上传文件至 /
4.3更新
This commit is contained in:
+412
-323
@@ -1,324 +1,413 @@
|
||||
"""
|
||||
===================================
|
||||
@Auther：WenZ
|
||||
@Company: BooWay
|
||||
@project：booway_dm
|
||||
===================================
|
||||
"""
|
||||
|
||||
|
||||
# from langchain_community.chat_models import ChatOpenAI
|
||||
from langchain_openai import ChatOpenAI
|
||||
from langchain_core.output_parsers import StrOutputParser
|
||||
from langchain_core.prompts import ChatPromptTemplate
|
||||
from langchain_core.prompts.prompt import PromptTemplate
|
||||
from langchain_core.output_parsers import JsonOutputParser
|
||||
|
||||
|
||||
# qwen_llm = ChatOpenAI(model='deepseek-qwen2.5-32b',base_url="http://172.20.0.145:9995/v1/",api_key='233',temperature=1)
|
||||
|
||||
# temperature=0.7
|
||||
qwen_llm = ChatOpenAI(
|
||||
openai_api_base="https://api.siliconflow.cn/v1",
|
||||
model_name="Qwen/Qwen2.5-72B-Instruct",
|
||||
# sk-muuqautpcyuowjtgfecbnivqodlhzydtfslqkmwbknawejsx
|
||||
openai_api_key="sk-bbeamiumkouptsrueilgufqqyuumelcsivxwjbdugqwsqhwj",
|
||||
temperature=0.1
|
||||
)
|
||||
|
||||
deep_v3 = ChatOpenAI(
|
||||
openai_api_base="https://api.siliconflow.cn/v1",
|
||||
model_name="deepseek-ai/DeepSeek-V3",
|
||||
# sk-muuqautpcyuowjtgfecbnivqodlhzydtfslqkmwbknawejsx
|
||||
openai_api_key="sk-bbeamiumkouptsrueilgufqqyuumelcsivxwjbdugqwsqhwj",
|
||||
temperature=0.1
|
||||
)
|
||||
|
||||
|
||||
def suffix_answers():
|
||||
PromptTemplate1 = """
|
||||
根据用户输入和相关知识回答问题
|
||||
|
||||
# 用户输入
|
||||
{query}
|
||||
|
||||
# 相关知识
|
||||
{kg}
|
||||
|
||||
# 注意：
|
||||
- 每次回答和核心意思是：'此后缀名文件用某某或哪些软件打开'
|
||||
- 对于相关知识中有多个软件的要全部回答
|
||||
- 不要有过多解释，仅仅根据kg回答即可
|
||||
"""
|
||||
|
||||
Prompt = ChatPromptTemplate.from_template(PromptTemplate1)
|
||||
|
||||
Chain = Prompt | qwen_llm | StrOutputParser()
|
||||
|
||||
return Chain
|
||||
|
||||
# 关于下载安装
|
||||
# 查询功能（询问软件功能或用途）：【新型储能计价通C1】可以做批次工程吗
|
||||
# 后缀名问题（专属子意图）
|
||||
# 操作指导（询问具体使用方法）：【西藏造价软件Z1】怎么查看人工机械费用
|
||||
# 故障排查（解决软件错误问题）：【技改检修2016软件】初始化失败了
|
||||
# 费用计算（专属意图，复杂计算推理）
|
||||
# 下载与安装（询问软件的下载和安装）：【配网D3软件】程序包发我；【配网D3软件】怎么安装
|
||||
|
||||
def Vertical_classification():
|
||||
PromptTemplate1 = """
|
||||
根据用户输入进行垂直领域分类
|
||||
|
||||
目前的垂直分类：【'闲聊', '软件咨询'】
|
||||
|
||||
# 软件咨询包括以下：
|
||||
1. 查询功能（询问软件功能或用途，包括后缀名问题）
|
||||
2. 操作指导（询问具体使用方法）
|
||||
3. 故障排查（解决软件错误问题）
|
||||
4. 下载安装（关于软件的下载和安装问题）
|
||||
|
||||
# 用户输入
|
||||
{query}
|
||||
|
||||
# 注意：
|
||||
1. 你只能回答是'闲聊' 或者 '软件咨询'，绝对不能有其他回复
|
||||
"""
|
||||
|
||||
Prompt = ChatPromptTemplate.from_template(PromptTemplate1)
|
||||
|
||||
Chain = Prompt | qwen_llm | StrOutputParser()
|
||||
|
||||
return Chain
|
||||
|
||||
# chain_vertical = Vertical_classification()
|
||||
|
||||
|
||||
def small_talk():
|
||||
PromptTemplate1 = """
|
||||
你是一个开放性的聊天助手，请以礼貌的方式进行回复
|
||||
|
||||
# 用户输入
|
||||
{query}
|
||||
|
||||
# 注意
|
||||
1. 对于用户发送类似“你好”、“hi”、“嗨”之类的问候语，需要固定回复：“您好，尊贵的VIP，我是booway小助手，很高兴为您服务”
|
||||
2. 对于用户发送类似“你是谁”、“你能干什么”、“你有什么功能”之类的询问身份和功能的语句，需要固定回复：“您好，我是booway小助手，如您需要相关电力造价软件的使用咨询，可以和我沟通”
|
||||
3. 初次之外的聊天，不需要告知用户的身份和你的身份
|
||||
"""
|
||||
|
||||
Prompt = ChatPromptTemplate.from_template(PromptTemplate1)
|
||||
|
||||
Chain = Prompt | qwen_llm | StrOutputParser()
|
||||
|
||||
return Chain
|
||||
|
||||
|
||||
# chain_small_talk = small_talk()
|
||||
|
||||
|
||||
# 查询功能（询问软件功能或用途）：【新型储能计价通C1】可以做批次工程吗
|
||||
# 后缀名问题（专属子意图）
|
||||
# 操作指导（询问具体使用方法）：【西藏造价软件Z1】怎么查看人工机械费用
|
||||
# 故障排查（解决软件错误问题）：【技改检修2016软件】初始化失败了
|
||||
# 费用计算（专属意图，复杂计算推理）
|
||||
# 下载与安装（询问软件的下载和安装）：【配网D3软件】程序包发我；【配网D3软件】怎么安装
|
||||
def intention_judge():
|
||||
# 费用计算另处理
|
||||
PromptTemplate1 = """
|
||||
你是一个智能意图分类助手。请根据用户的问题，将其归类到以下意图中：
|
||||
|
||||
1. 查询功能（询问软件功能或用途）
|
||||
2. 操作指导（询问具体使用方法）
|
||||
3. 故障排查（解决软件错误问题）
|
||||
4. 下载安装（关于软件的下载和安装问题）
|
||||
|
||||
用户的问题是："{query}"
|
||||
|
||||
请明确指出该问题属于哪个意图类别。
|
||||
|
||||
输出格式：str类型
|
||||
|
||||
注意你的回复答案一定是[查询功能、操作指导、故障排查、下载安装]之一，不要有其他回答，不要解释说明
|
||||
"""
|
||||
|
||||
Prompt = ChatPromptTemplate.from_template(PromptTemplate1)
|
||||
|
||||
Chain = Prompt | qwen_llm | StrOutputParser()
|
||||
|
||||
return Chain
|
||||
|
||||
|
||||
def domain_judge():
|
||||
# 费用计算另处理
|
||||
PromptTemplate1 = """
|
||||
你是一个领域问题分类助手。请根据用户的问题，将其归类到以下软件领域中：
|
||||
|
||||
1. 西藏造价软件Z1
|
||||
2. 新型储能计价通C1
|
||||
3. 技改检修计价通T1
|
||||
4. 未知 （用户输入没有提到具体软件名称，就回答‘未知’）
|
||||
|
||||
用户输入："{query}"
|
||||
|
||||
请明确指出该问题属于哪个领域问题分类。
|
||||
|
||||
输出格式：str类型
|
