Compare commits
17
Commits
master
..
71cb593d63
| Author | SHA1 | Date | |
|---|---|---|---|
  Cursor Agentandhaijd
|
71cb593d63 | ||
|
Cursor Agentandhaijd
|
625a6a3a9d | ||
|
Cursor Agentandhaijd
|
cd67211043 | ||
|
Cursor Agentandhaijd
|
85ee9020c6 | ||
|
Cursor Agentandhaijd
|
bb8b3742ac | ||
|
Cursor Agentandhaijd
|
3111142984 | ||
|
Cursor Agentandhaijd
|
b7bd830da7 | ||
|
Cursor Agentandhaijd
|
9c6afcb61a | ||
|
Cursor Agentandhaijd
|
93b0867eb3 | ||
|
Cursor Agentandhaijd
|
84846bcc8a | ||
|
Cursor Agentandhaijd
|
4bc154b7b2 | ||
|
Cursor Agentandhaijd
|
32c0d4c183 | ||
|
Cursor Agentandhaijd
|
9bff170277 | ||
|
Cursor Agentandhaijd
|
4bbbe7ba81 | ||
|
Cursor Agentandhaijd
|
6c6385edcf | ||
|
Cursor Agentandhaijd
|
657c3c9b83 | ||
|
haijd
|
205334c9cf |
@@ -0,0 +1,7 @@
|
|||||||
|
__pycache__/
|
||||||
|
.venv/
|
||||||
|
venv/
|
||||||
|
.env
|
||||||
|
data/
|
||||||
|
*.pyc
|
||||||
|
.DS_Store
|
||||||
@@ -1,2 +1,44 @@
|
|||||||
# xianjing-ai
|
# 鲜境物联 · AI 智能客服
|
||||||
|
|
||||||
|
用 **Ragflow** 做知识库检索，用本仓库的方案引擎做「追问 → 判定 → 出方案 → 留资」。
|
||||||
|
|
||||||
|
线上咨询台：[鲜境智能客服](http://127.0.0.1:3847/)
|
||||||
|
Ragflow 控制台：[Ragflow](http://127.0.0.1:18080/)
|
||||||
|
|
||||||
|
示例产品资料在 `knowledge/corpus/`，型号是占位，等甲方资料替换。判定规则在 `knowledge/decision_tree.yaml`，由业务方定对错。
|
||||||
|
|
||||||
|
## 本机已经怎么跑
|
||||||
|
|
||||||
|
1. Ragflow v0.27.1 用 Docker 起在 `/opt/ragflow/docker`（内存已调低，适配约 16GB 以下的机器）。
|
||||||
|
2. `scripts/bootstrap_ragflow.py` 注册管理员、建 `products` / `solutions` / `faqs`，灌入语料并写 `.env`。
|
||||||
|
3. 方案引擎读 `.env` 里的 API Key 与数据集 ID，检索走 `POST /api/v1/retrieval`。
|
||||||
|
|
||||||
|
## 自己重来一遍
|
||||||
|
|
||||||
|
```bash
|
||||||
|
# 1. 起 Ragflow（首次会拉镜像）
|
||||||
|
cd /opt/ragflow/docker
|
||||||
|
sudo docker compose -f docker-compose.yml up -d
|
||||||
|
|
||||||
|
# 2. 若容器互相连不上（日志里 MySQL timeout），补网桥转发后重启 ragflow
|
||||||
|
bash scripts/fix_docker_forward.sh
|
||||||
|
cd /opt/ragflow/docker && sudo docker restart docker-ragflow-cpu-1
|
||||||
|
cd /workspace
|
||||||
|
source .venv/bin/activate
|
||||||
|
pip install -r engine/requirements.txt
|
||||||
|
python scripts/bootstrap_ragflow.py
|
||||||
|
|
||||||
|
# 3. 咨询台
|
||||||
|
uvicorn engine.app.main:app --host 0.0.0.0 --port 3847
|
||||||
|
```
|
||||||
|
|
||||||
|
没有 Docker 时可以把 `.env` 里的 `RETRIEVAL_BACKEND` 改成 `mock`，只用本地示例片段演示对话，不代表知识库已接通。
|
||||||
|
|
||||||
|
## 目录
|
||||||
|
|
||||||
|
| 路径 | 作用 |
|
||||||
|
|------|------|
|
||||||
|
| `engine/` | 咨询 API 与页面 |
|
||||||
|
| `knowledge/` | 槽位、判定树、灌库语料 |
|
||||||
|
| `scripts/bootstrap_ragflow.py` | 对接 Ragflow 建库 |
|
||||||
|
| `docs/` | 选型与实施说明 |
|
||||||
|
|||||||
@@ -0,0 +1,241 @@
|
|||||||
|
# 鲜境 AI 客服 · Ragflow 搭建方案
|
||||||
|
|
||||||
|
> 前提：底座选 **Ragflow（自托管，Apache-2.0）**；「意图 → 追问 → 方案生成 → 转人工」用**自研薄方案引擎**补齐，不把业务逻辑只画在厂商画布里。
|
||||||
|
|
||||||
|
---
|
||||||
|
|
||||||
|
## 1. 总体架构
|
||||||
|
|
||||||
|
```
|
||||||
|
┌─────────────────────────────────────────────────────────────┐
|
||||||
|
│ 渠道层 │
|
||||||
|
│ 网站插件 / FB（首期只做一个） │ 销售端：录音上传或实时转写入口 │
|
||||||
|
└───────────────┬─────────────────────────────┬───────────────┘
|
||||||
|
│ │
|
||||||
|
▼ ▼
|
||||||
|
┌──────────────────────────┐ ┌─────────────────────────────┐
|
||||||
|
│ 方案引擎 API（自研） │ │ ASR 服务（场景二） │
|
||||||
|
│ · 会话状态 / 追问槽位 │◄───│ 云 ASR 或私有 Whisper │
|
||||||
|
│ · 意图分类 │ └─────────────────────────────┘
|
||||||
|
│ · 方案判定树 + 产品组合 │
|
||||||
|
│ · 置信度 / 敏感词 → 转人工 │
|
||||||
|
│ · 方案文本模板 │
|
||||||
|
└──────────┬───────────────┘
|
||||||
|
│ 检索 API（query → chunks + citation）
|
||||||
|
▼
|
||||||
|
┌──────────────────────────┐ ┌─────────────────────────────┐
|
||||||
|
│ Ragflow（自托管） │ │ 人工席 │
|
||||||
|
│ · Dataset 知识库 │ │ Chatwoot / 企微 / 飞书 │
|
||||||
|
│ · 解析·切块·Embedding │ │ 低置信度工单 + 对话记录推送 │
|
||||||
|
│ · 召回·重排·引用 │ └─────────────────────────────┘
|
||||||
|
│ ·（可选）内置 Chat 仅调试用 │
|
||||||
|
└──────────────────────────┘
|
||||||
|
│
|
||||||
|
▼
|
||||||
|
┌──────────────────────────┐
|
||||||
|
│ 模型层 │
|
||||||
|
│ LLM：智谱等（可切私有化） │
|
||||||
|
│ Embedding：与库同环境 │
|
||||||
|
└──────────────────────────┘
|
||||||
|
```
|
||||||
|
|
||||||
|
**职责切分（务必守住）：**
|
||||||
|
|
||||||
|
| 组件 | 负责 | 不负责 |
|
||||||
|
|------|------|--------|
|
||||||
|
| Ragflow | 资料入库、检索、引用片段 | 业务判定树、渠道 UI、人工工单主流程 |
|
||||||
|
| 方案引擎 | 多轮状态、追问、匹配产品组合、出方案、转人工策略 | 重做一套向量库 |
|
||||||
|
| 渠道/ASR/人工席 | 触达与交接 | 知识解析 |
|
||||||
|
|
||||||
|
---
|
||||||
|
|
||||||
|
## 2. 环境与部署
|
||||||
|
|
||||||
|
### 2.1 建议拓扑（首期）
|
||||||
|
|
||||||
|
- 单机或一小集群：`Docker Compose` 部署 Ragflow（含其依赖的 ES/Infinity、MySQL、MinIO、Redis 等，以官方 compose 为准）。
|
||||||
|
- 方案引擎：独立服务（建议 **Python FastAPI** 或 **Node/Hono**），与 Ragflow 同 VPC。
|
||||||
|
- 对象存储：产品原文 PDF/Word 放 MinIO 或客户 OSS；Ragflow 只存解析结果与向量。
|
||||||
|
- 配置：模型 Key、Ragflow API Key 进环境变量，不进仓库。
|
||||||
|
|
||||||
|
### 2.2 模型
|
||||||
|
|
||||||
|
| 用途 | 建议 | 说明 |
|
||||||
|
|------|------|------|
|
||||||
|
| 对话 / 方案生成 | 智谱 GLM 等国产 API | 合同要求数据可控；可按成本换模型 |
|
||||||
|
| Embedding | Ragflow 推荐且已验证的中英模型 | **一经选定勿随意换**（换则全量重建） |
|
||||||
|
| ASR | 先云端；涉密再私有化 Whisper | 场景二 |
|
||||||
|
|
||||||
|
### 2.3 许可与交付物
|
||||||
|
|
||||||
|
- 开源清单写明：Ragflow = Apache-2.0；方案引擎为定制代码（归甲方）；列出传递依赖。
|
||||||
|
- 保留 Ragflow 版权声明即可，无 Dify 类「去 Logo / 多租户」附加条款问题。
|
||||||
|
|
||||||
|
---
|
||||||
|
|
||||||
|
## 3. 知识库怎么建（Ragflow 内）
|
||||||
|
|
||||||
|
### 3.1 Dataset 划分（建议）
|
||||||
|
|
||||||
|
不要做成一个「大杂烩库」：
|
||||||
|
|
||||||
|
| Dataset | 内容 | 用途 |
|
||||||
|
|---------|------|------|
|
||||||
|
| `products` | 型号、参数、适用工况、禁忌 | 产品组合匹配时的硬事实 |
|
||||||
|
| `solutions` | 历史方案、两大类技术选型说明 | 方案话术与结构 |
|
||||||
|
| `faqs` | 高频询盘 Q&A | 降重复劳动 |
|
||||||
|
| `policies` | 敏感词、不可承诺条款（可选） | 护栏 |
|
||||||
|
|
||||||
|
### 3.2 入库规范（W1 和甲方定）
|
||||||
|
|
||||||
|
- 每份文档元数据：`产品线`、`技术大类(A/B)`、`型号`、`语言`、`版本日期`。
