x/themblem
1
0
Fork 0
Code Issues Pull Requests Actions Packages Projects Releases Wiki Activity

update doc/ai-chat.md

Browse Source
This commit is contained in:
Fam Zheng 2025-08-22 23:10:03 +01:00
parent b3fcf3d4e0
commit f21da37f51
1 changed files with 85 additions and 59 deletions
Show Stats Download Patch File Download Diff File Expand all files Collapse all files

144
doc/ai-chat.md
View File

@ -48,44 +48,43 @@
### 4.1 AI模型集成 ### 4.1 AI模型集成
#### 4.1.1 模型选择 #### 4.1.1 模型选择
- **主要模型**: Kimi K2 API - **主要模型**: Kimi K2 API ✅ **已实现**
- **备选模型**: 智谱AI (ChatGLM)、百度文心一言 - **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 - **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 #### 4.1.2 API集成架构 ✅ **已实现**
```python ```python
# api/products/ai_service.py # api/products/aichat.py
class AIService: class AIChatService:
def __init__(self, tenant_id, model_config): def __init__(self, api_key: str = None, base_url: str = None):
self.tenant_id = tenant_id self.api_key = api_key or getattr(settings, 'KIMI_API_KEY', None)
self.model_config = model_config self.base_url = base_url or getattr(settings, 'KIMI_API_URL', None)
self.client = self._init_client() self.client = OpenAI(api_key=self.api_key, base_url=self.base_url)
def chat(self, message, context, tenant_context): def chat(self, user_message: str) -> str:
# 构建prompt # 调用Moonshot API，支持工具调用
prompt = self._build_prompt(message, context, tenant_context) response = self.client.chat.completions.create(
# 调用Kimi K2 API model=self.model,
response = self._call_kimi_api(prompt) messages=self.conversation_history,
# 后处理 tools=self.tools,
return self._post_process(response) tool_choice="auto"
)
def _call_kimi_api(self, prompt): return self._process_response(response)
# 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） #### 4.1.3 工具调用系统 ✅ **已实现**
- **工具定义**: `start_qr_scan` 二维码扫描工具
- **工具执行**: 模拟5秒扫描过程，返回验证结果
- **工具集成**: 完整的工具调用流程，支持多轮对话
#### 4.1.4 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 - **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 - **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 - **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 - **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 - **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） #### 4.1.5 RAG框架集成（简化版）
- **框架选择**: LangChain基础功能 - **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 - **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） - **上下文优化**: 基础分层策略（摘要、完整）
@ -430,27 +429,30 @@ Page({
### 5.1 AI Prompt工程 ### 5.1 AI Prompt工程
#### 5.1.1 系统Prompt模板 #### 5.1.1 系统Prompt模板 ✅ **已实现**
``` ```
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。 你是一个专业的徵象防伪验证平台AI客服助手。
品牌信息： 平台介绍：
{品牌背景介绍} 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)。
产品知识： 服务范围：
{产品相关信息} 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： 服务原则：
1. 只回答与{品牌名称}相关的问题 1. 专业、友好、准确回答用户问题
2. 不评价竞品，不与竞品对比 2. 优先使用官方信息回答
3. 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. 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
5. 保持专业、友好的服务态度 5. 当用户需要验证产品真伪时，主动提供二维码扫描功能
用户上下文： 可用工具：
{用户验证的产品信息、历史对话等} - start_qr_scan: 启动二维码扫描功能，用于产品防伪验证
请根据以上信息，为用户提供准确、有用的回答。 请根据用户问题提供准确、有用的回答。如果用户需要验证产品，请使用二维码扫描工具。
``` ```
#### 5.1.2 平台客服Prompt模板 #### 5.1.2 平台客服Prompt模板
@ -566,23 +568,15 @@ function renderContent(content, type) {
## 6. 部署和运维 ## 6. 部署和运维
### 6.1 环境配置 ### 6.1 环境配置 ✅ **已实现**
```bash ```bash
# 环境变量配置 # Django设置配置 (emblemapi/settings.py)
AI_MODEL_PROVIDER=kimi KIMI_API_KEY = "sk-IKA7ZnDrv44mfaorjF5UZjSsml66yaBNdcrASJsV90hCSdgn"
AI_API_KEY=your_api_key KIMI_API_URL = "https://api.moonshot.cn/v1"
AI_MODEL_NAME=kimi-k2
AI_MAX_TOKENS=2000
AI_TEMPERATURE=0.7
# LangChain配置 # 环境变量支持
LANGCHAIN_TRACING_V2=true KIMI_API_KEY = os.environ.get("KIMI_API_KEY", "default_key")
LANGCHAIN_ENDPOINT=https://api.smith.langchain.com KIMI_API_URL = os.environ.get("KIMI_API_URL", "https://api.moonshot.cn/v1")
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 ### 6.2 监控和日志
@ -633,10 +627,12 @@ VECTOR_DB_PATH=./vector_store
## 9. 项目计划 ## 9. 项目计划
### 9.1 开发阶段 ### 9.1 开发阶段
1. **第一阶段 (1周)**: 核心架构和基础功能 1. **第一阶段 (1周)**: 核心架构和基础功能 ✅ **已完成**
- 数据模型扩展（最小化） - 数据模型扩展（最小化）
- Kimi K2 API基础集成 - Kimi K2 API基础集成 ✅
- 基础AI聊天功能 - 基础AI聊天功能 ✅
- 工具调用系统 ✅
- Django管理命令 ✅
2. **第二阶段 (1周)**: AI能力扩展 2. **第二阶段 (1周)**: AI能力扩展
- LangChain RAG基础集成 - LangChain RAG基础集成
- 平台知识库（简化版） - 平台知识库（简化版）
@ -651,7 +647,7 @@ VECTOR_DB_PATH=./vector_store
- 生产环境部署 - 生产环境部署
### 9.2 里程碑 ### 9.2 里程碑
- Week 1: 完成核心架构和基础AI聊天功能 - Week 1: 完成核心架构和基础AI聊天功能 ✅ **已完成**
- Week 2: 完成RAG系统和智能路由基础功能 - 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 3: 完成前端界面和内容管理
- Week 4: 完成测试、优化和上线 - Week 4: 完成测试、优化和上线
@ -696,4 +692,34 @@ VECTOR_DB_PATH=./vector_store
- **技术栈**: Django + Kimi K2 + LangChain（简化版）+ 基础向量存储 - **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 - **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。 ### 11.3 当前实现状态 ✅ **已完成功能**
#### **核心AI聊天系统**
- ✅ AIChatService 类实现
- ✅ Kimi K2 API 集成
- ✅ 工具调用系统（start_qr_scan）
- ✅ 对话历史管理
- ✅ 系统提示词配置
#### **Django管理命令**
- ✅ `python manage.py chat` 命令
- ✅ 完整的readline支持
- ✅ 历史记录持久化
- ✅ 快捷键和补全功能
#### **文件结构**
```
api/products/
├── aichat.py # 核心AI聊天库 ✅
├── management/
│ └── commands/
│ └── chat.py # Django管理命令 ✅
└── README_AI_CHAT.md # 使用文档 ✅
```
#### **配置管理**
- ✅ Django settings.py 集成
- ✅ 环境变量支持
- ✅ 默认配置值
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。第一阶段的核心功能已经完成，为后续开发提供了坚实的基础。