||||
|
||||
注意：
|
||||
1. 你的回复答案一定是[西藏造价软件Z1、新型储能计价通C1、技改检修计价通T1、未知]之一，不要有其他回答，不要解释说明
|
||||
2. 如果用户输入没有说明具体哪个软件，则回答‘未知’
|
||||
"""
|
||||
|
||||
Prompt = ChatPromptTemplate.from_template(PromptTemplate1)
|
||||
|
||||
Chain = Prompt | deep_v3 | StrOutputParser()
|
||||
|
||||
return Chain
|
||||
|
||||
def domain_judge_v2():
|
||||
# 费用计算另处理
|
||||
PromptTemplate1 = """
|
||||
你是一个不全软件名称的助手。请根据用户的问题，进行补全:
|
||||
|
||||
1. 西藏造价软件Z1
|
||||
2. 新型储能计价通C1
|
||||
3. 技改检修计价通T1
|
||||
4. 未知 （用户输入没有提到具体软件名称，就回答‘未知’）
|
||||
|
||||
用户输入："{query}"
|
||||
|
||||
输出格式：str类型
|
||||
|
||||
注意：
|
||||
1. 你的回复答案一定是[西藏造价软件Z1、新型储能计价通C1、技改检修计价通T1、未知]之一，不要有其他回答，不要解释说明
|
||||
"""
|
||||
|
||||
Prompt = ChatPromptTemplate.from_template(PromptTemplate1)
|
||||
|
||||
Chain = Prompt | deep_v3 | StrOutputParser()
|
||||
|
||||
return Chain
|
||||
|
||||
|
||||
def judge_5W2H():
|
||||
PromptTemplate1 = """
|
||||
你是一位专业的语言分析师。请根据以下输入，识别出它属于5W2H中的哪一类：
|
||||
- What: 表示“什么”。
|
||||
- Why: 表示“为什么”。
|
||||
- When: 表示“什么时候”。
|
||||
- Where: 表示“在哪里”。
|
||||
- Who: 表示“谁”。
|
||||
- How: 表示“如何”。
|
||||
- How much: 表示“多少”。
|
||||
|
||||
输入: {query}
|
||||
请判断并仅返回类别名称。
|
||||
"""
|
||||
|
||||
Prompt = ChatPromptTemplate.from_template(PromptTemplate1)
|
||||
|
||||
Chain = Prompt | qwen_llm | StrOutputParser()
|
||||
|
||||
return Chain
|
||||
|
||||
|
||||
def extract_keywords():
|
||||
PromptTemplate1 = """
|
||||
你是一位专业的语言分析师。请根据以下输入内容，精准提取“需求”部分：
|
||||
|
||||
软件名称：{software_name}
|
||||
5W2H 类型：{_5w2h_type}
|
||||
用户输入：{query}
|
||||
|
||||
提取规则：
|
||||
仅提取用户输入中，除软件名称和5W2H类型以外的“需求”部分，保持原意简洁输出，不添加解释或思考过程。
|
||||
|
||||
示例1：
|
||||
软件名称：新型储能计价通C1
|
||||
5W2H 类型：How
|
||||
用户输入：储能软件，怎么批量将乙供主材改为甲供
|
||||
输出：批量将乙供主材改为甲供
|
||||
|
||||
示例2：
|
||||
软件名称：西藏造价软件Z1
|
||||
5W2H 类型：What
|
||||
用户输入：西藏Z1软件，海报高度选择不同影响什么
|
||||
输出：海报高度选择不同影响什么
|
||||
|
||||
注意事项：
|
||||
- 输出仅包含“需求”内容
|
||||
- “需求”需要你根据语义总结
|
||||
- 不要输出任何解释或推理过程
|
||||
"""
|
||||
|
||||
Prompt = ChatPromptTemplate.from_template(PromptTemplate1)
|
||||
|
||||
Chain = Prompt | qwen_llm | StrOutputParser()
|
||||
|
||||
return Chain
|
||||
|
||||
# def answer_questions():
|
||||
# PromptTemplate1 = """
|
||||
# 你是一个回答助手，请根据检索到的知识内容来回答用户的问题。
|
||||
#
|
||||
# # 用户问题：
|
||||
# {query}
|
||||
#
|
||||
# # 检索到的知识内容：
|
||||
# {kg}
|
||||
#
|
||||
# # 回答要求：
|
||||
# 1. 仅依据检索到的知识内容进行回答，不要引入任何其他未提供的知识。
|
||||
# 2. 如果检索内容中仅有部分信息与你判断相关，请结合有用部分作答，忽略无关内容。
|
||||
# 3. 如果你无法根据检索内容推理或回答用户问题，请回答：“没有相关知识”。
|
||||
#
|
||||
# """
|
||||
#
|
||||
# Prompt = ChatPromptTemplate.from_template(PromptTemplate1)
|
||||
#
|
||||
# Chain = Prompt | deep_v3 | StrOutputParser()
|
||||
#
|
||||
# return Chain
|
||||
|
||||
def answer_questions():
|
||||
PromptTemplate1 = """
|
||||
请严格根据以下框架回答用户问题：
|
||||
|
||||
# 用户问题：
|
||||
{query}
|
||||
|
||||
# 检索到的知识内容：
|
||||
{kg}
|
||||
|
||||
# 回答规则 (必须逐条遵守)：
|
||||
1. 相关性优先原则
|
||||
- 必须严格检查检索内容与用户问题的相关性
|
||||
- 仅当检索内容中存在至少一条与问题直接相关的明确证据时，才允许作答
|
||||
- 若检索内容整体与问题无关，即使内容正确，也必须回答"没有相关知识"
|
||||
|
||||
2. 精准引用原则
|
||||
- 回答必须完全基于检索内容中的有效证据
|
||||
- 禁止添加任何外部知识、常识推理或主观猜测
|
||||
- 禁止对检索内容进行延伸解读，仅允许直接相关的事实陈述
|
||||
|
||||
3. 部分相关处理
|
||||
- 当检索内容中只有部分段落相关时：
|
||||
1. 先验证该段落是否直接对应问题核心
|
||||
2. 确认无误后仅使用该部分作答
|
||||
3. 主动忽略其他无关内容
|
||||
|
||||
4. 拒绝回答场景
|
||||
- 检索内容与问题无逻辑关联时
|
||||
- 需要连接多个非直接相关片段进行推理时
|
||||
- 存在相关表述但缺乏明确证据支持时
|
||||
|
||||
# 回答要求
|
||||
1. 基于以上回答规则，仅做回答，不要加上思考过程
|
||||
|
||||
"""
|
||||
|
||||
Prompt = ChatPromptTemplate.from_template(PromptTemplate1)
|
||||
|
||||
Chain = Prompt | deep_v3 | StrOutputParser()
|
||||
|
||||
"""
|
||||
===================================
|
||||
@Auther：WenZ
|
||||
@Company: BooWay
|
||||
@project：booway_dm
|
||||
===================================
|
||||
"""
|
||||
|
||||
|
||||
# from langchain_community.chat_models import ChatOpenAI
|
||||
from langchain_openai import ChatOpenAI
|
||||
from langchain_core.output_parsers import StrOutputParser
|
||||
from langchain_core.prompts import ChatPromptTemplate
|
||||
from langchain_core.prompts.prompt import PromptTemplate
|
||||
from langchain_core.output_parsers import JsonOutputParser
|
||||
|
||||
|
||||
# qwen_llm = ChatOpenAI(model='deepseek-qwen2.5-32b',base_url="http://172.20.0.145:9995/v1/",api_key='233',temperature=1)
|
||||
|
||||
# temperature=0.7
|
||||
qwen_llm = ChatOpenAI(
|
||||
openai_api_base="https://api.siliconflow.cn/v1",
|
||||
model_name="Qwen/Qwen2.5-72B-Instruct",
|
||||
# sk-muuqautpcyuowjtgfecbnivqodlhzydtfslqkmwbknawejsx
|