|
||||||
|
- 优先：**结构化表（型号×参数）+ 方案范文**；纯长 PDF 靠解析，但关键参数尽量表结构化。
|
||||||
|
- 切块：参数表用「按行/按型号」策略；方案用「按章节」；入库后做 **Recall 测试**（人工出 30 个真实问法看片段对不对）。
|
||||||
|
|
||||||
|
### 3.3 检索调用方式
|
||||||
|
|
||||||
|
方案引擎只调 Ragflow **检索 API**（或官方 SDK），拿到：
|
||||||
|
|
||||||
|
- `content` / `score` / `document` / 引用定位
|
||||||
|
- 再交给 LLM **仅基于引用**生成；无命中则追问或转人工，禁止空编参数。
|
||||||
|
|
||||||
|
---
|
||||||
|
|
||||||
|
## 4. 方案引擎怎么搭（自研核心）
|
||||||
|
|
||||||
|
### 4.1 会话状态机（最小闭环）
|
||||||
|
|
||||||
|
```
|
||||||
|
新会话
|
||||||
|
→ 意图识别（咨询/比价/售后/无关…）
|
||||||
|
→ 若「方案咨询」：进入技术大类判定
|
||||||
|
→ 追问槽位未满：生成下一个问题
|
||||||
|
→ 槽位已满：检索 + 判定树 → 产品组合
|
||||||
|
→ 渲染方案模板 → 返回用户
|
||||||
|
→ 低置信 / 敏感 / 用户要人工 → 转人工 + 留资
|
||||||
|
```
|
||||||
|
|
||||||
|
### 4.2 追问槽位（示例，W1 由业务专家定稿）
|
||||||
|
|
||||||
|
按鲜境「两大类技术」分别设必问项，例如：
|
||||||
|
|
||||||
|
- 应用场景 / 工况环境
|
||||||
|
- 处理对象或指标范围
|
||||||
|
- 产能或规模
|
||||||
|
- 现场约束（空间、已有设备、预算区间）
|
||||||
|
- 交付区域/语言（若接海外询盘）
|
||||||
|
|
||||||
|
槽位存会话表（Postgres/SQLite 首期均可），不要只靠模型「记忆」。
|
||||||
|
|
||||||
|
### 4.3 判定树 + 产品组合
|
||||||
|
|
||||||
|
- 专家规则优先：`IF 大类=A AND 工况=X AND 指标∈[…] THEN 推荐型号组合`
|
||||||
|
- RAG 补充：方案说明、话术、注意事项从 `solutions`/`products` 检索填空
|
||||||
|
- 输出结构固定：`推荐组合` + `理由（带引用）` + `需人工确认项` + `下一步留资`
|
||||||
|
|
||||||
|
### 4.4 接口草图
|
||||||
|
|
||||||
|
```
|
||||||
|
POST /chat # 渠道统一入口：session_id + message
|
||||||
|
POST /sessions/:id/handoff
|
||||||
|
POST /ingest/notify # 可选：资料更新后重建/增量索引钩子
|
||||||
|
GET /admin/evals # 评测任务与结果
|
||||||
|
```
|
||||||
|
|
||||||
|
渠道插件、FB Webhook、销售录音页都只打 `/chat`。
|
||||||
|
|
||||||
|
---
|
||||||
|
|
||||||
|
## 5. 两场景落地
|
||||||
|
|
||||||
|
### 场景一：线上 24h 咨询（合同：只做一个高频渠道）
|
||||||
|
|
||||||
|
1. 选定网站 **或** FB。
|
||||||
|
2. 嵌入聊天窗 / Webhook → 方案引擎。
|
||||||
|
3. UI 展示：回复 +（可选）引用折叠；「转人工」「留电话」。
|
||||||
|
4. 转人工：创建 Chatwoot 会话或推企微，附带槽位摘要与最近检索命中。
|
||||||
|
|
||||||
|
### 场景二：销售辅助
|
||||||
|
|
||||||
|
1. 上传录音或对接会议转写 → ASR 文本。
|
||||||
|
2. 文本进入同一状态机（可跳过寒暄意图，直接抽槽位）。
|
||||||
|
3. 输出「可发给客户的方案草稿」+ 内部注意点；由销售确认后发送。
|
||||||
|
|
||||||
|
---
|
||||||
|
|
||||||
|
## 6. 人工接管与后台
|
||||||
|
|
||||||
|
| 能力 | 做法 |
|
||||||
|
|------|------|
|
||||||
|
| 转人工 | 引擎规则触发 → Chatwoot/企微；超时未接则留资入库 |
|
||||||
|
| 对话追溯 | 引擎写 `messages` 表；可同步一份到人工席 |
|
||||||
|
| 知识维护 | 业务在 Ragflow 控制台更新 Dataset；重大变更跑 Recall 抽样 |
|
||||||
|
| 效果看板 | 首期：导出日志 + 简单页（任务完成率、转人工率、Eval 分数）；勿一上来做大屏 |
|
||||||
|
|
||||||
|
---
|
||||||
|
|
||||||
|
## 7. AI Eval（对着附件三）
|
||||||
|
|
||||||
|
| 指标 | 做法 |
|
||||||
|
|------|------|
|
||||||
|
| 意图识别 ≥85% | 200 条标注；引擎意图模块离线测 |
|
||||||
|
| 方案匹配 ≥80% | 专家盲测「引擎方案 vs 专家方案」 |
|
||||||
|
| 任务完成 ≥70% | 日志：未转人工且用户达方案/留资 |
|
||||||
|
| 幻觉 ≤5% | 抽检：断言中参数是否出现在引用 chunk |
|
||||||
|
| 敏感泄露 =0% | 正则+词表扫描回复 |
|
||||||
|
|
||||||
|
评测集与判定树一样：**外置文件**，不锁在 Ragflow 里。
|
||||||
|
|
||||||
|
---
|
||||||
|
|
||||||
|
## 8. 推荐实施顺序（可不绑死 7 周）
|
||||||
|
|
||||||
|
| 步 | 做什么 | 完成标准 |
|
||||||
|
|----|--------|----------|
|
||||||
|
| 1 | Compose 拉起 Ragflow；接通 LLM/Embedding | 控制台可聊「基于空库」 |
|
||||||
|
| 2 | 灌入一小撮真实产品+方案；Recall 测试 | 业务说「找得对」 |
|
||||||
|
| 3 | 定稿判定树与槽位；引擎跑通 API | Postman 多轮能出方案结构 |
|
||||||
|
| 4 | 护栏：无检索不编参数；转人工；留资 | 故意问库外问题会转人工 |
|
||||||
|
| 5 | 接一个渠道 + 基础聊天 UI | 真实访客可走通 |
|
||||||
|
| 6 | 场景二 ASR 联调 | 一段销售录音能出草稿 |
|
||||||
|
| 7 | Eval 全量 + UAT | 附件三阈值或书面差距说明 |
|
||||||
|
| 8 | 生产部署、备份、监控、开源清单 | 可交接 |
|
||||||
|
|
||||||
|
---
|
||||||
|
|
||||||
|
## 9. 仓库/工程建议（乙方交付形态）
|
||||||
|
|
||||||
|
```
|
||||||
|
/infra # docker-compose、备份脚本
|
||||||
|
/engine # 方案引擎（状态机、判定、调 Ragflow）
|
||||||
|
/web-widget # 网站聊天插件（若渠道是网站）
|
||||||
|
/eval # 评测集、脚本
|
||||||
|
/knowledge # 元数据说明、判定树 YAML、产品表（原文大文件可外链）
|
||||||
|
/docs # 部署说明、开源清单、运维手册
|
||||||
|
```
|
||||||
|
|
||||||
|
定制成果在 `engine` / `knowledge` / `eval`；Ragflow 用官方镜像，**尽量不 Fork 魔改核心**（升级痛苦）。二开以「配置 + 外围服务」为主。
|
||||||
|
|
||||||
|
---
|
||||||
|
|
||||||
|
## 10. 风险与戒条
|
||||||
|
|
||||||
|
1. 不要用 Ragflow 默认 Chat 直接当生产客服终态——缺槽位与判定，难稳过方案匹配。
|
||||||
|
2. 不要把判定树只写在 Prompt 里——要结构化规则 + 检索填空。
|
||||||
|
3. 换 Embedding / 大改切块 = 重建索引 + 重做 Recall。
|
||||||
|
4. 首期渠道只做一个；双渠道等订阅期再加。
|
||||||
|
5. 双栈再挂 Dify：仅当自研编排人力不够时临时用，默认不必。
|
||||||
|
|
||||||
|
---
|
||||||
|
|
||||||
|
## 11. 和合同交付的对应
|
||||||
|
|
||||||
|
| 合同/验收项 | 落在哪 |
|
||||||
|
|-------------|--------|
|
||||||
|
| 知识库可检索、可维护 | Ragflow Dataset + 权限 |
|
||||||
|
| 智能问答多轮 | 方案引擎状态机 |
|
||||||
|
| 方案自动生成 | 判定树 + 检索 + 模板 |
|
||||||
|
| 人工接管 | 引擎策略 + Chatwoot/企微 |
|
||||||
|
| 对话记录/看板 | 引擎库表 + 轻量看板 |
|
||||||
|
| AI Eval 阈值 | `/eval` + 专家盲测 |
|
||||||
|
| 开源清单 | Ragflow Apache-2.0 + 依赖列表 |
|
||||||
@@ -0,0 +1,18 @@
|
|||||||
|
# 需求未定稿时：先搭通用原型的步骤
|
||||||
|
|
||||||
|
## 要不要先搭原型？
|
||||||
|
|
||||||
|
**要。** 做成「配置驱动的通用骨架」，不要等需求 100% 精确再动手。
|
||||||
|
|
||||||
|
- 先验证：追问 → 判定 → 检索引用 → 出方案草稿
|
||||||
|
- 业务变了：主要改 `knowledge/*.yaml`
|
||||||
|
- 后台/渠道：闭环跑通后再补
|
||||||
|
|
||||||
|
## 具体步骤
|
||||||
|
|
||||||
|
1. **拉起本原型**（不必先装 Ragflow）
|
||||||
|
2. **和业务改槽位/判定树 YAML**（边聊边改，`POST /api/admin/reload-config`）
|
||||||
|
3. **灌真实小样本到 Ragflow**，切 `RETRIEVAL_BACKEND=ragflow`
|
||||||
|
4. **再补**转人工、单渠道、Eval、薄后台
|
||||||
|
|
||||||
|
不要颠倒：先做大后台或双渠道。
|
||||||
+325
@@ -0,0 +1,325 @@
|
|||||||
|
# 鲜境物联 · AI 智能客服｜技术路线建议书
|
||||||
|
|
||||||
|
> 依据材料：框架合作建议书、AI 客服建议书与报价、验收标准（附件三）、委托开发合同、开发计划与进度表（附件二）。
|
||||||
|
> 结论先看：**推荐「开源自托管二开 + 核心业务定制」；不推荐纯自研，不推荐纯公有云 SaaS。二开底座首选 Dify。**
|
||||||
|
|
||||||
|
---
|
||||||
|
|
||||||
|
## 1. 项目边界（合同已锁死的硬约束）
|
||||||
|
|
||||||
|
| 维度 | 合同 / 计划约定 | 对技术选型的含义 |
|
||||||
|
|------|------------------|-------------------|
|
||||||
|
| 周期 | **7 周**（约 2 个月），自首付款 + 必要资料齐备起算 | 必须复用成熟对话/RAG 底座，禁止从零造轮子 |
|
||||||
|
| 费用 | 一次性实施 **¥50,000**；年度订阅 **¥30,000/年** | 人力预算紧，二开性价比远高于纯自研 |
|
||||||
|
| 场景一 | 选 **一个高频渠道** 做 24h 智能咨询（意图→追问→方案→人工接管） | 首期渠道做深一个，勿同时铺网站+FB+邮件 |
|
||||||
|
