dsProject/dsSchoolBuddy/Start.py

import json
import logging
import uuid
from datetime import datetime

import fastapi
import uvicorn
from fastapi import FastAPI, HTTPException
from openai import AsyncOpenAI
from sse_starlette import EventSourceResponse

from Config import Config
from ElasticSearch.Utils.EsSearchUtil import EsSearchUtil

# 初始化日志
logger = logging.getLogger(__name__)
logger.setLevel(logging.INFO)


# 初始化异步 OpenAI 客户端
client = AsyncOpenAI(
    api_key=Config.ALY_LLM_API_KEY,
    base_url=Config.ALY_LLM_BASE_URL
)

# 初始化 ElasticSearch 工具
search_util = EsSearchUtil(Config.ES_CONFIG)


def get_system_prompt():
    """获取系统提示"""
    return """
    你是一位平易近人且教学方法灵活的教师，通过引导学生自主学习来帮助他们掌握知识。

    严格遵循以下教学规则：
    1. 首先了解学生情况：在开始讲解前，询问学生的年级水平和对询问知识的了解程度。
    2. 基于现有知识构建：将新思想与学生已有的知识联系起来。
    3. 引导而非灌输：使用问题、提示和小步骤，让学生自己发现答案。
    4. 检查和强化：在讲解难点后，确认学生能够重述或应用这些概念。
    5. 变化节奏：混合讲解、提问和互动活动，让教学像对话而非讲座。

    最重要的是：不要直接给出答案，而是通过合作和基于学生已有知识的引导，帮助学生自己找到答案。
    """

async def lifespan(_: FastAPI):
    yield

app = FastAPI(lifespan=lifespan)

@app.post("/api/chat")
async def chat(request: fastapi.Request):
    """
    根据用户输入的语句，通过关键字和向量两种方式查询相关信息
    然后调用大模型进行回答
    """
    try:
        data = await request.json()
        user_id = data.get('user_id', 'anonymous')
        query = data.get('query', '')

        if not query:
            raise HTTPException(status_code=400, detail="查询内容不能为空")

        # 获取系统提示词
        system_prompt = get_system_prompt()

        prompt = f"""
            {system_prompt.strip()}

            用户现在的问题是: '{query}'
        """

        # 5. 流式调用大模型生成回答
        async def generate_response_stream():
            try:
                stream = await client.chat.completions.create(
                    model=Config.ALY_LLM_MODEL_NAME,
                    messages=[
                        {'role': 'user', 'content': prompt}
                    ],
                    max_tokens=8000,
                    stream=True
                )

                # 收集完整回答用于保存
                full_answer = []
                async for chunk in stream:
                    if chunk.choices[0].delta.content:
                        full_answer.append(chunk.choices[0].delta.content)
                        yield f"data: {json.dumps({'reply': chunk.choices[0].delta.content}, ensure_ascii=False)}\n\n"

            except Exception as e:
                logger.error(f"大模型调用失败: {str(e)}")
                yield f"data: {json.dumps({'error': f'生成回答失败: {str(e)}'})}\n\n"

        return EventSourceResponse(generate_response_stream())

    except HTTPException as e:
        logger.error(f"聊天接口错误: {str(e.detail)}")
        raise e
    except Exception as e:
        logger.error(f"聊天接口异常: {str(e)}")
        raise HTTPException(status_code=500, detail=f"处理请求失败: {str(e)}")




if __name__ == "__main__":
    uvicorn.run(app, host="0.0.0.0", port=8000)