||||
openai_api_key="sk-bbeamiumkouptsrueilgufqqyuumelcsivxwjbdugqwsqhwj",
|
||||
temperature=0.1
|
||||
)
|
||||
|
||||
deep_v3 = ChatOpenAI(
|
||||
openai_api_base="https://api.siliconflow.cn/v1",
|
||||
model_name="deepseek-ai/DeepSeek-V3",
|
||||
# sk-muuqautpcyuowjtgfecbnivqodlhzydtfslqkmwbknawejsx
|
||||
openai_api_key="sk-bbeamiumkouptsrueilgufqqyuumelcsivxwjbdugqwsqhwj",
|
||||
temperature=0.1
|
||||
)
|
||||
|
||||
|
||||
# from langchain.llms import Xinference
|
||||
# from langchain.prompts import PromptTemplate
|
||||
# from langchain.chains import LLMChain, SequentialChain
|
||||
|
||||
# llm = Xinference(server_url="http://172.20.0.145:9995", model_uid="deepseek-r1-distill-qwen2.5-32b")
|
||||
|
||||
|
||||
def suffix_answers():
|
||||
PromptTemplate1 = """
|
||||
根据用户输入和相关知识回答问题
|
||||
|
||||
# 用户输入
|
||||
{query}
|
||||
|
||||
# 相关知识
|
||||
{kg}
|
||||
|
||||
# 注意：
|
||||
- 每次回答和核心意思是：'此后缀名文件用某某或哪些软件打开'
|
||||
- 对于相关知识中有多个软件的要全部回答
|
||||
- 不要有过多解释，仅仅根据kg回答即可
|
||||
"""
|
||||
|
||||
Prompt = ChatPromptTemplate.from_template(PromptTemplate1)
|
||||
|
||||
Chain = Prompt | qwen_llm | StrOutputParser()
|
||||
# Chain = Prompt | llm | StrOutputParser()
|
||||
|
||||
return Chain
|
||||
|
||||
# 关于下载安装
|
||||
# 查询功能（询问软件功能或用途）：【新型储能计价通C1】可以做批次工程吗
|
||||
# 后缀名问题（专属子意图）
|
||||
# 操作指导（询问具体使用方法）：【西藏造价软件Z1】怎么查看人工机械费用
|
||||
# 故障排查（解决软件错误问题）：【技改检修2016软件】初始化失败了
|
||||
# 费用计算（专属意图，复杂计算推理）
|
||||
# 下载与安装（询问软件的下载和安装）：【配网D3软件】程序包发我；【配网D3软件】怎么安装
|
||||
|
||||
# def Vertical_classification():
|
||||
# PromptTemplate1 = """
|
||||
# 根据用户输入进行垂直领域分类
|
||||
|
||||
# 目前的垂直分类：【'闲聊', '软件咨询'】
|
||||
|
||||
# # 软件咨询包括以下：
|
||||
# 1. 查询功能（询问软件功能或用途，包括后缀名问题）
|
||||
# 2. 操作指导（询问具体使用方法）
|
||||
# 3. 故障排查（解决软件错误问题）
|
||||
# 4. 下载安装（关于软件的下载和安装问题）
|
||||
|
||||
# # 用户输入
|
||||
# {query}
|
||||
|
||||
# # 注意：
|
||||
# 1. 你只能回答是'闲聊' 或者 '软件咨询'，绝对不能有其他回复
|
||||
# """
|
||||
|
||||
# Prompt = ChatPromptTemplate.from_template(PromptTemplate1)
|
||||
|
||||
# Chain = Prompt | qwen_llm | StrOutputParser()
|
||||
|
||||
# return Chain
|
||||
|
||||
def Vertical_classification():
|
||||
PromptTemplate1 = """
|
||||
请根据用户的输入内容，将其归类为以下两个垂直领域之一：
|
||||
|
||||
【垂直领域分类】：
|
||||
1. 闲聊 —— 指与软件无关的日常对话、问候、感慨、情绪表达等。
|
||||
2. 软件咨询 —— 指涉及软件使用、下载、功能、问题排查等方面的提问或请求。
|
||||
|
||||
【软件咨询包括以下四类】：
|
||||
1. 查询功能：例如询问软件的功能、用途，或某种文件后缀对应的软件。
|
||||
2. 操作指导：例如询问如何使用某个功能、软件的使用方法。
|
||||
3. 故障排查：例如反馈软件报错、卡顿、打不开等问题，并寻求解决方案。
|
||||
4. 下载安装：例如请求下载地址、安装流程、环境配置等信息。
|
||||
|
||||
【用户输入】：
|
||||
{query}
|
||||
|
||||
【要求】：
|
||||
- 请你只返回一个结果："闲聊" 或 "软件咨询"。
|
||||
- 不允许输出任何解释、标点符号或额外内容。
|
||||
"""
|
||||
|
||||
Prompt = ChatPromptTemplate.from_template(PromptTemplate1)
|
||||
|
||||
Chain = Prompt | qwen_llm | StrOutputParser()
|
||||
# Chain = Prompt | llm | StrOutputParser()
|
||||
|
||||
return Chain
|
||||
|
||||
# chain_vertical = Vertical_classification()
|
||||
|
||||
|
||||
def small_talk():
|
||||
PromptTemplate1 = """
|
||||
你是一个开放性的聊天助手，请以礼貌的方式进行回复
|
||||
|
||||
# 用户输入
|
||||
{query}
|
||||
|
||||
# 注意
|
||||
1. 对于用户发送类似“你好”、“hi”、“嗨”之类的问候语，需要固定回复：“您好，尊贵的VIP，我是booway小助手，很高兴为您服务”
|
||||
2. 对于用户发送类似“你是谁”、“你能干什么”、“你有什么功能”之类的询问身份和功能的语句，需要固定回复：“您好，我是booway小助手，如您需要相关电力造价软件的使用咨询，可以和我沟通”
|
||||
3. 初次之外的聊天，不需要告知用户的身份和你的身份
|
||||
"""
|
||||
|
||||
Prompt = ChatPromptTemplate.from_template(PromptTemplate1)
|
||||
|
||||
# Chain = Prompt | llm | StrOutputParser()
|
||||
Chain = Prompt | qwen_llm | StrOutputParser()
|
||||
|
||||
return Chain
|
||||
|
||||
|
||||
# chain_small_talk = small_talk()
|
||||
|
||||
|
||||
# 查询功能（询问软件功能或用途）：【新型储能计价通C1】可以做批次工程吗
|
||||
# 后缀名问题（专属子意图）
|
||||
# 操作指导（询问具体使用方法）：【西藏造价软件Z1】怎么查看人工机械费用
|
||||
# 故障排查（解决软件错误问题）：【技改检修2016软件】初始化失败了
|
||||
# 费用计算（专属意图，复杂计算推理）
|
||||
# 下载与安装（询问软件的下载和安装）：【配网D3软件】程序包发我；【配网D3软件】怎么安装
|
||||
def intention_judge():
|
||||
# 费用计算另处理
|
||||
PromptTemplate1 = """
|
||||
你是一个智能意图分类助手。请根据用户的问题，将其归类到以下意图中：
|
||||
|
||||
1. 查询功能（询问软件功能或用途）
|
||||
2. 操作指导（询问具体使用方法）
|
||||
3. 故障排查（解决软件错误问题）
|
||||
4. 下载安装（关于软件的下载和安装问题）
|
||||
|
||||
用户的问题是："{query}"
|
||||
|
||||
请明确指出该问题属于哪个意图类别。
|
||||
|
||||
输出格式：str类型
|
||||
|
||||
注意你的回复答案一定是[查询功能、操作指导、故障排查、下载安装]之一，不要有其他回答，不要解释说明
|
||||
"""
|
||||
|
||||
Prompt = ChatPromptTemplate.from_template(PromptTemplate1)
|
||||
|
||||
Chain = Prompt | qwen_llm | StrOutputParser()
|
||||
# Chain = Prompt | llm | StrOutputParser()
|
||||
|
||||
return Chain
|
||||
|
||||
|
||||
def domain_judge():
|
||||
# 费用计算另处理
|
||||
PromptTemplate1 = """
|