| 场景二 | 录音/对话 → 语义识别 → 知识库 → 自动生成方案 | 可与场景一共用同一知识库与方案引擎 |
|
||||||
|
| IP | 定制功能 + 知识库归甲方；乙方保留通用框架复用权；开源须清单披露 | **自托管开源二开完全合规**，且利于乙方后续复用 |
|
||||||
|
| 数据 | 建议书明确：数据自主可控、避开对第三方平台（如阿里）依赖 | 排除强绑定公有云客服 SaaS 作为主路径 |
|
||||||
|
| 验收 | 功能闭环 + AI Eval（意图≥85%、方案≥80%、完成≥70%、幻觉≤5%、泄露 0%） | 必须单独做评测与人工接管，不能只做「能聊天」 |
|
||||||
|
|
||||||
|
进度锚点（附件二）：
|
||||||
|
|
||||||
|
| 阶段 | 周次 | 必须产出 |
|
||||||
|
|------|------|----------|
|
||||||
|
| P1 需求诊断 | W1 | 需求清单、资料清单、方案判定逻辑初稿 |
|
||||||
|
| P2 概念验证 | W2 | 可运行 Concept Demo |
|
||||||
|
| P3 真实验验 | W3 | 真实场景验证报告 |
|
||||||
|
| P4 MVP | W4–W6 | 可上线 MVP（含约定渠道对接） |
|
||||||
|
| P5 试运行 | W7+ | 效果看板、首轮优化 |
|
||||||
|
|
||||||
|
在 **5 万 / 7 周** 约束下，任何「自研完整客服中台」都会在 W2–W3 断档。
|
||||||
|
|
||||||
|
---
|
||||||
|
|
||||||
|
## 2. 三条路线怎么选
|
||||||
|
|
||||||
|
### 2.1 纯自研（LangChain/自写服务 + 自研后台）
|
||||||
|
|
||||||
|
| 优点 | 风险 |
|
||||||
|
|------|------|
|
||||||
|
| 完全可控、后续扩展空间大 | 知识库后台、对话编排、评测、权限、多轮状态机都要自写 |
|
||||||
|
| 契合乙方「保留通用框架」长期意图 | 7 周内难同时达到验收阈值；5 万预算撑不起完整团队 |
|
||||||
|
|
||||||
|
**结论：不作为首期主路径。** 可作为二期沉淀「方案判定引擎 / Eval」时逐步抽离自研模块。
|
||||||
|
|
||||||
|
### 2.2 纯 SaaS（扣子 Coze、阿里云智能客服、腾讯企点等）
|
||||||
|
|
||||||
|
| 优点 | 风险 |
|
||||||
|
|------|------|
|
||||||
|
| 上线快、少运维 | 与「数据自主可控、避开第三方平台依赖」直接冲突 |
|
||||||
|
| | 知识库/对话数据常落在厂商侧；出海/模型切换受限 |
|
||||||
|
| | 合同要求开源清单与定制归属，SaaS 难谈清底层复用 |
|
||||||
|
|
||||||
|
**结论：不推荐作主交付。** Demo 可用公有能力试效果，生产必须迁出自托管。
|
||||||
|
|
||||||
|
### 2.3 开源自托管二开 + 业务定制（推荐）
|
||||||
|
|
||||||
|
| 优点 | 风险 |
|
||||||
|
|------|------|
|
||||||
|
| W2 即可出 Concept Demo | 底座升级需跟社区版本 |
|
||||||
|
| 知识库/对话/工作流开箱可用 | 「卖方案」逻辑仍要定制，不能只靠默认 FAQ RAG |
|
||||||
|
| 符合数据本地化与 IP 条款 | 需选好 License（Apache/MIT 优先）并出开源清单 |
|
||||||
|
| 年度订阅可覆盖模型+运维+迭代 | 多渠道若一次做满会爆工期——合同已限制「选一个高频渠道」 |
|
||||||
|
|
||||||
|
**结论：唯一与合同周期、金额、数据主权、验收指标同时匹配的路线。**
|
||||||
|
|
||||||
|
---
|
||||||
|
|
||||||
|
## 3. 二开底座对比与推荐
|
||||||
|
|
||||||
|
面向本项目关键能力：RAG 知识库、多轮工作流（追问）、工具调用（方案匹配）、自托管、国产/海外模型可切换、可接人工接管。
|
||||||
|
|
||||||
|
| 底座 | 知识库/RAG | 工作流/Agent | 业务后台完备度 | 中文生态 | 与本项目匹配 | 建议 |
|
||||||
|
|------|------------|--------------|-----------------|----------|--------------|------|
|
||||||
|
| **Dify** | 强 | **强**（可视化工作流贴合意图→追问→方案） | **高**（知识库/日志/应用开箱） | 强 | ★★★★★ | **首选** |
|
||||||
|
| Flowise | 中（偏编排侧） | **强**（LangChain 节点灵活） | **低**（缺完整客服运营后台） | 中 | ★★★ | 可做引擎，不适合单独交付 |
|
||||||
|
| Ragflow | **检索质量突出** | 工作流弱于 Dify | 中（偏知识工程） | 强 | ★★★★ | 检索难达标时与 Dify 组合 |
|
||||||
|
| FastGPT | 强（偏问答） | 中 | 高 | 强 | ★★★★ | 备选，复杂判定易顶天花板 |
|
||||||
|
| MaxKB | 够用 | 偏基础 | 中高 | 强 | ★★★ | 简单 FAQ 够用，本项目偏弱 |
|
||||||
|
| Botpress | 中 | 对话机器人强 | 中高 | 中 | ★★★ | 渠道多时考虑 |
|
||||||
|
| 扣子/阿里云等 SaaS | 强 | 强 | 高（非自托管） | 强 | ★★ | 违背数据自主原则 |
|
||||||
|
|
||||||
|
### Dify vs Ragflow（鲜境场景专项对比）
|
||||||
|
|
||||||
|
两者都能自托管、都能接国产模型；差别是**谁强在「对话编排/交付」**，谁强在「把资料检准」。
|
||||||
|
|
||||||
|
| 维度 | Dify | Ragflow |
|
||||||
|
|------|------|---------|
|
||||||
|
| 产品重心 | LLM 应用平台：Chatflow / Workflow / 发布 API | RAG 引擎：解析、切块、召回、引用；Agent 在增强 |
|
||||||
|
| 知识库质量 | 够用；复杂 PDF/表格/扫描件易成瓶颈 | **明显更强**（版面解析、多路召回、重排、引用） |
|
||||||
|
| 「意图→追问→出方案」 | **更顺**：可视化分支、槽位追问、工具调用成熟 | 有 Agent/Workflow，但成熟度与交付模板仍弱于 Dify |
|
||||||
|
| 业务后台 | 应用、日志、发布、团队协作更完整 | 偏知识工程与助手配置 |
|
||||||
|
| License | Apache-2.0 **+ 附加条款**（多租户/去 Logo） | **纯 Apache-2.0** |
|
||||||
|
| 中文落地案例 | 多，FDE 好讲 | 多（尤其文档型知识库） |
|
||||||
|
| 部署体感 | Docker 较轻、功能面全 | 解析链路更重，资源占用通常更高 |
|
||||||
|
| 幻觉治理（贴验收≤5%） | 靠提示词 + 普通 RAG，要多调 | **从检索侧更易压幻觉** |
|
||||||
|
| 7 周 / 5 万 | **更快出可验收客服形态** | 检索达标快，复杂对话流要多投人天 |
|
||||||
|
|
||||||
|
**怎么选（只选一个时）：**
|
||||||
|
|
||||||
|
| 情况 | 选谁 |
|
||||||
|
|------|------|
|
||||||
|
| 资料以参数表、方案 Word/PDF、图纸说明为主，怕检不准、怕幻觉 | 更倾向 **Ragflow** |
|
||||||
|
| 核心难在多轮追问、方案判定分支、尽快像「客服产品」上线 | 更倾向 **Dify** |
|
||||||
|
| 法务要纯 Apache/MIT/BSD，或乙方要多租户平台化 | **Ragflow**（或 Ragflow + 自研薄编排） |
|
||||||
|
| 单客户交付、可留 Logo、要工期最短 | **Dify** |
|
||||||
|
|
||||||
|
**怎么选（允许组合时，效果最好）：**
|
||||||
|
|
||||||
|
```
|
||||||
|
Ragflow（知识库 / 检索 / 引用）
|
||||||
|
↑ 检索 API
|
||||||
|
Dify（意图分类 → 追问槽位 → 调 Ragflow → 方案生成 → 转人工）
|
||||||
|
```
|
||||||
|
|
||||||
|
- W2 Demo 可先 **单底座**（别一上来双栈）。
|
||||||
|
- W3 若方案匹配/幻觉不达标，再把检索切到 Ragflow，对话流仍留在 Dify。
|
||||||
|
- 若已定纯许可、不用 Dify：用 **Ragflow + 少量自研判定/追问 API**（或 Flowise 社区版只做编排）。
|
||||||
|
|
||||||
|
**对鲜境一句话：**
|
||||||
|
卖的是「方案」不是「搜文档」——对话闭环 Dify 更省事；过验收里的**准确率/幻觉**时 Ragflow 更扛打。许可干净选 Ragflow；工期最紧且单租户可选 Dify；预算与运维允许则 **Dify 编排 + Ragflow 检索**。
|
||||||
|
|
||||||
|
#### 「Ragflow 是不是更安全更好？二开后还换得了吗？」
|
||||||
|
|
||||||
|
**更安全（许可/合规）：是，Ragflow 更干净。**
|
||||||
|
纯 Apache-2.0，无多租户/去 Logo 附加条款；乙方以后多客户复用、招标写「MIT/Apache/BSD」时更省事。Dify 在本单风险可控，但协议本身不如 Ragflow「安」。
|
||||||
|
|
||||||
|
**更好（交付效果）：不一定。**
|
||||||
|
- 资料检准、降幻觉、引用溯源 → Ragflow 通常更好。
|
||||||
|
- 多轮追问、方案分支、7 周内像「客服产品」上线 → Dify 通常更好。
|
||||||
|
- 选错的代价：Ragflow 省了许可麻烦，但可能在对话流上多烧人天；Dify 省了编排，但许可与厂商政策要一直盯。
|
||||||
|
|
||||||
|
**二开后换底座：确实不容易，但不是换「整个项目」。**
|
||||||
|
难换的是绑死在画布/控制台上的东西；好搬的是你们自己沉淀的资产。
|
||||||
|
|
||||||
|
| 资产 | 换底座难度 | 建议一开始就怎么做 |
|
||||||
|
|------|------------|-------------------|
|
||||||
|
| 产品/方案**原文资料**、结构化产品表 | 低 | 资料进 Git/对象存储，底座只当索引器 |
|
||||||
|
| **方案判定树、追问槽位、验收评测集** | 低 | 写成独立文档/JSON/规则表，不要只活在某个 Workflow 节点里 |
|
||||||
|
| 渠道接入、ASR、人工接管、自研 API | 中 | 自研层调「检索/对话」接口，少写死厂商 SDK |
|
||||||
|
| 底座里的**可视化工作流、提示词、分段策略** | **高** | 默认要重配；这是二开锁定的主成本 |
|
||||||
|
| 向量库里的 embedding | **高** | 换模型/换引擎通常要**全量重建索引** |
|
||||||
|
|
||||||
|
**因此：**
|
||||||
|
|
||||||
|
1. 若更看重长期许可安全、少被厂商附加条款绑住 → **首期就上 Ragflow 更稳**，别指望「先 Dify 再轻松迁 Ragflow」。
|
||||||
|
2. 若已上 Dify，真正能带走的是知识原文 + 判定逻辑 + Eval；工作流本身当沉没成本。
|
||||||
|
3. 降低锁定的做法：自研一层薄「方案引擎」（判定 + 槽位 + 调检索 API），底座只负责 RAG/或编排；这样换 Dify↔Ragflow 只换检索/编排适配器。
|
||||||
|
4. **双栈（Dify+Ragflow）** 运维更重，但换的时候可以先只丢一边，比 All-in 单一画布稍主动。
|
||||||
|
|
||||||
|
**结合合同（5 万/7 周）的务实结论：**
|
||||||
|
- 法务/平台化复用优先 → **直接 Ragflow**，接受对话流多做一点定制。
