diff --git a/doc/ai-chat.md b/doc/ai-chat.md new file mode 100644 index 0000000..bf627c5 --- /dev/null +++ b/doc/ai-chat.md @@ -0,0 +1,699 @@ +# AI聊天功能技术实现计划 + +## 1. 项目概述 + +基于现有徵象防伪验证系统，扩展AI客服聊天功能，继承Kimi K2大模型能力，为每个品牌租户提供个性化的AI客服服务。 + +## 2. 需求分析 + +### 2.1 核心功能需求 +- 接入Kimi K2或其他AI大模型API +- 品牌专属AI客服，独立回答本品牌产品相关问题 +- 多模态回答：文字、图片、视频链接、微信小程序码等 +- 联网搜索，以品牌官方信息为主 +- 支持客户上传额外内容供AI学习 +- 验证失败时提供对话式结果展示 +- 支持品牌色调定制 + +### 2.2 技术约束 +- 保留原有传统查询页面 +- 通过序列码批次管理选择使用页面类型 +- 与现有防伪验证流程集成 + +## 3. 系统架构设计 + +### 3.1 整体架构 +``` +┌─────────────────┐ ┌─────────────────┐ ┌─────────────────┐ +│ 小程序前端 │ │ Web管理端 │ │ AI服务层 │ +│ (AI聊天界面) │◄──►│ (内容管理) │◄──►│ (Kimi K2 API) │ +└─────────────────┘ └─────────────────┘ └─────────────────┘ + │ │ │ + ▼ ▼ ▼ +┌─────────────────┐ ┌─────────────────┐ ┌─────────────────┐ +│ 验证服务 │ │ 内容存储 │ │ 知识库管理 │ +│ (二维码识别) │ │ (OSS/数据库) │ │ (品牌知识) │ +└─────────────────┘ └─────────────────┘ └─────────────────┘ +``` + +### 3.2 数据流设计 +1. 用户扫描二维码 → 验证服务 +2. 验证结果 → AI聊天界面 +3. 用户提问 → AI服务层处理 +4. AI回答 → 返回多模态内容 +5. 用户反馈 → 知识库更新 + +## 4. 技术实现方案 + +### 4.1 AI模型集成 + +#### 4.1.1 模型选择 +- **主要模型**: Kimi K2 API +- **备选模型**: 智谱AI (ChatGLM)、百度文心一言 +- **理由**: Kimi K2在中文理解、多模态处理和联网搜索方面表现优秀，API稳定可靠，特别适合品牌客服场景 + +#### 4.1.2 API集成架构 +```python +# api/products/ai_service.py +class AIService: + def __init__(self, tenant_id, model_config): + self.tenant_id = tenant_id + self.model_config = model_config + self.client = self._init_client() + + def chat(self, message, context, tenant_context): + # 构建prompt + prompt = self._build_prompt(message, context, tenant_context) + # 调用Kimi K2 API + response = self._call_kimi_api(prompt) + # 后处理 + return self._post_process(response) + + def _call_kimi_api(self, prompt): + # 调用Kimi K2 API，支持联网搜索和多模态处理 + pass + + def _build_prompt(self, message, context, tenant_context): + # 包含品牌信息、产品知识、用户上下文 + pass +``` + +#### 4.1.3 智能能力调度系统（简化版） +- **能力分类**: RAG知识检索、平台服务、一般问答 +- **优先级策略**: 平台服务 > RAG知识 > 一般问答 +- **智能路由**: 基于规则的快速路由策略 +- **降级机制**: 简单的能力降级和回退 +- **后续扩展**: 工具执行、网络搜索等高级功能 + +#### 4.1.4 RAG框架集成（简化版） +- **框架选择**: LangChain基础功能 +- **文档处理**: 基础分块、简单向量化、相似度检索 +- **上下文优化**: 基础分层策略（摘要、完整） +- **检索策略**: 向量相似度检索，关键词匹配作为备选 + +### 4.2 数据模型扩展 + +#### 4.2.1 新增数据表 +```python +# api/products/models.py + +class AIConfig(models.Model): + """AI配置表""" + tenant = models.ForeignKey(Tenant, on_delete=models.CASCADE) + model_provider = models.CharField(max_length=50, default='kimi') + api_key = models.CharField(max_length=255) + model_name = models.CharField(max_length=100, default='kimi-k2') + +class BrandKnowledge(models.Model): + """品牌知识库""" + tenant = models.ForeignKey(Tenant, on_delete=models.CASCADE) + title = models.CharField(max_length=200) + content = models.TextField() + content_type = models.CharField(max_length=20) # text, image, video, link + file_url = models.URLField(null=True, blank=True) + priority = models.IntegerField(default=0) + created_at = models.DateTimeField(auto_now_add=True) + +class PlatformKnowledge(models.Model): + """平台知识库""" + title = models.CharField(max_length=200) + content = models.TextField() + content_type = models.CharField(max_length=20, choices=[ + ('platform_intro', '平台介绍'), + ('service_guide', '服务指南'), + ('faq', '常见问题') + ]) + ai_summary = models.TextField(null=True, blank=True, verbose_name="AI摘要版本") + ai_segments = models.JSONField(default=dict, verbose_name="AI分段内容") + ai_keywords = models.JSONField(default=list, verbose_name="AI关键词") + is_platform_content = models.BooleanField(default=True) + ai_priority = models.IntegerField(default=0) + created_at = models.DateTimeField(auto_now_add=True) + +class ChatSession(models.Model): + """聊天会话""" + session_id = models.CharField(max_length=100, unique=True) + tenant = models.ForeignKey(Tenant, on_delete=models.CASCADE) + user_openid = models.CharField(max_length=100, null=True) + created_at = models.DateTimeField(auto_now_add=True) + last_active = models.DateTimeField(auto_now=True) + +class ChatMessage(models.Model): + """聊天消息""" + session = models.ForeignKey(ChatSession, on_delete=models.CASCADE) + role = models.CharField(max_length=20) # user, assistant, system + content = models.TextField() + content_type = models.CharField(max_length=20, default='text') + metadata = models.JSONField(default=dict) + created_at = models.DateTimeField(auto_now_add=True) +``` + +#### 4.2.2 现有模型扩展 +```python +# 扩展CodeBatch模型 +class CodeBatch(models.Model): + # ... 现有字段 ... + enable_ai_chat = models.BooleanField(default=False, verbose_name="启用AI聊天") + ai_chat_config = models.JSONField(null=True, blank=True, verbose_name="AI聊天配置") + +# 扩展Tenant模型 +class Tenant(models.Model): + # ... 现有字段 ... + ai_brand_name = models.CharField(max_length=100, null=True, blank=True, verbose_name="AI品牌名称") + ai_welcome_message = models.TextField(null=True, blank=True, verbose_name="AI欢迎语") + ai_theme_colors = models.JSONField(null=True, blank=True, verbose_name="AI主题色彩") +``` + +### 4.3 后端API设计 + +#### 4.3.1 AI聊天API +```python +# api/products/views.py + +class AIChatView(BaseView): + name = 'ai-chat' + auth_check = 'tenant' + + def post(self, request): + """发送消息给AI""" + session_id = request.data.get('session_id') + message = request.data.get('message') + context = request.data.get('context', {}) + + # 获取或创建会话 + session = self._get_or_create_session(session_id, request.tenant) + + # 调用AI服务 + ai_service = AIService(request.tenant.id) + response = ai_service.chat(message, context, self._get_tenant_context(request.tenant)) + + # 保存消息记录 + self._save_message(session, 'user', message) + self._save_message(session, 'assistant', response) + + return JsonResponse({ + 'session_id': session.session_id, + 'response': response + }) + + def get(self, request): + """获取聊天历史""" + session_id = request.GET.get('session_id') + if not session_id: + return http400("session_id required") + + session = ChatSession.objects.filter( + session_id=session_id, + tenant=request.tenant + ).first() + + if not session: + return http404("Session not found") + + messages = ChatMessage.objects.filter(session=session).order_by('created_at') + return JsonResponse({ + 'messages': [self._serialize_message(m) for m in messages] + }) + +class BrandKnowledgeView(BaseView): + name = 'brand-knowledge' + auth_check = 'tenant' + + def post(self, request): + """上传品牌知识""" + title = request.data.get('title') + content = request.data.get('content') + content_type = request.data.get('content_type', 'text') + file_url = request.data.get('file_url') + + knowledge = BrandKnowledge.objects.create( + tenant=request.tenant, + title=title, + content=content, + content_type=content_type, + file_url=file_url + ) + + return JsonResponse({'id': knowledge.id}) +``` + +#### 4.3.2 配置管理API +```python +class AIConfigView(BaseView): + name = 'ai-config' + auth_check = 'tenant' + + def get(self, request): + """获取AI配置""" + config = AIConfig.objects.filter(tenant=request.tenant).first() + if not config: + config = AIConfig.objects.create(tenant=request.tenant) + + return JsonResponse({ + 'model_provider': config.model_provider, + 'model_name': config.model_name, + 'temperature': config.temperature, + 'max_tokens': config.max_tokens, + 'is_active': config.is_active + }) + + def patch(self, request): + """更新AI配置""" + config = AIConfig.objects.filter(tenant=request.tenant).first() + if not config: + config = AIConfig.objects.create(tenant=request.tenant) + + for field in ['model_provider', 'model_name', 'temperature', 'max_tokens', 'is_active']: + if field in request.data: + setattr(config, field, request.data[field]) + + config.save() + return