||||
你是一个领域问题分类助手。请根据用户的问题，将其归类到以下软件领域中：
|
||||
|
||||
1. 西藏造价软件Z1
|
||||
2. 新型储能计价通C1
|
||||
3. 技改检修计价通T1
|
||||
4. 未知 （用户输入没有提到具体软件名称，就回答‘未知’）
|
||||
|
||||
用户输入："{query}"
|
||||
|
||||
请明确指出该问题属于哪个领域问题分类。
|
||||
|
||||
输出格式：str类型
|
||||
|
||||
注意：
|
||||
1. 你的回复答案一定是[西藏造价软件Z1、新型储能计价通C1、技改检修计价通T1、未知]之一，不要有其他回答，不要解释说明
|
||||
2. 如果用户输入没有说明具体哪个软件，则回答‘未知’
|
||||
"""
|
||||
|
||||
Prompt = ChatPromptTemplate.from_template(PromptTemplate1)
|
||||
|
||||
Chain = Prompt | deep_v3 | StrOutputParser()
|
||||
# Chain = Prompt | llm | StrOutputParser()
|
||||
|
||||
return Chain
|
||||
|
||||
def domain_judge_v2():
|
||||
# 费用计算另处理
|
||||
PromptTemplate1 = """
|
||||
你是一个不全软件名称的助手。请根据用户的问题，进行补全:
|
||||
|
||||
1. 西藏造价软件Z1
|
||||
2. 新型储能计价通C1
|
||||
3. 技改检修计价通T1
|
||||
4. 未知 （用户输入没有提到具体软件名称，就回答‘未知’）
|
||||
|
||||
用户输入："{query}"
|
||||
|
||||
输出格式：str类型
|
||||
|
||||
注意：
|
||||
1. 你的回复答案一定是[西藏造价软件Z1、新型储能计价通C1、技改检修计价通T1、未知]之一，不要有其他回答，不要解释说明
|
||||
"""
|
||||
|
||||
Prompt = ChatPromptTemplate.from_template(PromptTemplate1)
|
||||
|
||||
Chain = Prompt | deep_v3 | StrOutputParser()
|
||||
# Chain = Prompt | llm | StrOutputParser()
|
||||
|
||||
return Chain
|
||||
|
||||
def domain_judge_v3():
|
||||
# 费用计算另处理
|
||||
PromptTemplate1 = """
|
||||
你是一个领域问题分类助手。请根据用户的问题，将其归类到以下软件领域中：
|
||||
|
||||
1. 西藏造价软件Z1
|
||||
2. 新型储能计价通C1
|
||||
3. 技改检修计价通T1
|
||||
4. 博微配网工程计价通D3软件
|
||||
5. 其他 （用户输入没有提到具体软件名称或者不属于上述软件名，就回答‘其他’）
|
||||
|
||||
用户输入："{query}"
|
||||
|
||||
请明确指出该问题属于哪个领域问题分类。
|
||||
|
||||
输出格式：str类型
|
||||
|
||||
注意：
|
||||
1. 你的回复答案一定是[西藏造价软件Z1、新型储能计价通C1、技改检修计价通T1、博微配网工程计价通D3软件、未知]之一，不要有其他回答，不要解释说明
|
||||
2. 如果用户输入没有说明具体哪个软件，则回答‘其他’
|
||||
"""
|
||||
|
||||
Prompt = ChatPromptTemplate.from_template(PromptTemplate1)
|
||||
|
||||
Chain = Prompt | deep_v3 | StrOutputParser()
|
||||
# Chain = Prompt | llm | StrOutputParser()
|
||||
|
||||
return Chain
|
||||
|
||||
|
||||
def judge_5W2H():
|
||||
PromptTemplate1 = """
|
||||
你是一位专业的语言分析师。请根据以下输入，识别出它属于5W2H中的哪一类：
|
||||
- What: 表示“什么”。
|
||||
- Why: 表示“为什么”。
|
||||
- When: 表示“什么时候”。
|
||||
- Where: 表示“在哪里”。
|
||||
- Who: 表示“谁”。
|
||||
- How: 表示“如何”。
|
||||
- How much: 表示“多少”。
|
||||
|
||||
输入: {query}
|
||||
请判断并仅返回类别名称。
|
||||
"""
|
||||
|
||||
Prompt = ChatPromptTemplate.from_template(PromptTemplate1)
|
||||
|
||||
Chain = Prompt | qwen_llm | StrOutputParser()
|
||||
# Chain = Prompt | llm | StrOutputParser()
|
||||
|
||||
return Chain
|
||||
|
||||
|
||||
def extract_keywords():
|
||||
PromptTemplate1 = """
|
||||
你是一位专业的语言分析师。请根据以下输入内容，精准提取“需求”部分：
|
||||
|
||||
软件名称：{software_name}
|
||||
5W2H 类型：{_5w2h_type}
|
||||
用户输入：{query}
|
||||
|
||||
提取规则：
|
||||
仅提取用户输入中，除软件名称和5W2H类型以外的“需求”部分，保持原意简洁输出，不添加解释或思考过程。
|
||||
|
||||
示例1：
|
||||
软件名称：新型储能计价通C1
|
||||
5W2H 类型：How
|
||||
用户输入：储能软件，怎么批量将乙供主材改为甲供
|
||||
输出：批量将乙供主材改为甲供
|
||||
|
||||
示例2：
|
||||
软件名称：西藏造价软件Z1
|
||||
5W2H 类型：What
|
||||
用户输入：西藏Z1软件，海报高度选择不同影响什么
|
||||
输出：海报高度选择不同影响什么
|
||||
|
||||
注意事项：
|
||||
- 输出仅包含“需求”内容
|
||||
- “需求”需要你根据语义总结
|
||||
- 不要输出任何解释或推理过程
|
||||
"""
|
||||
|
||||
Prompt = ChatPromptTemplate.from_template(PromptTemplate1)
|
||||
|
||||
Chain = Prompt | qwen_llm | StrOutputParser()
|
||||
# Chain = Prompt | llm | StrOutputParser()
|
||||
|
||||
return Chain
|
||||
|
||||
# def answer_questions():
|
||||
# PromptTemplate1 = """
|
||||
# 你是一个回答助手，请根据检索到的知识内容来回答用户的问题。
|
||||
#
|
||||
# # 用户问题：
|
||||
# {query}
|
||||
#
|
||||
# # 检索到的知识内容：
|
||||
# {kg}
|
||||
#
|
||||
# # 回答要求：
|
||||
# 1. 仅依据检索到的知识内容进行回答，不要引入任何其他未提供的知识。
|
||||
# 2. 如果检索内容中仅有部分信息与你判断相关，请结合有用部分作答，忽略无关内容。
|
||||
# 3. 如果你无法根据检索内容推理或回答用户问题，请回答：“没有相关知识”。
|
||||
#
|
||||
# """
|
||||
#
|
||||
# Prompt = ChatPromptTemplate.from_template(PromptTemplate1)
|
||||
#
|
||||
# Chain = Prompt | deep_v3 | StrOutputParser()
|
||||
#
|
||||
# return Chain
|
||||
|
||||
def answer_questions():
|
||||
PromptTemplate1 = """
|
||||
请严格根据以下框架回答用户问题：
|
||||
|
||||
# 用户问题：
|
||||
{query}
|
||||
|
||||
# 检索到的知识内容：
|
||||
{kg}
|
||||
|
||||
# 回答规则 (必须逐条遵守)：
|
||||
1. 相关性优先原则
|
||||
- 必须严格检查检索内容与用户问题的相关性
|
||||
- 仅当检索内容中存在至少一条与问题直接相关的明确证据时，才允许作答
|
||||
- 若检索内容整体与问题无关，即使内容正确，也必须回答"没有相关知识"
|
||||
|
||||
2. 精准引用原则
|
||||
- 回答必须完全基于检索内容中的有效证据
|
||||
- 禁止添加任何外部知识、常识推理或主观猜测
|
||||
- 禁止对检索内容进行延伸解读，仅允许直接相关的事实陈述
|
||||
|
||||
3. 部分相关处理
|
||||
- 当检索内容中只有部分段落相关时：
|
||||
1. 先验证该段落是否直接对应问题核心
|
||||
2. 确认无误后仅使用该部分作答
|
||||
3. 主动忽略其他无关内容
|
||||
|
||||
4. 拒绝回答场景
|
||||
- 检索内容与问题无逻辑关联时
|
||||
- 需要连接多个非直接相关片段进行推理时
|
||||
