的等式
- 解释方程中各个部分 如未知数 系数 常数项
## 二、建立方程模型
- 【掌握从实际问题到方程模型的转化方法】
### 2.1 分析问题找关键信息
- 【学会筛选有用信息为建模做准备】
- 演示如何阅读理解应用题 找出已知条件和所求
- 强调寻找等量关系的重要性
### 2.2 设定未知数构建方程
- 【正确设定未知数并根据等量关系列出方程】
- 讲解设未知数的原则 一般设要求的量为x
- 举例说明根据等量关系列出方程的过程
## 三、求解方程
- 【学习不同类型的方程求解方法】
### 3.1 一元一次方程的解法
- 【掌握最基础的一元一次方程求解技巧】
- 复习等式的性质 为解方程做铺垫
- 详细讲解移项 合并同类项 系数化1等步骤
### 3.2 验根的重要性
- 【确保求得的解符合实际情况】
- 强调验根的意义 防止出现增根或漏根
- 展示验根的具体操作过程
## 四、方程的实际应用
- 【体会方程在解决实际问题中的价值】
### 4.1 行程问题
- 【利用方程解决与行程相关的计算】
- 分析路程 速度 时间之间的关系
- 举例行程问题并用方程求解
### 4.2 工程问题
- 【运用方程处理工程进度方面的难题】
- 探讨工作量 工作效率 工作时间的关系
- 通过具体案例体现方程在工程问题中的应用
Write Preview
Loading…
Cancel
Save