add doc/ai-chat.md

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
+<!-- web/src/views/ai-config.vue -->
+<template>
+  <div class="ai-config">
+    <CCard>
+      <CCardHeader>
+        <h4>AI聊天配置</h4>
+      </CCardHeader>
+      <CCardBody>
+        <CForm>
+          <CFormGroup label="AI模型提供商">
+            <CSelect v-model="config.model_provider">
+              <option value="kimi">Kimi K2</option>
+              <option value="zhipu">智谱AI</option>
+              <option value="baidu">百度文心一言</option>
+            </CSelect>
+          </CFormGroup>
+          
+          <CFormGroup label="API密钥">
+            <CInput v-model="config.api_key" type="password" />
+          </CFormGroup>
+          
+          <CFormGroup label="模型名称">
+            <CInput v-model="config.model_name" />
+          </CFormGroup>
+          
+          <CFormGroup label="温度">
+            <CInput v-model="config.temperature" type="number" step="0.1" min="0" max="2" />
+          </CFormGroup>
+          
+          <CFormGroup label="最大Token数">
+            <CInput v-model="config.max_tokens" type="number" />
+          </CFormGroup>
+          
+          <CButton color="primary" @click="saveConfig">保存配置</CButton>
+        </CForm>
+      </CCardBody>
+    </CCard>
+    
+    <CCard class="mt-4">
+      <CCardHeader>
+        <h4>品牌知识库</h4>
+        <CButton color="success" @click="showAddKnowledge">添加知识</CButton>
+      </CCardHeader>
+      <CCardBody>
+        <CTable :items="knowledgeList" :fields="knowledgeFields">
+          <template #actions="{ item }">
+            <CButton color="danger" size="sm" @click="deleteKnowledge(item.id)">删除</CButton>
+          </template>
+        </CTable>
+      </CCardBody>
+    </CCard>
+  </div>
+</template>
+```
+
+### 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 <Text>{content}</Text>;
+        case 'image':
+            return <Image src={content} mode="widthFix" />;
+        case 'video':
+            return <Video src={content} />;
+        case 'link':
+            return <Link href={content.url} text={content.text} />;
+        case 'rich_text':
+            return <RichText content={content} />;
+        default:
+            return <Text>{content}</Text>;
+    }
+}
+```
+
+### 5.3 会话管理
+
+#### 5.3.1 会话状态
+- 会话创建和销毁
+- 消息历史记录
+- 上下文保持
+- 会话超时处理
+
+#### 5.3.2 用户身份识别
+- 微信OpenID绑定
+- 匿名会话支持
+- 用户偏好记录
+
+### 5.4 智能调度系统（简化版）
+
+#### 5.4.1 能力处理器架构
+- 基础能力处理器注册机制
+- 简单的能力降级策略
+- 固定路由规则
+
+#### 5.4.2 调度策略
+- 基于关键词的能力选择
+- 基础异常处理和回退
+- 简单性能监控
+- 后续版本支持高级功能
+
+## 6. 部署和运维
+
+### 6.1 环境配置
+```bash
+# 环境变量配置
+AI_MODEL_PROVIDER=kimi
+AI_API_KEY=your_api_key
+AI_MODEL_NAME=kimi-k2
+AI_MAX_TOKENS=2000
+AI_TEMPERATURE=0.7
+
+# LangChain配置
+LANGCHAIN_TRACING_V2=true
+LANGCHAIN_ENDPOINT=https://api.smith.langchain.com
+LANGCHAIN_API_KEY=your_langchain_key
+
+# 向量数据库配置
+VECTOR_DB_TYPE=chroma
+VECTOR_DB_PATH=./vector_store
+```
+
+### 6.2 监控和日志
+- AI API调用监控
+- 响应时间统计
+- 错误率监控
+- 用户满意度反馈
+
+### 6.3 性能优化
+- 响应缓存
+- 异步处理
+- 负载均衡
+- 数据库优化
+
+## 7. 安全考虑
+
+### 7.1 数据安全
+- API密钥加密存储
+- 用户隐私保护
+- 内容审核机制
+- 访问权限控制
+
+### 7.2 系统安全
+- 防SQL注入
+- 防XSS攻击
+- 请求频率限制
+- 异常监控告警
+
+## 8. 测试策略
+
+### 8.1 功能测试
+- AI对话准确性测试
+- 多模态内容展示测试
+- 品牌定制功能测试
+- 异常情况处理测试
+
+### 8.2 性能测试
+- 并发用户测试
+- 响应时间测试
+- 内存使用测试
+- 数据库性能测试
+
+### 8.3 集成测试
+- 与现有系统集成测试
+- 第三方API集成测试
+- 端到端流程测试
+
+## 9. 项目计划
+
+### 9.1 开发阶段
+1. **第一阶段 (1周)**: 核心架构和基础功能
+   - 数据模型扩展（最小化）
+   - Kimi K2 API基础集成
+   - 基础AI聊天功能
+2. **第二阶段 (1周)**: AI能力扩展
+   - LangChain RAG基础集成
+   - 平台知识库（简化版）
+   - 智能路由基础功能
+3. **第三阶段 (1周)**: 前端界面和内容管理
+   - 小程序AI聊天界面（核心功能）
+   - Web管理端（基础配置）
+   - 内容管理基础功能
+4. **第四阶段 (1周)**: 集成测试和部署
+   - 功能测试和bug修复
+   - 性能优化
+   - 生产环境部署
+
+### 9.2 里程碑
+- Week 1: 完成核心架构和基础AI聊天功能
+- Week 2: 完成RAG系统和智能路由基础功能
+- Week 3: 完成前端界面和内容管理
+- Week 4: 完成测试、优化和上线
+
+## 10. 风险评估
+
+### 10.1 技术风险
+- AI API稳定性风险
+- 多模态内容处理复杂度
+- 性能瓶颈风险
+- 开发时间压缩导致的代码质量风险
+- 功能简化可能影响用户体验
+- 测试时间不足的风险
+
+### 10.2 业务风险
+- 用户接受度风险
+- 内容管理复杂度
+- 成本控制风险
+
+### 10.3 缓解措施
+- 多AI服务商备选方案
+- 渐进式功能发布
+- 用户反馈快速迭代
+- 功能优先级排序，核心功能优先
+- 代码复用和模板化开发
+- 自动化测试和部署
+
+## 11. 总结
+
+本技术方案基于现有徵象系统架构，通过AI服务集成、数据模型扩展、前后端界面开发，实现品牌专属AI客服功能。方案考虑了技术可行性、系统集成、用户体验和运维管理等各个方面，为项目的成功实施提供了全面的技术指导。
+
+### 11.1 技术亮点
+- **智能能力调度**: 基于优先级的多能力协调系统，支持RAG、平台服务、一般问答
+- **RAG框架集成**: 基于LangChain的智能文档处理和向量检索
+- **分层内容策略**: 4000字平台介绍的基础分块和内容选择
+- **检索策略**: 向量相似度检索，关键词匹配作为备选
+- **MVP策略**: 核心功能先行，后续版本迭代优化
+
+### 11.2 开发周期
+- **总周期**: 4周（压缩版）
+- **核心功能**: AI聊天、RAG知识检索、智能路由、基础内容管理
+- **技术栈**: Django + Kimi K2 + LangChain（简化版）+ 基础向量存储
+- **开发策略**: MVP优先，核心功能先行，后续迭代优化
+
+通过分阶段开发和迭代优化，可以确保系统稳定性和用户满意度，同时为后续功能扩展奠定良好基础。