- 存在相关表述但缺乏明确证据支持时
|
||||
|
||||
# 回答要求
|
||||
1. 基于以上回答规则，仅做回答，不要加上思考过程
|
||||
|
||||
"""
|
||||
|
||||
Prompt = ChatPromptTemplate.from_template(PromptTemplate1)
|
||||
|
||||
Chain = Prompt | deep_v3 | StrOutputParser()
|
||||
# Chain = Prompt | llm | StrOutputParser()
|
||||
|
||||
return Chain
|
||||
|
||||
def mutil12():
|
||||
PromptTemplate1 = """
|
||||
你根据输入语句：{query}来分析是缺软件名字还是缺具体问题
|
||||
# 输出
|
||||
缺软件名字返回1
|
||||
缺具体问题返回2
|
||||
你只能返回1或者2，不要有其他解释
|
||||
"""
|
||||
|
||||
Prompt = ChatPromptTemplate.from_template(PromptTemplate1)
|
||||
|
||||
Chain = Prompt | qwen_llm | StrOutputParser()
|
||||
# Chain = Prompt | llm | StrOutputParser()
|
||||
|
||||
return Chain
|
||||
@@ -33,6 +33,12 @@ deep_v3 = ChatOpenAI(
|
||||
temperature=0.1
|
||||
)
|
||||
|
||||
|
||||
# =========================================
|
||||
|
||||
# =========================================
|
||||
|
||||
|
||||
# 软件名重写
|
||||
def software_name_rewrite():
|
||||
PromptTemplate = """
|
||||
@@ -47,6 +53,7 @@ def software_name_rewrite():
|
||||
Prompt = ChatPromptTemplate.from_template(PromptTemplate)
|
||||
|
||||
Chain = Prompt | qwen_llm | StrOutputParser()
|
||||
# Chain = Prompt | llm | StrOutputParser()
|
||||
|
||||
return Chain
|
||||
|
||||
@@ -96,6 +103,7 @@ def retrieval_rewrite():
|
||||
Prompt = ChatPromptTemplate.from_template(PromptTemplate)
|
||||
|
||||
Chain = Prompt | qwen_llm | StrOutputParser()
|
||||
# Chain = Prompt | llm | StrOutputParser()
|
||||
|
||||
return Chain
|
||||
|
||||
@@ -114,6 +122,7 @@ def to_normal_rewrite():
|
||||
Prompt = ChatPromptTemplate.from_template(PromptTemplate)
|
||||
|
||||
Chain = Prompt | deep_v3 | StrOutputParser()
|
||||
# Chain = Prompt | llm | StrOutputParser()
|
||||
|
||||
return Chain
|
||||
|
||||
@@ -134,6 +143,7 @@ def query_function_rewrite():
|
||||
Prompt = ChatPromptTemplate.from_template(PromptTemplate)
|
||||
|
||||
Chain = Prompt | deep_v3 | StrOutputParser()
|
||||
# Chain = Prompt | llm | StrOutputParser()
|
||||
|
||||
return Chain
|
||||
|
||||
@@ -154,6 +164,7 @@ def operation_guidance_rewrite():
|
||||
Prompt = ChatPromptTemplate.from_template(PromptTemplate)
|
||||
|
||||
Chain = Prompt | deep_v3 | StrOutputParser()
|
||||
# Chain = Prompt | llm | StrOutputParser()
|
||||
|
||||
return Chain
|
||||
|
||||
@@ -176,6 +187,7 @@ def troubleshooting_rewrite():
|
||||
Prompt = ChatPromptTemplate.from_template(PromptTemplate)
|
||||
|
||||
Chain = Prompt | deep_v3 | StrOutputParser()
|
||||
# Chain = Prompt | llm | StrOutputParser()
|
||||
|
||||
return Chain
|
||||
|
||||
@@ -197,8 +209,93 @@ def access_rewrite():
|
||||
Prompt = ChatPromptTemplate.from_template(PromptTemplate)
|
||||
|
||||
Chain = Prompt | deep_v3 | StrOutputParser()
|
||||
# Chain = Prompt | llm | StrOutputParser()
|
||||
|
||||
return Chain
|
||||
|
||||
|
||||
# 全名扩写
|
||||
def full_name_extension():
|
||||
PromptTemplate = """
|
||||
你是一个智能问答重写助手，将用户问题和已知的软件名称重写为结构化、规范表达，符合以下范式：
|
||||
1. 【软件名】【其他】
|
||||
|
||||
# 例子
|
||||
输入：D3软件二次运输怎么计取
|
||||
输出：【博微配网工程计价通D3软件】【二次运输怎么计取】
|
||||
|
||||
输入：怎么添加特征段
|
||||
输出：【】【怎么添加特征段】
|
||||
|
||||
输入：西藏造价软件Z1
|
||||
输出：【西藏造价软件Z1】【】
|
||||
|
||||
请根据以下用户问题进行规范表达，不要有任何解释说明：
|
||||
|
||||
软件名称：{soft_name}
|
||||
用户问题：{query}
|
||||
|
||||
结构化问题：
|
||||
""".strip()
|
||||
|
||||
Prompt = ChatPromptTemplate.from_template(PromptTemplate)
|
||||
|
||||
Chain = Prompt | deep_v3 | StrOutputParser()
|
||||
# Chain = Prompt | llm | StrOutputParser()
|
||||
|
||||
return Chain
|
||||
|
||||
|
||||
def mutil_text_rewrite():
|
||||
PromptTemplate = """
|
||||
你是一个智能问答重写助手，根据聊天记录进行结构化、规范表达的重写，符合以下范式：
|
||||
1. 【软件名】【其他】
|
||||
|
||||
# 例子
|
||||
输入：
|
||||
user: 西藏造价软件Z1
|
||||
assistant: 好的，具体软件是【西藏造价软件Z1】, 请补充具体的需求
|
||||
user: 进行费用统计
|
||||
输出：【西藏Z1软件】【进行费用统计】
|
||||
|
||||
请根据以下用户问题进行规范表达，不要有任何解释说明：
|
||||
|
||||
聊天记录：{history}
|
||||
|
||||
结构化问题：
|
||||
""".strip()
|
||||
|
||||
Prompt = ChatPromptTemplate.from_template(PromptTemplate)
|
||||
|
||||
Chain = Prompt | deep_v3 | StrOutputParser()
|
||||
# Chain = Prompt | llm | StrOutputParser()
|
||||
|
||||
return Chain
|
||||
|
||||
|
||||
def software_judge():
|
||||
# 费用计算另处理
|
||||
PromptTemplate1 = """
|
||||
你根据用户输入的线索来选择返回输出：
|
||||
|
||||
1. 西藏造价软件Z1
|
||||
2. 新型储能计价通C1
|
||||
3. 技改检修计价通T1
|
||||
4. 博微配网工程计价通D3软件
|
||||
|
||||
用户输入："{query}"
|
||||
|
||||
输出格式：str类型
|
||||
|
||||
注意：
|
||||
1. 你的回复答案一定是[西藏造价软件Z1、新型储能计价通C1、技改检修计价通T1、博微配网工程计价通D3软件]之一，不要有其他回答，不要解释说明