JsonResponse({'status': 'success'}) +``` + +### 4.4 前端界面设计 + +#### 4.4.1 小程序AI聊天界面 +```javascript +// scanner/pages/chat/chat.js +Page({ + data: { + messages: [], + inputValue: '', + sessionId: null, + tenant: null, + loading: false + }, + + onLoad(options) { + this.initChat(options); + }, + + async initChat(options) { + // 获取租户信息 + const tenant = await this.getTenantInfo(options.tenant); + this.setData({ tenant }); + + // 创建或获取会话 + const sessionId = await this.createChatSession(tenant.id); + this.setData({ sessionId }); + + // 显示欢迎消息 + this.showWelcomeMessage(tenant); + + // 如果有验证结果，显示相关产品信息 + if (options.serial_code) { + await this.showProductInfo(options.serial_code); + } + }, + + async sendMessage() { + if (!this.data.inputValue.trim()) return; + + const message = this.data.inputValue; + this.addMessage('user', message); + this.setData({ inputValue: '', loading: true }); + + try { + const response = await this.callAIChat(message); + this.addMessage('assistant', response); + } catch (error) { + this.addMessage('system', '抱歉，AI服务暂时不可用，请稍后再试。'); + } finally { + this.setData({ loading: false }); + } + }, + + async callAIChat(message) { + const response = await wx.request({ + url: `${this.data.tenant.server_url}/api/v1/ai-chat/`, + method: 'POST', + data: { + session_id: this.data.sessionId, + message: message, + context: this.getContext() + }, + header: { + 'Authorization': `token ${this.data.tenant.token}` + } + }); + + return response.data.response; + } +}); +``` + +#### 4.4.2 Web管理端界面 +```vue + + +``` + +### 4.5 内容管理系统 + +#### 4.5.1 知识库管理 +- 支持文本、图片、视频、链接等多种内容类型 +- 内容优先级设置 +- 内容分类标签 +- 版本控制 + +#### 4.5.2 品牌定制 +- 品牌色调配置 +- 欢迎语定制 +- 头像和图标上传 +- 回答风格调整 + +#### 4.5.3 平台知识库管理（简化版） +- 平台介绍内容（4000字）的基础分块 +- 分层内容策略：摘要、完整两个层次 +- 基于关键词的简单内容选择 +- 基础内容压缩，避免信息过载 + +#### 4.5.4 智能内容处理（简化版） +- 基于LangChain的文档基础预处理 +- 简单分块策略：按段落和句子分割 +- 基础内容压缩：摘要和完整内容 +- 固定上下文长度，简化Token管理 + +## 5. 技术实现细节 + +### 5.1 AI Prompt工程 + +#### 5.1.1 系统Prompt模板 +``` +你是一个专业的品牌客服助手，专门为{品牌名称}提供产品咨询和服务。 + +品牌信息： +{品牌背景介绍} + +产品知识： +{产品相关信息} + +服务原则： +1. 只回答与{品牌名称}相关的问题 +2. 不评价竞品，不与竞品对比 +3. 优先使用官方信息回答 +4. 对于不确定的信息，明确告知用户 +5. 保持专业、友好的服务态度 + +用户上下文： +{用户验证的产品信息、历史对话等} + +请根据以上信息，为用户提供准确、有用的回答。 +``` + +#### 5.1.2 平台客服Prompt模板 +``` +你是一个专业的徵象防伪验证平台客服助手。 + +平台介绍： +徵象是由广州市诚投科技有限公司开发的AI驱动的智能防伪平台，通过多模态特征识别构建新一代防伪验证体系，实现从物理防伪到数字认证的全链路保护。系统采用ISO 12931国际防伪标准，已获取国家发明专利(证书编号:CN 115222000 B)。 + +服务范围： +1. 商品防伪验证 +2. 证件安全验证 +3. 工业品防伪 +4. 品牌数字化服务 + +服务原则： +1. 专业、友好、准确回答用户问题 +2. 优先使用官方信息回答 +3. 对于不确定的信息，明确告知用户 +4. 引导用户使用相关功能和服务 + +请根据用户问题提供准确、有用的回答。 +``` + +#### 5.1.2 动态Prompt构建 +```python +def build_dynamic_prompt(self, message, context, tenant_context): + # 获取品牌知识 + knowledge = self._get_relevant_knowledge(message, tenant_context) + + # 获取产品信息 + product_info = self._get_product_info(context.get('serial_code')) + + # 构建完整prompt + prompt = self._get_system_prompt(tenant_context) + prompt += f"\n\n相关产品信息：{product_info}" + prompt += f"\n\n品牌知识：{knowledge}" + prompt += f"\n\n用户问题：{message}" + + return prompt +``` + +#### 5.1.3 智能能力路由（简化版） +```python +def route_capability(self, query, context): + # 基于规则的快速路由 + capability = self._rule_based_routing(query) + + # 根据能力类型构建相应的Prompt + if capability == "rag_knowledge": + return self._build_rag_prompt(query, context) + elif capability == "platform_service": + return self._build_platform_prompt(query, context) + else: + return self._build_general_prompt(query, context) +``` + +### 5.2 多模态内容处理 + +#### 5.2.1 内容类型支持 +- **文本**: 直接返回 +- **图片**: 上传到OSS，返回URL +- **视频**: 支持微信视频号链接 +- **链接**: 小程序码、商城链接等 +- **富文本**: Markdown格式支持 + +#### 5.2.2 内容渲染 +```javascript +// 内容渲染组件 +function renderContent(content, type) { + switch (type) { + case 'text': + return {content}; + case 'image': + return ; + case 'video': + return