193 lines
7.5 KiB
Python
193 lines
7.5 KiB
Python
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()) |