|
||||
"""
|
||||
|
||||
Prompt = ChatPromptTemplate.from_template(PromptTemplate1)
|
||||
|
||||
Chain = Prompt | deep_v3 | StrOutputParser()
|
||||
# Chain = Prompt | llm | StrOutputParser()
|
||||
|
||||
return Chain
|
||||
|
||||
|
||||
|
||||
+165
-163
@@ -1,163 +1,165 @@
|
||||
"""
|
||||
===================================
|
||||
@Auther：WenZ
|
||||
@Company: BooWay
|
||||
@project：booway_dm
|
||||
===================================
|
||||
"""
|
||||
from utils import judge_define_suffix, match_suffix, retrieve_relevant_software
|
||||
from dialogue_management import QuestionInfo, DialogType, DialogInfo, QuestionType, NLUInfo, ScenInfo, TalkInfo, \
|
||||
ChatRecord
|
||||
from utils import stop_word_processing
|
||||
from utils import get_keywords, get_keywords_v2, get_keywords_v3
|
||||
from vector_load import interface_search
|
||||
|
||||
import spacy
|
||||
import zh_core_web_sm, zh_core_web_md, zh_core_web_lg, zh_core_web_trf
|
||||
|
||||
# nlp_sm = zh_core_web_sm.load()
|
||||
# nlp_md = zh_core_web_md.load()
|
||||
# nlp_lg = zh_core_web_lg.load()
|
||||
nlp_trf = zh_core_web_trf.load()
|
||||
|
||||
polite_words = {"你好", "您好", "请", "请问", "谢谢", "不客气", "麻烦", "打扰", "拜托", "辛苦", "劳驾"}
|
||||
|
||||
from chains_ceshi import suffix_answers
|
||||
from chains_ceshi import Vertical_classification
|
||||
from chains_ceshi import intention_judge
|
||||
from chains_ceshi import domain_judge
|
||||
from chains_ceshi import judge_5W2H
|
||||
|
||||
from chains_rewrite import software_name_rewrite
|
||||
from chains_rewrite import query_function_rewrite
|
||||
from chains_rewrite import operation_guidance_rewrite
|
||||
from chains_rewrite import troubleshooting_rewrite
|
||||
from chains_rewrite import access_rewrite
|
||||
|
||||
from kg_management import retriever_txt_faiss1
|
||||
from kg_management import retriever_txt_faiss2
|
||||
from kg_management import retriever_txt_faiss3
|
||||
from kg_management import retriever_txt_faiss4
|
||||
from kg_management import retriever_txt_faiss5
|
||||
from kg_management import retriever_txt_faiss6
|
||||
from kg_management import retriever_txt_faiss7
|
||||
from kg_management import retriever_txt_faiss8
|
||||
from kg_management import retriever_txt_faiss9
|
||||
|
||||
from kg_management import input_index_csv_path
|
||||
from kg_management import xizang_input_csv_path
|
||||
from kg_management import cuceng_input_csv_path
|
||||
from kg_management import jigai_input_csv_path
|
||||
|
||||
from kg_management import process_domain_category
|
||||
|
||||
domain_mapping = {
|
||||
'西藏造价软件Z1': (retriever_txt_faiss1, retriever_txt_faiss2, retriever_txt_faiss3, xizang_input_csv_path),
|
||||
'新型储能计价通C1': (retriever_txt_faiss4, retriever_txt_faiss5, retriever_txt_faiss6, cuceng_input_csv_path),
|
||||
'技改检修计价通T1': (retriever_txt_faiss7, retriever_txt_faiss8, retriever_txt_faiss9, jigai_input_csv_path)
|
||||
}
|
||||
|
||||
chain_suffix_answers = suffix_answers() # 后缀名问题处理
|
||||
chain_vertical = Vertical_classification() # 垂直/开放分类
|
||||
chain_intention = intention_judge() # 意图分类
|
||||
chain_domain = domain_judge() # 领域分类
|
||||
chain_5W2H = judge_5W2H() # 5W2H分类
|
||||
|
||||
chains_name_rewrite = software_name_rewrite() # 问题改写：软件名改写
|
||||
chain_function_rewrite = query_function_rewrite() # 问题改写：软件功能查询
|
||||
chain_guidance_rewrite = operation_guidance_rewrite() # 问题改写：软件操作指导
|
||||
chain_troubleshooting_rewrite = troubleshooting_rewrite() # 问题改写：软件故障排查类
|
||||
chain_access_rewrite = access_rewrite() # 问题改写：软件下载与安装
|
||||
|
||||
from chains_rewrite import to_normal_rewrite
|
||||
from chains_rewrite import retrieval_rewrite
|
||||
|
||||
chain_normal_rewrite = to_normal_rewrite()
|
||||
chain_retrieval_rewrite = retrieval_rewrite()
|
||||
|
||||
|
||||
from utils import normalize_text
|
||||
|
||||
synonym_dict = {
|
||||
"费率": ["费费率"],
|
||||
"下载": ["获取", "安装", "下载下来", "装上"]
|
||||
}
|
||||
|
||||
from fastapi import FastAPI, Request
|
||||
from pydantic import BaseModel
|
||||
from typing import List, Union
|
||||
import uvicorn
|
||||
|
||||
app = FastAPI()
|
||||
|
||||
class QueryRequest(BaseModel):
|
||||
input_str: str
|
||||
|
||||
@app.post("/analyze")
|
||||
async def analyze_input(data: QueryRequest):
|
||||
input_str = data.input_str.strip()
|
||||
|
||||
if judge_define_suffix(input_str):
|
||||
nlu_info = NLUInfo(vertical_category="软件咨询")
|
||||
nlu_info.intent_category = "查询功能"
|
||||