|
||||||
|
- 只求本单快验收、单租户可留 Logo → Dify 仍可行，但把判定树/评测集/原始知识**外置**，当保险。
|
||||||
|
- 不要假设「二开完还能廉价换家」——能换的是资产，不是画布。
|
||||||
|
|
||||||
|
#### 若不纯赶工期，怎么选？
|
||||||
|
|
||||||
|
时间让位之后，排序应变成：**许可干净 > 检索/幻觉可过验收 > 对话编排体验 > 上线速度**。
|
||||||
|
|
||||||
|
**推荐默认改成：Ragflow 为主底座 + 自研薄「方案引擎」（判定树 / 追问槽位 / 转人工策略）。**
|
||||||
|
|
||||||
|
| 理由 | 说明 |
|
||||||
|
|------|------|
|
||||||
|
| 许可 | 纯 Apache，乙方后续多客户复用、招标合规更省心 |
|
||||||
|
| 验收 | 鲜境是资料驱动的「卖方案」，命中率/幻觉更吃检索，Ragflow 更对症 |
|
||||||
|
| 锁定 | 首期就站在以后更可能留下的底座上，避免 Dify→Ragflow 重配画布 |
|
||||||
|
| 编排缺口 | 用自研 API/状态机补「意图→追问→出方案」，业务逻辑落在你们代码与配置里，不绑死厂商画布 |
|
||||||
|
|
||||||
|
**这时还要不要 Dify？**
|
||||||
|
|
||||||
|
- **一般不必再引入 Dify**（双栈运维、两套权限/日志，长期总拥有成本更高）。
|
||||||
|
- 仅当方案引擎自研人力明显不足、又强依赖可视化编排时，可短期用 Dify 只做编排、检索仍走 Ragflow——但要接受多一套依赖。
|
||||||
|
- Flowise 同理：许可尚可，却更容易把逻辑锁在画布上；时间充裕时不如 **Ragflow + 自研编排** 干净。
|
||||||
|
|
||||||
|
**时间充裕时的分期（示意，非合同附件二）：**
|
||||||
|
|
||||||
|
1. 外置资产：资料仓、产品结构表、判定树、Eval 集
|
||||||
|
2. Ragflow 灌库 + 召回/幻觉打穿附件三阈值
|
||||||
|
3. 自研对话状态（槽位追问、低置信转人工、方案模板）
|
||||||
|
4. 单渠道接入 + 场景二 ASR
|
||||||
|
5. 再考虑是否要可视化编排器（多数情况不再需要）
|
||||||
|
|
||||||
|
**一句话：不赶时间 → 选 Ragflow 路线更安全、更好；Dify 的优势主要是快，不是长期更优。**
|
||||||
|
|
||||||
|
---
|
||||||
|
### 为何首选 Dify（而不是 Flowise）
|
||||||
|
|
||||||
|
Dify 和 Flowise 都能自托管、都能画工作流，但**产品形态不同**：
|
||||||
|
|
||||||
|
| 对比项 | Dify | Flowise |
|
||||||
|
|--------|------|---------|
|
||||||
|
| 定位 | 偏「可交付的 LLM 应用平台」 | 偏「LangChain 可视化编排器」 |
|
||||||
|
| 知识库运营 | 文档上传、分段、召回测试、权限较完整 | 有向量/文档节点，**缺甲方业务人员可长期维护的知识库后台** |
|
||||||
|
| 合同要的后台 | 对话日志、应用配置、基础观测更开箱 | 多半要**另做 Admin / 日志 / 效果看板** |
|
||||||
|
| 「卖方案」链路 | Chatflow/Workflow 直接支撑意图→追问→出方案 | 也能搭，但槽位追问、会话状态、对外 Chat API 要更多拼装 |
|
||||||
|
| 甲方侧使用门槛 | 运营/销售助理可在控制台改知识库 | 改流程基本是**开发在画布上改节点** |
|
||||||
|
| 中文资料与实施案例 | 多，便于 FDE 驻场与交接 | 英文社区为主，国内交付摩擦更大 |
|
||||||
|
| 二开成本（相对本项目） | 定制重心在业务规则与 Eval | 定制要覆盖 **规则 + 大半个运营后台**，易吃掉 5 万预算 |
|
||||||
|
| License | **非纯 Apache**：Apache-2.0 + 附加条款（多租户 SaaS、去 Logo 等需商业授权） | Apache-2.0 |
|
||||||
|
|
||||||
|
**对本合同的含义：**
|
||||||
|
|
||||||
|
1. 验收写了「知识库可增删改查、对话记录可追溯、数据看板」——Dify 自带大半；Flowise 二开等于还要自研一层运营面。
|
||||||
|
2. 7 周里 W2 就要 Concept Demo、W3 真实验证——Dify 用控制台灌资料即可；Flowise 更适合「工程师已写好链路」的演示，不适合业务专家自己改库。
|
||||||
|
3. Flowise **不是不能用**，更适合：团队强依赖 LangChain 生态、只要 API 引擎、运营后台另有系统承接。鲜境首期没有现成客服中台，用 Flowise 会把二开做成「半自研」。
|
||||||
|
4. 若坚持 Flowise：建议 **Flowise 只做编排引擎 + 自研/套 Chatwoot 做会话与人工接管 + 自研轻量知识库管理**，工作量和风险高于 Dify 单底座。
|
||||||
|
|
||||||
|
**一句话：Flowise 是好用的编排器；Dify 更接近「能验收交付的 AI 客服底座」。** 在 5 万 / 7 周下选后者。
|
||||||
|
|
||||||
|
### 为何首选 Dify（相对其他底座）
|
||||||
|
|
||||||
|
1. **工作流原生支持**合同核心链路「意图识别 → 追问 → 方案生成」，比纯问答库更贴「卖方案」。
|
||||||
|
2. **自托管 + 多模型**：满足数据可控与智谱/Gemini 等切换。
|
||||||
|
3. **许可可用但非纯 OSI 开源**：主体基于 Apache-2.0，另有附加条款（见下节）；单客户自托管交付通常可行，多租户转售/去 Logo 需另谈商业授权。
|
||||||
|
4. **W2 Concept Demo** 可在底座上直接配知识库+简易流，不必先写后台。
|
||||||
|
5. 人工接管、评测、渠道适配用周边开源/薄封装即可，不必绑死一家云。
|
||||||
|
|
||||||
|
#### Dify 许可要点（合同 5.4 开源清单必写清）
|
||||||
|
|
||||||
|
- **不是** MIT / BSD，也**不是**无修改的纯 Apache-2.0 / 纯 OSI 开源。
|
||||||
|
- 官方名称：**Dify Open Source License** = **Apache License 2.0 + 附加条件**。
|
||||||
|
- 一般允许：商业使用、作为企业应用开发平台、作为其他应用的后端（含单客户私有化部署）。
|
||||||
|
- 附加限制（触发则需向 LangGenius 取得书面商业授权）：
|
||||||
|
1. 用源码运营**多租户**环境（一个 Workspace ≈ 一个租户）；
|
||||||
|
2. 使用其前端时**去除或修改**控制台/应用中的 Logo 与版权信息（纯 API、不使用其 `web` 前端则不受此项约束）。
|
||||||
|
- 贡献代码方面：生产方可调整协议；贡献可能被用于其云业务。
|
||||||
|
#### 还要不要用 Dify？要不要换成纯 MIT/Apache/BSD？
|
||||||
|
|
||||||
|
**对鲜境这一单：可以继续用 Dify，许可风险可控。**
|
||||||
|
前提：单甲方独立部署（或单 Workspace）、**不**做多租户转售、控制台**保留** Dify Logo/版权；合同开源清单写明「Apache-2.0 + 附加条款」全文链接。
|
||||||
|
|
||||||
|
**若甲方法务硬性只要 MIT/Apache/BSD，或乙方要把底座做成多客户共用的标准交付平台：不要赌 Dify，换纯许可栈。**
|
||||||
|
|
||||||
|
| 候选（纯/更接近宽松许可） | License | 适不适合鲜境首期 | 说明 |
|
||||||
|
|---------------------------|---------|------------------|------|
|
||||||
|
| **Ragflow** | **Apache-2.0** | ★★★★ 首选替代 | 知识库/解析强；「意图→追问→方案」工作流弱于 Dify，需多做一点编排定制 |
|
||||||
|
| **Flowise**（社区版，避开 `enterprise/`） | **Apache-2.0** | ★★★ | 编排灵活；运营后台弱，等于半自研 |
|
||||||
|
| **AnythingLLM** | **MIT** | ★★★ | 文档问答上手快；复杂方案判定/追问链路偏弱 |
|
||||||
|
| LangGraph / LlamaIndex 自拼 | MIT / Apache | ★★ | 许可最干净，但 7 周/5 万工作量接近纯自研 |
|
||||||
|
| FastGPT | Apache + 附加条件 | — | **同类坑**，不是纯 Apache |
|
||||||
|
| MaxKB | GPL-3.0 系 | — | 传染性开源，和乙方「框架复用」更别扭 |
|
||||||
|
|
||||||
|
**决策口诀：**
|
||||||
|
|
||||||
|
1. 只交付鲜境、单租户、可留 Logo、要最快验收 → **继续 Dify**。
|
||||||
|
2. 法务/招标要求纯 OSI，或乙方要多客户平台化复用 → **Ragflow 为主底座**（必要时 + 薄工作流/自研判定），不要为了「像 Dify」去碰附加条款。
|
||||||
|
3. 不要为了许可换成 GPL；也不要以为 Flowise「全仓库都是 Apache」——其 `enterprise/` 等目录是商业许可，二开只用社区部分。
|
||||||
|
|
||||||
|
|
||||||
|
## 4. 必须自研/定制的部分（二开不等于零开发）
|
||||||
|
|
||||||
|
这些是验收与差异化的关键，**不要指望底座默认能力**：
|
||||||
|
|
||||||
|
| 模块 | 做法 | 归属（按合同） |
|
||||||
|
|------|------|----------------|
|
||||||
|
| 方案判定逻辑 | 从业务专家萃取规则/决策树 → Dify 工作流节点或 Tool | 定制成果 → 甲方 |
|
||||||
|
| 产品组合匹配 | 结构化产品表 + 规则/检索混合，禁止纯自由发挥 hallucination | 定制 + 知识库 → 甲方 |
|
||||||
|
| 追问槽位设计 | 按两大类技术路线设计必问项（预算、场景、工况等） | 定制 → 甲方 |
|
||||||
|
| 人工接管策略 | 置信度阈值、敏感词、超时、留资表单 | 定制 → 甲方 |
|
||||||
|
| AI Eval | 200 条标注集、盲测流程、幻觉抽检脚本 | 评测资产 → 甲方 |
|
||||||
|
| 渠道适配 | **只做一个**高频入口的对接与样式 | 定制 → 甲方 |
|
||||||
|
| 开源清单 | Dify/Chatwoot/依赖 License 列表 | 合同强制交付 |
|
||||||
|
|
||||||
|
底座本身、通用连接器、模板工作流 → 属乙方可复用框架（合同 5.1 / 5.2）。
|
||||||
|
|
||||||
|
---
|
||||||
|
|
||||||
|
## 5. 与 7 周计划的落地映射
|
||||||
|
|
||||||
|
| 周次 | 技术动作（建议） | 防延期要点 |
|
||||||
|
|------|------------------|------------|
|
||||||
|
| W1 | 锁定唯一渠道；萃取方案判定树；资料分级入库标准 | 甲方不给齐资料则工期按合同顺延 |
|
||||||
|
| W2 | Dify 部署 + 样本知识库 + Concept Demo（追问 3–5 轮能出草案） | Demo 先通闭环，不追求全量资料 |
|
||||||
|
| W3 | 导入真实资料；人工盲测方案准确率；调检索与提示词 | 未达标先调知识结构，勿急着上第二渠道 |
|
||||||
|
| W4–W5 | 人工接管、留资、日志；场景二 ASR 联调（可并行薄做） | 渠道对接放本阶段，避免 W2 分心 |
|
||||||
|
| W6 | UAT、安全脱敏、开源清单、部署文档 | 预留修缺陷缓冲 |
|
||||||
|
