dsProject/dsLightRag/Util/AllLiuCheng.py

import asyncio
import logging
import os
import sys
import aiofiles  # 添加aiofiles导入

from openai import AsyncOpenAI

from Config.Config import *

# 配置日志
logger = logging.getLogger(__name__)

class LLMClient:
    """
    大语言模型客户端封装类，提供与LLM的交互功能
    """
    def __init__(self, api_key=None, base_url=None, model_name=None, system_prompt=""):
        """
        初始化LLM客户端
        
        @param api_key: API密钥，默认为配置文件中的ALY_LLM_API_KEY
        @param base_url: API基础URL，默认为配置文件中的ALY_LLM_BASE_URL
        @param model_name: 模型名称，默认为配置文件中的ALY_LLM_MODEL_NAME
        @param system_prompt: 系统提示词，默认使用预设的学伴角色提示词
        """
        self.api_key = api_key or ALY_LLM_API_KEY
        self.base_url = base_url or ALY_LLM_BASE_URL
        self.model_name = model_name or ALY_LLM_MODEL_NAME
        self.system_prompt = system_prompt  # 添加这一行来初始化system_prompt属性

        
    async def get_response(self, query_text: str, knowledge_content: str = "", stream: bool = True):
        """
        异步获取大模型响应
        
        @param query_text: 查询文本
        @param knowledge_content: 可选的知识内容，将作为上下文提供给模型
        @param stream: 是否使用流式输出
        @return: 流式响应生成器或完整响应文本
        """
        try:
            # 创建AsyncOpenAI客户端
            client = AsyncOpenAI(
                api_key=self.api_key,
                base_url=self.base_url,
            )
            
            # 构建完整的查询文本
            full_query = query_text
            if knowledge_content:
                full_query = f"选择作答的相应知识内容:{knowledge_content}\n下面是用户提的问题：{query_text}"
            
            # 创建请求
            completion = await client.chat.completions.create(
                model=self.model_name,
                messages=[
                    {'role': 'system', 'content': self.system_prompt},
                    {'role': 'user', 'content': full_query}
                ],
                stream=stream
            )
            
            if stream:
                # 流式输出模式，返回生成器
                async for chunk in completion:
                    # 确保 chunk.choices 存在且不为空
                    if chunk and chunk.choices and len(chunk.choices) > 0:
                        # 确保 delta 存在
                        delta = chunk.choices[0].delta
                        if delta:
                            # 确保 content 存在且不为 None 或空字符串
                            content = delta.content
                            if content is not None and content.strip():
                                print(content, end='', flush=True)
                                yield content
            else:
                # 非流式处理
                if completion and completion.choices and len(completion.choices) > 0:
                    message = completion.choices[0].message
                    if message:
                        content = message.content
                        if content is not None and content.strip():
                            yield content
        except Exception as e:
            print(f"大模型请求异常: {str(e)}", file=sys.stderr)
            yield f"处理请求时发生异常: {str(e)}"

# 保留原有接口以保持兼容性
async def get_response_async(query_text: str, stream: bool = True):
    """
    异步获取学伴角色的大模型响应（兼容旧接口）
    @param query_text: 查询文本
    @param stream: 是否使用流式输出
    @return: 流式响应生成器或完整响应文本
    """
    # 创建LLM客户端实例
    llm_client = LLMClient()
    
    # 打开文件读取知识内容
    try:
        with open(r"D:\dsWork\dsProject\dsLightRag\static\YunXiao.txt", "r", encoding="utf-8") as f:
            zhishiContent = f.read()
    except Exception as e:
        print(f"读取知识文件失败: {str(e)}", file=sys.stderr)
        zhishiContent = ""
    
    # 调用封装的方法
    async for chunk in llm_client.get_response(query_text, zhishiContent, stream):
        yield chunk



# 生成万有引力导学案函数（修改为异步函数）
async def generate_gravitation_lesson_plan():
    """
    生成万有引力导学案
    @return: 生成的导学案文本
    """
    # 创建LLM客户端实例，设置专门的系统提示词
    system_prompt = """你是'国家中级教师资格'持证教研员，熟悉《中国义务教育物理课程标准（2022版）》，擅长设计'先学后教、以学定教'的导学案。请用'问题链'驱动学生自学，体现'学习目标—前置学习—问题探究—自主检测—疑问记录'五环节。"""
    
    llm_client = LLMClient(system_prompt=system_prompt)
    
    # 构建生成导学案的提示词
    prompt = """请围绕'万有引力'一节课，输出一份适用于八年级下的导学案，供学生课前45分钟完成。要求：
1. 语言亲切，用'你'称呼学生；
2. 问题难度梯度：识记→理解→应用；
3. 至少2个生活化情境问题；
4. 留3行空白让学生写'我还有哪些困惑'。

【格式要求】
严格按以下Markdown层级输出：
### 1. 学习目标
### 2. 前置学习（知识链接+阅读指引）
### 3. 问题探究（问题链）
### 4. 自主检测（5道客观题+1道开放题）
### 5. 疑问记录区（留空）

【变量】
教材版本：{人教版八年级下第十章第2节}
学生基础：{已学过重力、匀速圆周运动}
课时长度：{45分钟}"""
    
    # 修改为流式获取响应
    # 确保这是一个异步生成器函数
    async def get_lesson_plan():
        async for chunk in llm_client.get_response(prompt, stream=True):
            yield chunk
    
    return get_lesson_plan()

# 测试生成导学案的函数
async def test_generate_lesson_plan():
    print("\n===== 测试生成万有引力导学案 =====")
    
    try:
        # 必须await生成器函数
        lesson_plan_chunks = await generate_gravitation_lesson_plan()
        full_response = ""
        output_file = "万有引力导学案.md"
        
        # 使用aiofiles进行异步文件写入
        async with aiofiles.open(output_file, 'w', encoding='utf-8') as f:
            print("\n生成的导学案：")
            async for chunk in lesson_plan_chunks:
                # 实时打印chunk并刷新缓冲区
                print(chunk, end='', flush=True)
                full_response += chunk
                await f.write(chunk)
                await f.flush()  # 刷新文件缓冲区
        
        print(f"\n导学案已保存到：{os.path.abspath(output_file)}")
        
    except Exception as e:
        print(f"生成导学案时发生异常: {str(e)}", file=sys.stderr)

# 修改主函数以包含导学案生成测试
async def main():
    try:
        # 直接生成导学案，不进行交互式测试
        await test_generate_lesson_plan()

    except KeyboardInterrupt:
        print("\n程序被用户中断")
    except Exception as e:
        print(f"测试过程中发生异常: {str(e)}", file=sys.stderr)
    finally:
        print("\n测试程序结束")

if __name__ == '__main__':
    # 运行异步主函数
    asyncio.run(main())