nlu_info.domain_category = "后缀名查询"
|
||||
|
||||
suffix_name = match_suffix(input_str)
|
||||
nlu_info.retrieve_keywords = suffix_name
|
||||
suffix_to_software = retrieve_relevant_software(suffix_name)
|
||||
|
||||
if isinstance(suffix_to_software, int):
|
||||
return {"response": "booway助手：未查到相关知识"}
|
||||
|
||||
query_rewrite = f"{suffix_name}是什么文件？用什么软件打开？"
|
||||
nlu_info.rewrite = query_rewrite
|
||||
|
||||
if isinstance(suffix_to_software, list):
|
||||
query_kg = '\n'.join(suffix_to_software)
|
||||
else:
|
||||
query_kg = suffix_to_software
|
||||
|
||||
result = chain_suffix_answers.invoke({"query": input_str, "kg": query_kg})
|
||||
return {"response": f"booway助手：{result}",
|
||||
"nlu_info": nlu_info}
|
||||
|
||||
else:
|
||||
# todo: 多轮对话处理
|
||||
input_str_stoped = stop_word_processing(input_str, nlp_trf, polite_words) # 根据实际传参调整
|
||||
input_str_syn = normalize_text(input_str_stoped, synonym_dict)
|
||||
|
||||
vertical_category = chain_domain.invoke(input_str_syn)
|
||||
|
||||
if vertical_category == "未知":
|
||||
return {"response": "booway助手：闲聊服务只提供给内测用户"}
|
||||
|
||||
nlu_info = NLUInfo(vertical_category="软件咨询")
|
||||
nlu_info.domain_category = vertical_category
|
||||
|
||||
input_str_name_rewrite = chains_name_rewrite.invoke({
|
||||
"query": input_str,
|
||||
"software_name": nlu_info.domain_category
|
||||
})
|
||||
input_str_rewrite = chain_normal_rewrite.invoke(input_str_name_rewrite)
|
||||
|
||||
temp_retriever = get_keywords_v2(input_str_rewrite)
|
||||
nlu_info.question_type = chain_5W2H.invoke(input_str_rewrite)
|
||||
nlu_info.intent_category = chain_intention.invoke(input_str)
|
||||
|
||||
retrievers, input_csv_path = domain_mapping[nlu_info.domain_category][:3], domain_mapping[nlu_info.domain_category][3]
|
||||
index_keywords = interface_search(temp_retriever, *retrievers)
|
||||
|
||||
nlu_info.rewrite = chain_retrieval_rewrite.invoke({
|
||||
"query": input_str_rewrite,
|
||||
"question_type": nlu_info.question_type,
|
||||
"intention_type": nlu_info.intent_category,
|
||||
"keywords": index_keywords
|
||||
})
|
||||
|
||||
nlu_info.retrieve_keywords = get_keywords_v3(nlu_info.rewrite)
|
||||
|
||||
return nlu_info
|
||||
|
||||
# 可选：本地调试入口
|
||||
if __name__ == "__main__":
|
||||
uvicorn.run(app, host="0.0.0.0", port=3333)
|
||||
"""
|
||||
===================================
|
||||
@Auther：WenZ
|
||||
@Company: BooWay
|
||||
@project：booway_dm
|
||||
===================================
|
||||
"""
|
||||
from utils import judge_define_suffix, match_suffix, retrieve_relevant_software
|
||||
from dialogue_management import QuestionInfo, DialogType, DialogInfo, QuestionType, NLUInfo, ScenInfo, TalkInfo, \
|
||||
ChatRecord
|
||||
from utils import stop_word_processing
|
||||
from utils import get_keywords, get_keywords_v2, get_keywords_v3
|
||||
from vector_load import interface_search
|
||||
|
||||
import spacy
|
||||
import zh_core_web_sm, zh_core_web_md, zh_core_web_lg, zh_core_web_trf
|
||||
|
||||
# nlp_sm = zh_core_web_sm.load()
|
||||
# nlp_md = zh_core_web_md.load()
|
||||
# nlp_lg = zh_core_web_lg.load()
|
||||
nlp_trf = zh_core_web_trf.load()
|
||||
|
||||
polite_words = {"你好", "您好", "请", "请问", "谢谢", "不客气", "麻烦", "打扰", "拜托", "辛苦", "劳驾"}
|
||||
|
||||
from chains_ceshi import suffix_answers
|
||||
from chains_ceshi import Vertical_classification
|
||||
from chains_ceshi import intention_judge
|
||||
from chains_ceshi import domain_judge
|
||||
from chains_ceshi import judge_5W2H
|
||||
|
||||
from chains_rewrite import software_name_rewrite
|
||||
from chains_rewrite import query_function_rewrite
|
||||
from chains_rewrite import operation_guidance_rewrite
|
||||
from chains_rewrite import troubleshooting_rewrite
|
||||
from chains_rewrite import access_rewrite
|
||||
|
||||
from kg_management import retriever_txt_faiss1
|
||||
from kg_management import retriever_txt_faiss2
|
||||
from kg_management import retriever_txt_faiss3
|
||||
from kg_management import retriever_txt_faiss4
|
||||
from kg_management import retriever_txt_faiss5
|
||||
from kg_management import retriever_txt_faiss6
|
||||
from kg_management import retriever_txt_faiss7
|
||||
from kg_management import retriever_txt_faiss8
|
||||
from kg_management import retriever_txt_faiss9
|
||||
|
||||
from kg_management import input_index_csv_path
|
||||
from kg_management import xizang_input_csv_path
|
||||
from kg_management import cuceng_input_csv_path
|
||||