| W7 | 生产试运行、效果看板、首轮 Eval 报告 | 订阅期内持续迭代算年度服务 |
|
||||||
|
|
||||||
|
**砍范围优先级（预算不够时）：**
|
||||||
|
保：知识库 + 追问闭环 + 方案生成 + 人工接管 + 单渠道。
|
||||||
|
可后置：多渠道、精美独立 Admin、复杂经营看板、海外获客（属框架二期）。
|
||||||
|
|
||||||
|
---
|
||||||
|
|
||||||
|
## 6. 模型与部署建议（贴合数据自主）
|
||||||
|
|
||||||
|
- **推理**：优先智谱 / 其他国产 API；敏感或申报需要时再上私有化（vLLM 等），首期不必自建 GPU。
|
||||||
|
- **Embedding**：与知识库同环境部署，避免文档出域。
|
||||||
|
- **ASR（场景二）**：可先用云端 ASR 降本；若录音含客户机密，改为私有化 Whisper 类方案。
|
||||||
|
- **部署**：客户机房或乙方托管的独立 VPC 均可，但知识库与对话日志不得默认进公有 SaaS。
|
||||||
|
|
||||||
|
年度 ¥3 万订阅建议覆盖：Token 上限、监控、知识库更新、Eval 与小迭代——与合同 3.3 一致；超用量或新渠道走变更单。
|
||||||
|
|
||||||
|
---
|
||||||
|
|
||||||
|
## 7. 风险与门禁
|
||||||
|
|
||||||
|
| 风险 | 应对 |
|
||||||
|
|------|------|
|
||||||
|
| 把项目做成「通用 FAQ 机器人」导致方案匹配<80% | W1 必须产出判定树；W3 专家盲测不过不进 P4 全量开发 |
|
||||||
|
| 同时做多渠道拖死工期 | 严格按合同「一个高频渠道」 |
|
||||||
|
| 幻觉与敏感泄露 | RAG 强制引用；输出护栏；Eval 自动化+人工抽检 |
|
||||||
|
| 开源协议纠纷 | 交付开源组件清单；避免传染性 Copyleft 污染定制代码 |
|
||||||
|
| 5 万预算被运维吞掉 | 首期单机/小集群 Docker Compose；监控用开源 |
|
||||||
|
|
||||||
|
---
|
||||||
|
|
||||||
|
## 8. 最终建议（决策一页纸）
|
||||||
|
|
||||||
|
1. **路线**：开源自托管 **二开**，不是纯自研，不是纯 SaaS。
|
||||||
|
2. **底座**：**Dify 首选**；检索吃力再加 **Ragflow**；人工席位用 **Chatwoot**（或现有企微/飞书）。
|
||||||
|
3. **定制重心**：方案判定 + 产品组合 + 追问槽位 + AI Eval + 单渠道接入。
|
||||||
|
4. **与合同一致**：7 周、5 万实施、3 万/年订阅、知识库与定制归甲方、框架归乙方可复用。
|
||||||
|
5. **首期成功标准**：附件三阈值达标 + 一个渠道 7×24 可用 + 销售辅助能基于录音/文本出方案。
|
||||||
|
|
||||||
|
---
|
||||||
|
|
||||||
|
## 9. 建议甲方/乙方立刻确认的 5 件事
|
||||||
|
|
||||||
|
1. 首期「一个高频渠道」究竟是网站还是 Facebook？
|
||||||
|
2. 两大类技术的方案判定树由哪几位业务专家拍板？
|
||||||
|
3. 模型选型：智谱 API 是否可直接用于生产？是否有私有化硬性要求？
|
||||||
|
4. 场景二是否与场景一同周验收，还是 W7 后订阅期迭代？
|
||||||
|
5. 部署位置：甲方机房还是乙方托管 VPC？
|
||||||
|
|
||||||
|
确认以上后，即可按附件二从 P1 启动，无需再纠结纯自研。
|
||||||
@@ -0,0 +1 @@
|
|||||||
|
# Package
|
||||||
@@ -0,0 +1 @@
|
|||||||
|
# Package marker
|
||||||
@@ -0,0 +1,53 @@
|
|||||||
|
from __future__ import annotations
|
||||||
|
|
||||||
|
from typing import Any
|
||||||
|
|
||||||
|
import yaml
|
||||||
|
|
||||||
|
from .settings import settings
|
||||||
|
|
||||||
|
|
||||||
|
def _load_yaml(name: str) -> dict[str, Any]:
|
||||||
|
path = settings.knowledge_dir / name
|
||||||
|
with path.open(encoding="utf-8") as f:
|
||||||
|
data = yaml.safe_load(f) or {}
|
||||||
|
if not isinstance(data, dict):
|
||||||
|
raise ValueError(f"{name} must be a mapping")
|
||||||
|
return data
|
||||||
|
|
||||||
|
|
||||||
|
class BusinessConfig:
|
||||||
|
def __init__(self) -> None:
|
||||||
|
self.reload()
|
||||||
|
|
||||||
|
def reload(self) -> None:
|
||||||
|
self.slots_doc = _load_yaml("slots.yaml")
|
||||||
|
self.tree_doc = _load_yaml("decision_tree.yaml")
|
||||||
|
self.chunks_doc = _load_yaml("sample_chunks.yaml")
|
||||||
|
|
||||||
|
@property
|
||||||
|
def slots(self) -> list[dict[str, Any]]:
|
||||||
|
return list(self.slots_doc.get("slots") or [])
|
||||||
|
|
||||||
|
@property
|
||||||
|
def handoff_phrases(self) -> list[str]:
|
||||||
|
return list(self.slots_doc.get("handoff_phrases") or [])
|
||||||
|
|
||||||
|
@property
|
||||||
|
def closing_prompt(self) -> str:
|
||||||
|
return str(self.slots_doc.get("closing_prompt") or "正在生成方案…")
|
||||||
|
|
||||||
|
@property
|
||||||
|
def rules(self) -> list[dict[str, Any]]:
|
||||||
|
return sorted(self.tree_doc.get("rules") or [], key=lambda r: r.get("order", 100))
|
||||||
|
|
||||||
|
@property
|
||||||
|
def handoff_confidence_below(self) -> float:
|
||||||
|
return float(self.tree_doc.get("handoff_confidence_below", 0.55))
|
||||||
|
|
||||||
|
@property
|
||||||
|
def chunks(self) -> list[dict[str, Any]]:
|
||||||
|
return list(self.chunks_doc.get("chunks") or [])
|
||||||
|
|
||||||
|
|
||||||
|
business_config = BusinessConfig()
|
||||||
@@ -0,0 +1,37 @@
|
|||||||
|
from __future__ import annotations
|
||||||
|
|
||||||
|
from typing import Any
|
||||||
|
|
||||||
|
|
||||||
|
def _match_condition(cond: dict[str, Any], slots: dict[str, str]) -> bool:
|
||||||
|
ctype = cond.get("type")
|
||||||
|
if ctype == "always":
|
||||||
|
return True
|
||||||
|
slot = str(cond.get("slot") or "")
|
||||||
|
value = str(cond.get("value") or "")
|
||||||
|
actual = (slots.get(slot) or "").strip()
|
||||||
|
if ctype == "slot_equals":
|
||||||
|
return actual == value
|
||||||
|
if ctype == "slot_contains":
|
||||||
|
return value.lower() in actual.lower()
|
||||||
|
return False
|
||||||
|
|
||||||
|
|
||||||
|
def evaluate_tree(rules: list[dict[str, Any]], slots: dict[str, str]) -> dict[str, Any]:
|
||||||
|
for rule in rules:
|
||||||
|
conditions = rule.get("when_all") or []
|
||||||
|
if all(_match_condition(c, slots) for c in conditions):
|
||||||
|
then = dict(rule.get("then") or {})
|
||||||
|
return {
|
||||||
|
"rule_id": rule.get("id"),
|
||||||
|
"description": rule.get("description"),
|
||||||
|
**then,
|
||||||
|
}
|
||||||
|
return {
|
||||||
|
"rule_id": "empty",
|
||||||
|
"product_bundle": ["待专家确认"],
|
||||||
|
"tech_line": "待判定",
|
||||||
|
"summary": "未匹配到规则",
|
||||||
|
"confidence": 0.0,
|
||||||
|
"handoff": True,
|
||||||
|
}
|
||||||
@@ -0,0 +1,116 @@
|
|||||||
|
from __future__ import annotations
|
||||||
|
|
||||||
|
import re
|
||||||
|
|
||||||
|
# 寒暄：不写槽、先回问候再追问
|
||||||
|
_GREETING_RE = re.compile(
|
||||||
|
r"^\s*(hi|hello|hey|hola|yo|你好|您好|哈喽|嗨|早上好|上午好|中午好|下午好|晚上好|早|在吗|在不在)[\s!！.。~～？?]*$",
|
||||||
|
re.I,
|
||||||
|
)
|
||||||
|
|
||||||
|
# 跳过/暂无类有效回答
|
||||||
|
_SKIP_RE = re.compile(r"暂无|没有|无|不清楚|不确定|随便|都可以|未知|n/?a|none|no\b", re.I)
|
||||||
|
|
||||||
|
# 鲜境业务相关词：冷链温控 / 官网产品线
|
||||||
|
_DOMAIN_RE = re.compile(
|
||||||
|
r"冷链|冷库|仓储|仓库|运输|配送|保温|冷冻|冷藏|温控|温度|湿度|"
|
||||||
|
r"药品|疫苗|生鲜|实验室|产线|户外|监测|告警|报警|"
|
||||||
|
r"TagPlus|BlueTag|GAEA|Fresh\s*Tag|USB|PDF|蓝牙|网关|记录仪|"
|
||||||
|
r"不开箱|行程|温区|WiFi|4G|LAN|API|方案|产品|报价|选型|"
