'commit'

dsSchoolBuddy/Start.py

@@ -0,0 +1,171 @@
+import json
+import subprocess
+import tempfile
+import urllib.parse
+import uuid
+import warnings
+from io import BytesIO
+
+import fastapi
+import uvicorn
+from fastapi import FastAPI, HTTPException
+from openai import AsyncOpenAI
+from sse_starlette import EventSourceResponse
+from starlette.responses import StreamingResponse
+from starlette.staticfiles import StaticFiles
+
+from Config import Config
+from Util.EsSearchUtil import *
+from Util.MySQLUtil import init_mysql_pool
+
+# 初始化日志
+logger = logging.getLogger(__name__)
+logger.setLevel(logging.INFO)
+
+# 配置日志处理器
+log_file = os.path.join(os.path.dirname(__file__), 'Logs', 'app.log')
+os.makedirs(os.path.dirname(log_file), exist_ok=True)
+
+# 文件处理器
+file_handler = RotatingFileHandler(
+    log_file, maxBytes=1024 * 1024, backupCount=5, encoding='utf-8')
+file_handler.setFormatter(logging.Formatter(
+    '%(asctime)s - %(name)s - %(levelname)s - %(message)s'))
+
+# 控制台处理器
+console_handler = logging.StreamHandler()
+console_handler.setFormatter(logging.Formatter(
+    '%(asctime)s - %(name)s - %(levelname)s - %(message)s'))
+
+logger.addHandler(file_handler)
+logger.addHandler(console_handler)
+
+# 初始化异步 OpenAI 客户端
+client = AsyncOpenAI(
+    api_key=Config.MODEL_API_KEY,
+    base_url=Config.MODEL_API_URL,
+)
+
+
+async def lifespan(app: FastAPI):
+    # 抑制HTTPS相关警告
+    warnings.filterwarnings('ignore', message='Connecting to .* using TLS with verify_certs=False is insecure')
+    warnings.filterwarnings('ignore', message='Unverified HTTPS request is being made to host')
+    yield
+
+
+app = FastAPI(lifespan=lifespan)
+
+# 挂载静态文件目录
+app.mount("/static", StaticFiles(directory="Static"), name="static")
+
+
+@app.post("/api/save-word")
+async def save_to_word(request: fastapi.Request):
+    output_file = None
+    try:
+        # Parse request data
+        try:
+            data = await request.json()
+            markdown_content = data.get('markdown_content', '')
+            if not markdown_content:
+                raise ValueError("Empty MarkDown content")
+        except Exception as e:
+            logger.error(f"Request parsing failed: {str(e)}")
+            raise HTTPException(status_code=400, detail=f"Invalid request: {str(e)}")
+
+        # 创建临时Markdown文件
+        temp_md = os.path.join(tempfile.gettempdir(), uuid.uuid4().hex + ".md")
+        with open(temp_md, "w", encoding="utf-8") as f:
+            f.write(markdown_content)
+
+        # 使用pandoc转换
+        output_file = os.path.join(tempfile.gettempdir(), "【理想大模型】问答.docx")
+        subprocess.run(['pandoc', temp_md, '-o', output_file, '--resource-path=static'], check=True)
+
+        # 读取生成的Word文件
+        with open(output_file, "rb") as f:
+            stream = BytesIO(f.read())
+
+        # 返回响应
+        encoded_filename = urllib.parse.quote("【理想大模型】问答.docx")
+        return StreamingResponse(
+            stream,
+            media_type="application/vnd.openxmlformats-officedocument.wordprocessingml.document",
+            headers={"Content-Disposition": f"attachment; filename*=UTF-8''{encoded_filename}"})
+
+    except HTTPException:
+        raise
+    except Exception as e:
+        logger.error(f"Unexpected error: {str(e)}")
+        raise HTTPException(status_code=500, detail="Internal server error")
+    finally:
+        # 清理临时文件
+        try:
+            if temp_md and os.path.exists(temp_md):
+                os.remove(temp_md)
+            if output_file and os.path.exists(output_file):
+                os.remove(output_file)
+        except Exception as e:
+            logger.warning(f"Failed to clean up temp files: {str(e)}")
+
+
+@app.post("/api/rag", response_model=None)
+async def rag(request: fastapi.Request):
+    data = await request.json()
+    query = data.get('query', '')
+    query_tags = data.get('tags', [])
+    # 调用es进行混合搜索
+    search_results = EsSearchUtil.queryByEs(query, query_tags, logger)
+    # 构建提示词
+    context = "\n".join([
+        f"结果{i + 1}: {res['tags']['full_content']}"
+        for i, res in enumerate(search_results['text_results'])
+    ])
+    # 添加图片识别提示
+    prompt = f"""
+            信息检索与回答助手
+            根据以下关于'{query}'的相关信息：
+
+            相关信息
+            {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
+               - 如果内容中包含数学公式，请使用行内格式，如$f(x) = x^2$
+               - 如果内容中包含多个公式，请使用行内格式，如$f(x) = x^2$ $g(x) = x^3$
+            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. 对于符合问题的材料中，提供了图片的，尽量保持上下文中的图片，并尽量保持图片的清晰度。
+            """
+
+    async def generate_response_stream():
+        try:
+            # 流式调用大模型
+            stream = await client.chat.completions.create(
+                model=Config.MODEL_NAME,
+                messages=[
+                    {'role': 'user', 'content': prompt}
+                ],
+                max_tokens=8000,
+                stream=True  # 启用流式模式
+            )
+            # 流式返回模型生成的回复
+            async for chunk in stream:
+                if 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:
+            yield f"data: {json.dumps({'error': str(e)})}\n\n"
+
+    return EventSourceResponse(generate_response_stream())
+
+
+
+if __name__ == "__main__":
+    uvicorn.run(app, host="0.0.0.0", port=8000)