'commit'

dsSchoolBuddy/Start.py

@@ -42,7 +42,7 @@ def get_system_prompt():
     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(app: FastAPI):
+async def lifespan(_: FastAPI):
     yield
 
 app = FastAPI(lifespan=lifespan)
@@ -57,49 +57,10 @@ async def chat(request: fastapi.Request):
         data = await request.json()
         user_id = data.get('user_id', 'anonymous')
         query = data.get('query', '')
-        query_tags = data.get('tags', [])
-        session_id = data.get('session_id', str(uuid.uuid4()))
-        include_history = data.get('include_history', True)
 
         if not query:
             raise HTTPException(status_code=400, detail="查询内容不能为空")
 
-        # 1. 保存当前查询到 ES
-        await save_query_to_es(user_id, session_id, query, query_tags)
-
-        # 2. 获取相关历史记录
-        history_context = ""
-        if include_history:
-            history_results = await get_related_history_from_es(user_id, query)
-            if history_results:
-                history_context = "\n".join([
-                    f"历史问题 {i+1}: {item['query']}\n历史回答: {item['answer']}"
-                    for i, item in enumerate(history_results[:3])  # 取最近3条相关历史
-                ])
-                logger.info(f"找到 {len(history_results)} 条相关历史记录")
-
-        # 3. 调用 ES 进行混合搜索
-        logger.info(f"开始执行混合搜索: query={query}")
-        search_results = await search_by_mixed(query, query_tags)
-
-        # 4. 构建提示词
-        context = ""
-        if search_results:
-            context = "\n".join([
-                f"搜索结果 {i+1}: {res['_source']['user_input']}"
-                for i, res in enumerate(search_results[:5])  # 取前5条搜索结果
-            ])
-
-        # 结合历史记录和搜索结果构建完整上下文
-        full_context = ""
-        if history_context:
-            full_context += f"相关历史对话:\n{history_context}\n\n"
-        if context:
-            full_context += f"相关知识:\n{context}"
-
-        if not full_context:
-            full_context = "没有找到相关信息"
-
         # 获取系统提示词
         system_prompt = get_system_prompt()
 
@@ -107,27 +68,13 @@ async def chat(request: fastapi.Request):
             {system_prompt.strip()}
 
             用户现在的问题是: '{query}'
-
-            {full_context}
-
-            回答要求:
-            1. 对于公式内容:
-               - 使用行内格式: $公式$
-               - 重要公式可单独一行显示
-               - 绝对不要使用代码块格式(```或''')
-               - 可适当使用\large增大公式字号
-            2. 如果没有提供任何资料，那就直接拒绝回答，明确不在知识范围内。
-            3. 如果发现提供的资料与要询问的问题都不相关，就拒绝回答，明确不在知识范围内。
-            4. 如果发现提供的资料中只有部分与问题相符，那就只提取有用的相关部分，其它部分请忽略。
-            5. 回答要基于提供的资料，不要编造信息。
-            6. 请结合用户的历史问题和回答，提供更连贯的回复。
         """
 
         # 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.MODEL_NAME,
+                    model=Config.MODEL_NAME if hasattr(Config, 'MODEL_NAME') else 'gpt-3.5-turbo',
                     messages=[
                         {'role': 'user', 'content': prompt}
                     ],
@@ -142,10 +89,6 @@ async def chat(request: fastapi.Request):
                         full_answer.append(chunk.choices[0].delta.content)
                         yield f"data: {json.dumps({'reply': chunk.choices[0].delta.content}, ensure_ascii=False)}\n\n"
 
-                # 保存回答到 ES
-                if full_answer:
-                    await save_answer_to_es(user_id, session_id, query, ''.join(full_answer))
-
             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"
@@ -160,105 +103,6 @@ async def chat(request: fastapi.Request):
         raise HTTPException(status_code=500, detail=f"处理请求失败: {str(e)}")
 
 
-async def save_query_to_es(user_id, session_id, query, query_tags):
-    """保存查询记录到 Elasticsearch"""
-    try:
-        # 生成查询向量
-        query_embedding = search_util.get_query_embedding(query)
-        timestamp = datetime.now().strftime('%Y-%m-%d %H:%M:%S')
-
-        # 准备文档数据
-        doc = {
-            'user_id': user_id,
-            'session_id': session_id,
-            'query': query,
-            'query_embedding': query_embedding,
-            'tags': query_tags,
-            'created_at': timestamp,
-            'type': 'query'
-        }
-
-        # 保存到 ES
-        # 假设 EsSearchUtil 有一个 save_document 方法
-        # 如果没有，需要在 EsSearchUtil 中实现该方法
-        await search_util.save_document('user_queries', doc)
-        logger.info(f"保存用户查询记录成功: user_id={user_id}, query={query}")
-    except Exception as e:
-        logger.error(f"保存查询记录失败: {str(e)}")
-
-
-async def save_answer_to_es(user_id, session_id, query, answer):
-    """保存回答记录到 Elasticsearch"""
-    try:
-        timestamp = datetime.now().strftime('%Y-%m-%d %H:%M:%S')
-
-        # 准备文档数据
-        doc = {
-            'user_id': user_id,
-            'session_id': session_id,
-            'query': query,
-            'answer': answer,
-            'created_at': timestamp,
-            'type': 'answer'
-        }
-
-        # 保存到 ES
-        await search_util.save_document('user_answers', doc)
-        logger.info(f"保存回答成功: user_id={user_id}, query={query}")
-    except Exception as e:
-        logger.error(f"保存回答失败: {str(e)}")
-
-
-async def get_related_history_from_es(user_id, query):
-    """从 Elasticsearch 获取相关历史记录"""
-    try:
-        # 生成查询向量
-        query_embedding = search_util.get_query_embedding(query)
-
-        # 在 ES 中搜索相关查询
-        # 假设 EsSearchUtil 有一个 search_related_queries 方法
-        # 如果没有，需要在 EsSearchUtil 中实现该方法
-        related_queries = await search_util.search_related_queries(
-            user_id=user_id,
-            query_embedding=query_embedding,
-            size=50
-        )
-
-        if not related_queries:
-            return []
-
-        # 对结果按相似度排序
-        related_queries.sort(key=lambda x: x['similarity'], reverse=True)
-
-        return related_queries[:3]  # 返回前3条最相关的记录
-    except Exception as e:
-        logger.error(f"获取相关历史记录失败: {str(e)}")
-        return []
-
-
-
-async def search_by_mixed(query, query_tags):
-    """混合关键字和向量搜索"""
-    try:
-        # 1. 向量搜索
-        query_embedding = search_util.get_query_embedding(query)
-        vector_results = search_util.search_by_vector(query_embedding, k=10)
-
-        # 2. 关键字搜索
-        keyword_results = search_util.text_search(query, size=10)
-        keyword_hits = keyword_results['hits']['hits'] if 'hits' in keyword_results and 'hits' in keyword_results['hits'] else []
-
-        # 3. 合并结果
-        keyword_results_with_scores = [(doc, doc['_score']) for doc in keyword_hits]
-        vector_results_with_scores = [(doc, doc['_score']) for doc in vector_results]
-
-        merged_results = search_util.merge_results(keyword_results_with_scores, vector_results_with_scores)
-
-        # 4. 提取文档
-        return [item[0] for item in merged_results[:10]]  # 返回前10条结果
-    except Exception as e:
-        logger.error(f"混合搜索失败: {str(e)}")
-        return []
 
 
 if __name__ == "__main__":