上传文件至 /

4.3更新

chains_ceshi.py

@@ -35,6 +35,13 @@ deep_v3 = ChatOpenAI(
 )
 
 
+# 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
@@ -54,6 +61,7 @@ def suffix_answers():
     Prompt = ChatPromptTemplate.from_template(PromptTemplate1)
 
     Chain = Prompt | qwen_llm | StrOutputParser()
+    # Chain = Prompt | llm | StrOutputParser()
 
     return Chain
 
@@ -65,28 +73,57 @@ def suffix_answers():
 # 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 = """
-    根据用户输入进行垂直领域分类
+    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：
     
-    目前的垂直分类：【'闲聊', '软件咨询'】
+    【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：
-    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）
+    【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
+    【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
+    【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 
 
@@ -108,6 +145,7 @@ def small_talk():
 
     Prompt = ChatPromptTemplate.from_template(PromptTemplate1)
 
+    # Chain = Prompt | llm | StrOutputParser()
     Chain = Prompt | qwen_llm | StrOutputParser()
 
     return Chain
@@ -144,6 +182,7 @@ def intention_judge():
     Prompt = ChatPromptTemplate.from_template(PromptTemplate1)
 
     Chain = Prompt | qwen_llm | StrOutputParser()
+    # Chain = Prompt | llm | StrOutputParser()
 
     return Chain
 
@@ -172,6 +211,7 @@ def domain_judge():
     Prompt = ChatPromptTemplate.from_template(PromptTemplate1)
 
     Chain = Prompt | deep_v3 | StrOutputParser()
+    # Chain = Prompt | llm | StrOutputParser()
 
     return Chain
 
@@ -196,6 +236,36 @@ def domain_judge_v2():
     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
 
@@ -218,6 +288,7 @@ def judge_5W2H():
     Prompt = ChatPromptTemplate.from_template(PromptTemplate1)
 
     Chain = Prompt | qwen_llm | StrOutputParser()
+    # Chain = Prompt | llm | StrOutputParser()
 
     return Chain
 
@@ -254,6 +325,7 @@ def extract_keywords():
     Prompt = ChatPromptTemplate.from_template(PromptTemplate1)
 
     Chain = Prompt | qwen_llm | StrOutputParser()
+    # Chain = Prompt | llm | StrOutputParser()
 
     return Chain
 
@@ -320,5 +392,22 @@ def answer_questions():
     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

chains_rewrite.py

@@ -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
+
 

fast_api_main.py

@@ -118,6 +118,7 @@ async def analyze_input(data: QueryRequest):
             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}
 
@@ -156,7 +157,8 @@ async def analyze_input(data: QueryRequest):
 
         nlu_info.retrieve_keywords = get_keywords_v3(nlu_info.rewrite)
 
-        return nlu_info
+        return {"response": "success",
+                "nlu_info": nlu_info}
 
 # 可选：本地调试入口
 if __name__ == "__main__":