from kg_management import jigai_input_csv_path
|
||||
|
||||
from kg_management import process_domain_category
|
||||
|
||||
domain_mapping = {
|
||||
'西藏造价软件Z1': (retriever_txt_faiss1, retriever_txt_faiss2, retriever_txt_faiss3, xizang_input_csv_path),
|
||||
'新型储能计价通C1': (retriever_txt_faiss4, retriever_txt_faiss5, retriever_txt_faiss6, cuceng_input_csv_path),
|
||||
'技改检修计价通T1': (retriever_txt_faiss7, retriever_txt_faiss8, retriever_txt_faiss9, jigai_input_csv_path)
|
||||
}
|
||||
|
||||
chain_suffix_answers = suffix_answers() # 后缀名问题处理
|
||||
chain_vertical = Vertical_classification() # 垂直/开放分类
|
||||
chain_intention = intention_judge() # 意图分类
|
||||
chain_domain = domain_judge() # 领域分类
|
||||
chain_5W2H = judge_5W2H() # 5W2H分类
|
||||
|
||||
chains_name_rewrite = software_name_rewrite() # 问题改写：软件名改写
|
||||
chain_function_rewrite = query_function_rewrite() # 问题改写：软件功能查询
|
||||
chain_guidance_rewrite = operation_guidance_rewrite() # 问题改写：软件操作指导
|
||||
chain_troubleshooting_rewrite = troubleshooting_rewrite() # 问题改写：软件故障排查类
|
||||
chain_access_rewrite = access_rewrite() # 问题改写：软件下载与安装
|
||||
|
||||
from chains_rewrite import to_normal_rewrite
|
||||
from chains_rewrite import retrieval_rewrite
|
||||
|
||||
chain_normal_rewrite = to_normal_rewrite()
|
||||
chain_retrieval_rewrite = retrieval_rewrite()
|
||||
|
||||
|
||||
from utils import normalize_text
|
||||
|
||||
synonym_dict = {
|
||||
"费率": ["费费率"],
|
||||
"下载": ["获取", "安装", "下载下来", "装上"]
|
||||
}
|
||||
|
||||
from fastapi import FastAPI, Request
|
||||
from pydantic import BaseModel
|
||||
from typing import List, Union
|
||||
import uvicorn
|
||||
|
||||
app = FastAPI()
|
||||
|
||||
class QueryRequest(BaseModel):
|
||||
input_str: str
|
||||
|
||||
@app.post("/analyze")
|
||||
async def analyze_input(data: QueryRequest):
|
||||
input_str = data.input_str.strip()
|
||||
|
||||
if judge_define_suffix(input_str):
|
||||
nlu_info = NLUInfo(vertical_category="软件咨询")
|
||||
nlu_info.intent_category = "查询功能"
|
||||
nlu_info.domain_category = "后缀名查询"
|
||||
|
||||
suffix_name = match_suffix(input_str)
|
||||
nlu_info.retrieve_keywords = suffix_name
|
||||
suffix_to_software = retrieve_relevant_software(suffix_name)
|
||||
|
||||
if isinstance(suffix_to_software, int):
|
||||
return {"response": "booway助手：未查到相关知识"}
|
||||
|
||||
query_rewrite = f"{suffix_name}是什么文件？用什么软件打开？"
|
||||
nlu_info.rewrite = query_rewrite
|
||||
|
||||
if isinstance(suffix_to_software, list):
|
||||
query_kg = '\n'.join(suffix_to_software)
|
||||
else:
|
||||
query_kg = suffix_to_software
|
||||
|
||||
result = chain_suffix_answers.invoke({"query": input_str, "kg": query_kg})
|
||||
# return {"response": f"booway助手：{result}"}
|
||||
return {"response": f"booway助手：{result}",
|
||||
"nlu_info": nlu_info}
|
||||
|
||||
else:
|
||||
# todo: 多轮对话处理
|
||||
input_str_stoped = stop_word_processing(input_str, nlp_trf, polite_words) # 根据实际传参调整
|
||||
input_str_syn = normalize_text(input_str_stoped, synonym_dict)
|
||||
|
||||
vertical_category = chain_domain.invoke(input_str_syn)
|
||||
|
||||
if vertical_category == "未知":
|
||||
return {"response": "booway助手：闲聊服务只提供给内测用户"}
|
||||
|
||||
nlu_info = NLUInfo(vertical_category="软件咨询")
|
||||
nlu_info.domain_category = vertical_category
|
||||
|
||||
input_str_name_rewrite = chains_name_rewrite.invoke({
|
||||
"query": input_str,
|
||||
"software_name": nlu_info.domain_category
|
||||
})
|
||||
input_str_rewrite = chain_normal_rewrite.invoke(input_str_name_rewrite)
|
||||
|
||||
temp_retriever = get_keywords_v2(input_str_rewrite)
|
||||
nlu_info.question_type = chain_5W2H.invoke(input_str_rewrite)
|
||||
nlu_info.intent_category = chain_intention.invoke(input_str)
|
||||
|
||||
retrievers, input_csv_path = domain_mapping[nlu_info.domain_category][:3], domain_mapping[nlu_info.domain_category][3]
|
||||
index_keywords = interface_search(temp_retriever, *retrievers)
|
||||
|
||||
nlu_info.rewrite = chain_retrieval_rewrite.invoke({
|
||||
"query": input_str_rewrite,
|
||||
"question_type": nlu_info.question_type,
|
||||
"intention_type": nlu_info.intent_category,
|
||||
"keywords": index_keywords
|
||||
})
|
||||
|
||||
nlu_info.retrieve_keywords = get_keywords_v3(nlu_info.rewrite)
|
||||
|
||||
return {"response": "success",
|
||||
"nlu_info": nlu_info}
|
||||
|
||||
# 可选：本地调试入口
|
||||
if __name__ == "__main__":
|
||||
uvicorn.run(app, host="0.0.0.0", port=3333)
|
||||
|
||||
Reference in New Issue
Block a user