Initial commit

2026-05-12 09:41:56 +08:00
commit 572283e101
936 changed files with 133949 additions and 0 deletions
@@ -0,0 +1,175 @@
+"""
+生成集成模块
+"""
+
+import logging
+import os
+import time
+from typing import List
+
+from openai import OpenAI
+from langchain_core.documents import Document
+
+logger = logging.getLogger(__name__)
+
+class GenerationIntegrationModule:
+    """生成集成模块 - 负责答案生成"""
+
+    def __init__(self, model_name: str = "kimi-k2-0711-preview", temperature: float = 0.1, max_tokens: int = 2048):
+        """
+        初始化生成集成模块
+        """
+        self.model_name = model_name
+        self.temperature = temperature
+        self.max_tokens = max_tokens
+        
+        # 初始化OpenAI客户端（使用Moonshot API）
+        api_key = os.getenv("MOONSHOT_API_KEY")
+        if not api_key:
+            raise ValueError("请设置 MOONSHOT_API_KEY 环境变量")
+        
+        self.client = OpenAI(
+            api_key=api_key,
+            base_url="https://api.moonshot.cn/v1"
+        )
+
+        logger.info(f"生成模块初始化完成，模型: {model_name}")
+
+    def generate_adaptive_answer(self, question: str, documents: List[Document]) -> str:
+        """
+        智能统一答案生成
+        自动适应不同类型的查询，无需预先分类
+        """
+        # 构建上下文
+        context_parts = []
+        
+        for doc in documents:
+            content = doc.page_content.strip()
+            if content:
+                # 添加检索层级信息（如果有的话）
+                level = doc.metadata.get('retrieval_level', '')
+                if level:
+                    context_parts.append(f"[{level.upper()}] {content}")
+                else:
+                    context_parts.append(content)
+        
+        context = "\n\n".join(context_parts)
+        
+        # LightRAG风格的统一提示词
+        prompt = f"""
+        作为一位专业的烹饪助手，请基于以下信息回答用户的问题。
+
+        检索到的相关信息：
+        {context}
+
+        用户问题：{question}
+
+        请提供准确、实用的回答。根据问题的性质：
+        - 如果是询问多个菜品，请提供清晰的列表
+        - 如果是询问具体制作方法，请提供详细步骤
+        - 如果是一般性咨询，请提供综合性回答
+
+        回答：
+        """
+        
+        try:
+            response = self.client.chat.completions.create(
+                model=self.model_name,
+                messages=[
+                    {"role": "user", "content": prompt}
+                ],
+                temperature=self.temperature,
+                max_tokens=self.max_tokens
+            )
+            
+            return response.choices[0].message.content.strip()
+            
+        except Exception as e:
+            logger.error(f"LightRAG答案生成失败: {e}")
+            return f"抱歉，生成回答时出现错误：{str(e)}"
+    
+    def generate_adaptive_answer_stream(self, question: str, documents: List[Document], max_retries: int = 3):
+        """
+        LightRAG风格的流式答案生成（带重试机制）
+        """
+        # 构建上下文
+        context_parts = []
+        
+        for doc in documents:
+            content = doc.page_content.strip()
+            if content:
+                level = doc.metadata.get('retrieval_level', '')
+                if level:
+                    context_parts.append(f"[{level.upper()}] {content}")
+                else:
+                    context_parts.append(content)
+        
+        context = "\n\n".join(context_parts)
+        
+        # LightRAG风格的统一提示词
+        prompt = f"""
+        作为一位专业的烹饪助手，请基于以下信息回答用户的问题。
+
+        检索到的相关信息：
+        {context}
+
+        用户问题：{question}
+
+        请提供准确、实用的回答。根据问题的性质：
+        - 如果是询问多个菜品，请提供清晰的列表
+        - 如果是询问具体制作方法，请提供详细步骤
+        - 如果是一般性咨询，请提供综合性回答
+
+        回答：
+        """
+        
+        for attempt in range(max_retries):
+            try:
+                response = self.client.chat.completions.create(
+                    model=self.model_name,
+                    messages=[
+                        {"role": "user", "content": prompt}
+                    ],
+                    temperature=self.temperature,
+                    max_tokens=self.max_tokens,
+                    stream=True,
+                    timeout=60  # 增加超时设置
+                )
+                
+                if attempt == 0:
+                    print("开始流式生成回答...\n")
+                else:
+                    print(f"第{attempt + 1}次尝试流式生成...\n")
+                
+                full_response = ""
+                for chunk in response:
+                    if chunk.choices[0].delta.content:
+                        content = chunk.choices[0].delta.content
+                        full_response += content
+                        yield content  # 使用yield返回流式内容
+                
+                # 如果成功完成，退出重试循环
+                return
+                
+            except Exception as e:
+                logger.warning(f"流式生成第{attempt + 1}次尝试失败: {e}")
+                
+                if attempt < max_retries - 1:
+                    wait_time = (attempt + 1) * 2  # 递增等待时间
+                    print(f"⚠️ 连接中断，{wait_time}秒后重试...")
+                    time.sleep(wait_time)
+                    continue
+                else:
+                    # 所有重试都失败，使用非流式作为后备
+                    logger.error(f"流式生成完全失败，尝试非流式后备方案")
+                    print("⚠️ 流式生成失败，切换到标准模式...")
+                    
+                    try:
+                        fallback_response = self.generate_adaptive_answer(question, documents)
+                        yield fallback_response
+                        return
+                    except Exception as fallback_error:
+                        logger.error(f"后备生成也失败: {fallback_error}")
+                        error_msg = f"抱歉，生成回答时出现网络错误，请稍后重试。错误信息：{str(e)}"
+                        yield error_msg
+                        return