|
||||||
|
r"实时|读数|报告|传感器|物联网|物联|预算|网络|对接|系统|次数|可重复",
|
||||||
|
re.I,
|
||||||
|
)
|
||||||
|
|
||||||
|
# 明显跑题话题
|
||||||
|
_OFFTOPIC_RE = re.compile(
|
||||||
|
r"天气|气温|下雨|新闻|股票|股市|股指|大盘|基金|彩票|足球|篮球|电影|电视剧|游戏|"
|
||||||
|
r"笑话|段子|星座|运势|做饭|菜谱|旅游|机票|酒店|恋爱|八卦|"
|
||||||
|
r"政治|选举|战争|加密货币|比特币|chatgpt|写诗|作文|数学题|"
|
||||||
|
r"编程作业|leetcode|今天吃什么|炒股|买股",
|
||||||
|
re.I,
|
||||||
|
)
|
||||||
|
|
||||||
|
_QUESTION_RE = re.compile(r"[?？]|什么是|怎么|如何|能否|可以吗|多少|哪[个些]|是否|介绍一下|有没有")
|
||||||
|
|
||||||
|
|
||||||
|
def is_greeting(text: str) -> bool:
|
||||||
|
return bool(_GREETING_RE.match((text or "").strip()))
|
||||||
|
|
||||||
|
|
||||||
|
def is_skip_answer(text: str) -> bool:
|
||||||
|
t = (text or "").strip()
|
||||||
|
if not t:
|
||||||
|
return False
|
||||||
|
if _SKIP_RE.fullmatch(t):
|
||||||
|
return True
|
||||||
|
return t in {"没有要求", "无要求", "没什么", "先不确定"}
|
||||||
|
|
||||||
|
|
||||||
|
def is_domain_related(text: str) -> bool:
|
||||||
|
return bool(_DOMAIN_RE.search(text or ""))
|
||||||
|
|
||||||
|
|
||||||
|
def looks_like_question(text: str) -> bool:
|
||||||
|
return bool(_QUESTION_RE.search(text or ""))
|
||||||
|
|
||||||
|
|
||||||
|
def has_offtopic_topic(text: str) -> bool:
|
||||||
|
return bool(_OFFTOPIC_RE.search(text or ""))
|
||||||
|
|
||||||
|
|
||||||
|
def looks_off_topic(text: str) -> bool:
|
||||||
|
"""明显与冷链方案无关的输入；寒暄单独处理，不算跑题。"""
|
||||||
|
t = (text or "").strip()
|
||||||
|
if not t or is_greeting(t) or is_skip_answer(t):
|
||||||
|
return False
|
||||||
|
if is_domain_related(t):
|
||||||
|
return False
|
||||||
|
if _OFFTOPIC_RE.search(t):
|
||||||
|
return True
|
||||||
|
# 纯英文闲聊 / 极短无意义且不像在答槽
|
||||||
|
if re.fullmatch(r"[a-zA-Z\s!.?~]{1,40}", t) and not is_domain_related(t):
|
||||||
|
lower = t.lower()
|
||||||
|
if any(w in lower for w in ("hello", "hi", "hey", "thanks", "bye", "ok", "test")):
|
||||||
|
return False # greeting/ack 另判
|
||||||
|
if looks_like_question(t):
|
||||||
|
return True
|
||||||
|
# 带疑问且无业务词 → 跑题
|
||||||
|
if len(t) >= 4 and not is_domain_related(t) and looks_like_question(t):
|
||||||
|
return True
|
||||||
|
if len(t) >= 10 and not is_domain_related(t):
|
||||||
|
return True
|
||||||
|
return False
|
||||||
|
|
||||||
|
|
||||||
|
def should_write_slot(text: str) -> bool:
|
||||||
|
"""是否允许本轮用户话写入槽位。"""
|
||||||
|
t = (text or "").strip()
|
||||||
|
if not t or is_greeting(t):
|
||||||
|
return False
|
||||||
|
if looks_off_topic(t):
|
||||||
|
return False
|
||||||
|
return True
|
||||||
|
|
||||||
|
|
||||||
|
def greeting_reply(next_prompt: str | None) -> str:
|
||||||
|
base = "你好！我是鲜境方案客服，可以帮您梳理冷链温控场景并匹配官网产品组合。"
|
||||||
|
if next_prompt:
|
||||||
|
return f"{base}\n\n{next_prompt}"
|
||||||
|
return f"{base}\n\n您可以直接描述场景，例如：「冷库仓储，要实时告警」。"
|
||||||
|
|
||||||
|
|
||||||
|
def refuse_reply(reason: str = "off_topic", next_prompt: str | None = None) -> str:
|
||||||
|
if reason == "kb_miss":
|
||||||
|
msg = (
|
||||||
|
"抱歉，我无法回答这个问题。"
|
||||||
|
"当前知识库里没有足够相关依据，请换一个与鲜境冷链温控产品/场景相关的问题，"
|
||||||
|
"或描述您的应用现场，我再帮您追问选型。"
|
||||||
|
)
|
||||||
|
else:
|
||||||
|
msg = (
|
||||||
|
"抱歉，我无法回答这类问题。"
|
||||||
|
"我主要协助鲜境物联的冷链温控方案咨询（运输记录、蓝牙读数、仓储网关等）。"
|
||||||
|
)
|
||||||
|
if next_prompt:
|
||||||
|
return f"{msg}\n\n我们继续：{next_prompt}"
|
||||||
|
return msg
|
||||||
@@ -0,0 +1,60 @@
|
|||||||
|
from __future__ import annotations
|
||||||
|
|
||||||
|
import sqlite3
|
||||||
|
from datetime import datetime, timezone
|
||||||
|
from pathlib import Path
|
||||||
|
|
||||||
|
from .settings import ROOT
|
||||||
|
|
||||||
|
DB_PATH = ROOT / "data" / "leads.sqlite"
|
||||||
|
|
||||||
|
|
||||||
|
def _conn() -> sqlite3.Connection:
|
||||||
|
DB_PATH.parent.mkdir(parents=True, exist_ok=True)
|
||||||
|
conn = sqlite3.connect(DB_PATH)
|
||||||
|
conn.row_factory = sqlite3.Row
|
||||||
|
conn.execute(
|
||||||
|
"""
|
||||||
|
CREATE TABLE IF NOT EXISTS leads (
|
||||||
|
id INTEGER PRIMARY KEY AUTOINCREMENT,
|
||||||
|
session_id TEXT,
|
||||||
|
name TEXT,
|
||||||
|
phone TEXT,
|
||||||
|
note TEXT,
|
||||||
|
slots_json TEXT,
|
||||||
|
scheme_json TEXT,
|
||||||
|
created_at TEXT
|
||||||
|
)
|
||||||
|
"""
|
||||||
|
)
|
||||||
|
return conn
|
||||||
|
|
||||||
|
|
||||||
|
def add_lead(
|
||||||
|
*,
|
||||||
|
session_id: str,
|
||||||
|
name: str,
|
||||||
|
phone: str,
|
||||||
|
note: str,
|
||||||
|
slots_json: str,
|
||||||
|
scheme_json: str,
|
||||||
|
) -> int:
|
||||||
|
now = datetime.now(timezone.utc).isoformat()
|
||||||
|
with _conn() as conn:
|
||||||
|
cur = conn.execute(
|
||||||
|
"""
|
||||||
|
INSERT INTO leads (session_id, name, phone, note, slots_json, scheme_json, created_at)
|
||||||
|
VALUES (?, ?, ?, ?, ?, ?, ?)
|
||||||
|
""",
|
||||||
|
(session_id, name, phone, note, slots_json, scheme_json, now),
|
||||||
|
)
|
||||||
|
return int(cur.lastrowid)
|
||||||
|
|
||||||
|
|
||||||
|
def list_leads(limit: int = 50) -> list[dict]:
|
||||||
|
with _conn() as conn:
|
||||||
|
rows = conn.execute(
|
||||||
|
"SELECT id, session_id, name, phone, note, created_at FROM leads ORDER BY id DESC LIMIT ?",
|
||||||
|
(limit,),
|
||||||
|
).fetchall()
|
||||||
|
return [dict(row) for row in rows]
|
||||||
@@ -0,0 +1,152 @@
|
|||||||
|
from __future__ import annotations
|
||||||
|
|
||||||
|
import json
|
||||||
|
from pathlib import Path
|
||||||
|
|
||||||
|
from fastapi import FastAPI, HTTPException
|
||||||
|
from fastapi.responses import FileResponse
|
||||||
|
from fastapi.staticfiles import StaticFiles
|
||||||
|
from pydantic import BaseModel, Field
|
||||||
|
|
||||||
|
from .config_loader import business_config
|
||||||
|
from .leads import add_lead, list_leads
|
||||||
|
from .ragflow_client import RagflowClient, RagflowError
|
||||||
|
from .scheme_engine import create_session, handle_message
|
||||||
|
from .session_store import store
|
||||||
|
from .settings import ROOT, settings
|
||||||
|
|
||||||
|
STATIC_DIR = Path(__file__).resolve().parent / "static"
|
||||||
|
CORPUS_DIR = ROOT / "knowledge" / "corpus"
|
||||||
|
|
||||||
|
app = FastAPI(title=settings.app_name, version="0.2.0")
|
||||||
|
app.mount("/static", StaticFiles(directory=STATIC_DIR), name="static")
|
||||||
|
|
||||||
|
|
||||||
|
class ChatRequest(BaseModel):
|
||||||
|
message: str = Field(..., min_length=1)
|
||||||
|
session_id: str | None = None
|
||||||
|
|
||||||
|
|
||||||
|
class SessionResponse(BaseModel):
|
||||||
|
session_id: str
|
||||||
|
|
||||||
|
|
||||||
|
class HandoffRequest(BaseModel):
|
||||||
|
session_id: str
|
||||||
|
name: str = Field(..., min_length=1, max_length=40)
|
||||||
|
phone: str = Field(..., min_length=5, max_length=30)
|
||||||
|
note: str = ""
|
||||||
|
|
||||||
|
|
||||||
|
@app.get("/")
|
||||||
|
def index() -> FileResponse:
|
||||||
|
return FileResponse(STATIC_DIR / "index.html")
|
||||||
|
|
||||||
|
|
||||||
|
@app.get("/api/health")
|
||||||
|
def health() -> dict:
|
||||||
|
rag = RagflowClient().health()
|
||||||
|
return {
|
||||||
|
"ok": True,
|
||||||
|
"app": settings.app_name,
|
||||||
|
"retrieval_backend": settings.retrieval_backend,
|
||||||
|
"slots": len(business_config.slots),
|
||||||
|
"rules": len(business_config.rules),
|
||||||
|
"ragflow": rag,
|
||||||
|
"ragflow_web": settings.ragflow_web_url,
|
||||||
|
"dataset_ids_configured": bool(settings.ragflow_dataset_ids.strip()),
|
||||||
|
}
|
||||||
|
|
||||||
|
|
||||||
|
@app.get("/api/config/slots")
|
||||||
|
def get_slots() -> dict:
|
||||||
|
return business_config.slots_doc
|
||||||
|
|
||||||
|
|
||||||
|
@app.get("/api/config/decision-tree")
|
||||||
|
def get_tree() -> dict:
|
||||||
|
return business_config.tree_doc
|
||||||
|
|
||||||
|
|
||||||
|
@app.post("/api/admin/reload-config")
|
||||||
|
def reload_config() -> dict:
|
||||||
|
business_config.reload()
|
||||||
|
return {"reloaded": True, "slots": len(business_config.slots), "rules": len(business_config.rules)}
|
||||||
|
|
||||||
|
|
||||||
|
@app.get("/api/knowledge/files")
|
||||||
|
def knowledge_files() -> dict:
|
||||||
|
files = []
|
||||||
|
if CORPUS_DIR.exists():
|
||||||
|
for path in sorted(CORPUS_DIR.glob("*.md")):
|
||||||
|
files.append({"name": path.name, "bytes": path.stat().st_size})
|
||||||
|
return {"files": files}
|
||||||
|
|
||||||
|
|
||||||
|
@app.get("/api/ragflow/status")
|
||||||
|
def ragflow_status() -> dict:
|
||||||
|
client = RagflowClient()
|
||||||
|
health = client.health()
|
||||||
|
datasets: list[dict] = []
|
||||||
|
error = ""
|
||||||
|
if health.get("ok") and settings.ragflow_api_key:
|
||||||
|
try:
|
||||||
|
for item in client.list_datasets():
|
||||||
|
datasets.append(
|
||||||
|
{
|
||||||
|
"id": item.get("id"),
|
||||||
|
"name": item.get("name"),
|
||||||
|
"document_count": item.get("document_count"),
|
||||||
|
"chunk_count": item.get("chunk_count"),
|
||||||
|
}
|
||||||
|
)
|
||||||
|
except Exception as exc:
|
||||||
|
error = str(exc)
|
||||||
|
return {
|
||||||
|
"health": health,
|
||||||
|
"web": settings.ragflow_web_url,
|
||||||
|
"api_key_set": bool(settings.ragflow_api_key),
|
||||||
|
"dataset_ids": [x for x in settings.ragflow_dataset_ids.split(",") if x.strip()],
|
||||||
|
"datasets": datasets,
|
||||||
|
"error": error,
|
||||||
|
}
|
||||||
|
|
||||||
|
|
||||||
|
@app.get("/api/leads")
|
||||||
|
def api_leads() -> dict:
|
||||||
|
return {"leads": list_leads()}
|
||||||
|
|
||||||
|
|
||||||
|
@app.post("/api/sessions", response_model=SessionResponse)
|
||||||
|
def api_create_session() -> SessionResponse:
|
||||||
|
session = create_session()
|
||||||
|
return SessionResponse(session_id=session.id)
|
||||||
|
|
||||||
|
|
||||||
|
@app.post("/api/chat")
|
||||||
|
def api_chat(body: ChatRequest) -> dict:
|
||||||
|
session_id = body.session_id
|
||||||
|
if not session_id:
|
||||||
|
session_id = create_session().id
|
||||||
|
try:
|
||||||
|
return handle_message(session_id, body.message)
|
||||||
|
except KeyError:
|
||||||
|
raise HTTPException(status_code=404, detail="session_not_found") from None
|
||||||
|
|
||||||
|
|
||||||
|
@app.post("/api/handoff")
|
||||||
|
def api_handoff(body: HandoffRequest) -> dict:
|
||||||
|
session = store.get(body.session_id)
|
||||||
|
slots = session.slots if session else {}
|
||||||
|
scheme = session.last_scheme if session else None
|
||||||
|
lead_id = add_lead(
|
||||||
|
session_id=body.session_id,
|
||||||
|
name=body.name.strip(),
|
||||||
|
phone=body.phone.strip(),
|
||||||
|
note=body.note.strip(),
|
||||||
|
slots_json=json.dumps(slots, ensure_ascii=False),
|
||||||
|
scheme_json=json.dumps(scheme or {}, ensure_ascii=False),
|
||||||
|
)
|
||||||
|
if session:
|
||||||
|
session.phase = "handoff"
|
||||||
|
return {"ok": True, "lead_id": lead_id}
|
||||||
@@ -0,0 +1,217 @@
|
|||||||
|
from __future__ import annotations
|
||||||
|
|
||||||
|
import base64
|
||||||
|
from pathlib import Path
|
||||||
|
from typing import Any
|
||||||
|
|
||||||
|
import httpx
|
||||||
|
try:
|
||||||
|
from Cryptodome.Cipher import PKCS1_v1_5
|
||||||
|
from Cryptodome.PublicKey import RSA
|
||||||
|
except ImportError:
|
||||||
|
from Crypto.Cipher import PKCS1_v1_5
|
||||||
|
from Crypto.PublicKey import RSA
|
||||||
|
|
||||||
|
from .settings import ROOT, settings
|
||||||
|
|
||||||
|
PUBLIC_PEM = ROOT / "infra" / "ragflow-public.pem"
|
||||||
|
|
||||||
|
|
||||||
|
class RagflowError(RuntimeError):
|
||||||
|
pass
|
||||||
|
|
||||||
|
|
||||||
|
def encrypt_password(password: str) -> str:
|
||||||
|
"""Match Ragflow crypt(): RSA-encrypt base64(password)."""
|
||||||
|
rsa_key = RSA.import_key(PUBLIC_PEM.read_text())
|
||||||
|
cipher = PKCS1_v1_5.new(rsa_key)
|
||||||
|
password_b64 = base64.b64encode(password.encode("utf-8"))
|
||||||
|
encrypted = cipher.encrypt(password_b64)
|
||||||
|
return base64.b64encode(encrypted).decode("utf-8")
|
||||||
|
|
||||||
|
|
||||||
|
class RagflowClient:
|
||||||
|
def __init__(self, base_url: str | None = None, api_key: str | None = None) -> None:
|
||||||
|
self.base_url = (base_url or settings.ragflow_base_url).rstrip("/")
|
||||||
|
self.api_key = api_key if api_key is not None else settings.ragflow_api_key
|
||||||
|
|
||||||
|
def _headers(self, token: str | None = None) -> dict[str, str]:
|
||||||
|
key = token or self.api_key
|
||||||
|
if not key:
|
||||||
|
return {}
|
||||||
|
if key.lower().startswith("bearer "):
|
||||||
|
return {"Authorization": key}
|
||||||
|
return {"Authorization": f"Bearer {key}"}
|
||||||
|
|
||||||
|
def health(self) -> dict[str, Any]:
|
||||||
|
url = f"{self.base_url}/api/v1/system/healthz"
|
||||||
|
try:
|
||||||
|
with httpx.Client(timeout=8.0) as client:
|
||||||
|
resp = client.get(url)
|
||||||
|
ok = resp.status_code < 500
|
||||||
|
return {"ok": ok, "status_code": resp.status_code, "url": url}
|
||||||
|
except Exception as exc:
|
||||||
|
return {"ok": False, "error": str(exc), "url": url}
|
||||||
|
|
||||||
|
def register(self, email: str, password: str, nickname: str = "鲜境管理员") -> str:
|
||||||
|
payload = {
|
||||||
|
"nickname": nickname,
|
||||||
|
"email": email,
|
||||||
|
"password": encrypt_password(password),
|
||||||
|
}
|
||||||
|
with httpx.Client(timeout=30.0) as client:
|
||||||
|
resp = client.post(f"{self.base_url}/api/v1/users", json=payload)
|
||||||
|
if resp.status_code >= 400:
|
||||||
|
raise RagflowError(f"注册失败 {resp.status_code}: {resp.text[:400]}")
|
||||||
|
auth = resp.headers.get("Authorization") or ""
|
||||||
|
body = resp.json() if resp.content else {}
|
||||||
|
if body.get("code") not in (0, None) and body.get("code") != 0:
|
||||||
|
# already registered or validation error
|
||||||
|
message = str(body.get("message") or body)
|
||||||
|
if "already" in message.lower() or "已经" in message:
|
||||||
|
return self.login(email, password)
|
||||||
|
raise RagflowError(message)
|
||||||
|
if not auth:
|
||||||
|
data = body.get("data") or {}
|
||||||
|
auth = str(data.get("id") or "")
|
||||||
|
if not auth:
|
||||||
|
raise RagflowError(f"注册成功但没有登录凭证: {body}")
|
||||||
|
return auth
|
||||||
|
|
||||||
|
def login(self, email: str, password: str) -> str:
|
||||||
|
payload = {"email": email, "password": encrypt_password(password)}
|
||||||
|
with httpx.Client(timeout=30.0) as client:
|
||||||
|
resp = client.post(f"{self.base_url}/api/v1/auth/login", json=payload)
|
||||||
|
if resp.status_code >= 400:
|
||||||
|
raise RagflowError(f"登录失败 {resp.status_code}: {resp.text[:400]}")
|
||||||
|
auth = resp.headers.get("Authorization") or ""
|
||||||
|
if not auth:
|
||||||
|
raise RagflowError("登录没有返回 Authorization")
|
||||||
|
return auth
|
||||||
|
|
||||||
|
def ensure_api_token(self, session_auth: str) -> str:
|
||||||
|
headers = {"Authorization": session_auth}
|
||||||
|
with httpx.Client(timeout=30.0) as client:
|
||||||
|
listed = client.get(f"{self.base_url}/api/v1/system/tokens", headers=headers)
|
||||||
|
if listed.status_code < 400:
|
||||||
|
data = (listed.json() or {}).get("data") or []
|
||||||
|
if isinstance(data, list) and data:
|
||||||
|
token = data[0].get("token")
|
||||||
|
if token:
|
||||||
|
return token
|
||||||
|
created = client.post(f"{self.base_url}/api/v1/system/tokens", headers=headers)
|
||||||
|
if created.status_code >= 400:
|
||||||
|
raise RagflowError(f"创建 API Token 失败: {created.text[:400]}")
|
||||||
|
body = created.json()
|
||||||
|
token = (body.get("data") or {}).get("token")
|
||||||
|
if not token:
|
||||||
|
raise RagflowError(f"Token 响应异常: {body}")
|
||||||
|
return token
|
||||||
|
|
||||||
|
def list_datasets(self) -> list[dict[str, Any]]:
|
||||||
|
with httpx.Client(timeout=20.0) as client:
|
||||||
|
resp = client.get(f"{self.base_url}/api/v1/datasets", headers=self._headers(), params={"page": 1, "page_size": 50})
|
||||||
|
resp.raise_for_status()
|
||||||
|
data = (resp.json() or {}).get("data") or []
|
||||||
|
if isinstance(data, dict):
|
||||||
|
data = data.get("datasets") or data.get("kbs") or []
|
||||||
|
return list(data)
|
||||||
|
|
||||||
|
def create_dataset(self, name: str, description: str) -> dict[str, Any]:
|
||||||
|
payload = {
|
||||||
|
"name": name,
|
||||||
|
"description": description,
|
||||||
|
"chunk_method": "naive",
|
||||||
|
"permission": "me",
|
||||||
|
"embedding_model": "BAAI/bge-small-zh-v1.5@Builtin",
|
||||||
|
"parser_config": {
|
||||||
|
"graphrag": {"use_graphrag": False},
|
||||||
|
"raptor": {"use_raptor": False},
|
||||||
|
},
|
||||||
|
}
|
||||||
|
with httpx.Client(timeout=30.0) as client:
|
||||||
|
resp = client.post(f"{self.base_url}/api/v1/datasets", headers=self._headers(), json=payload)
|
||||||
|
if resp.status_code >= 400:
|
||||||
|
raise RagflowError(resp.text[:400])
|
||||||
|
body = resp.json()
|
||||||
|
if body.get("code") not in (0, None):
|
||||||
|
raise RagflowError(str(body.get("message") or body))
|
||||||
|
return body.get("data") or {}
|
||||||
|
|
||||||
|
def update_dataset(self, dataset_id: str, payload: dict[str, Any]) -> dict[str, Any]:
|
||||||
|
with httpx.Client(timeout=30.0) as client:
|
||||||
|
resp = client.put(
|
||||||
|
f"{self.base_url}/api/v1/datasets/{dataset_id}",
|
||||||
|
headers=self._headers(),
|
||||||
|
json=payload,
|
||||||
|
)
|
||||||
|
if resp.status_code >= 400:
|
||||||
|
raise RagflowError(resp.text[:400])
|
||||||
|
body = resp.json()
|
||||||
|
if body.get("code") not in (0, None):
|
||||||
|
raise RagflowError(str(body.get("message") or body))
|
||||||
|
return body.get("data") or {}
|
||||||
|
|
||||||
|
def upload_document(self, dataset_id: str, path: Path) -> list[dict[str, Any]]:
|
||||||
|
with path.open("rb") as fh:
|
||||||
|
files = {"file": (path.name, fh, "text/markdown")}
|
||||||
|
with httpx.Client(timeout=60.0) as client:
|
||||||
|
resp = client.post(
|
||||||
|
f"{self.base_url}/api/v1/datasets/{dataset_id}/documents",
|
||||||
|
headers=self._headers(),
|
||||||
|
files=files,
|
||||||
|
)
|
||||||
|
if resp.status_code >= 400:
|
||||||
|
raise RagflowError(resp.text[:500])
|
||||||
|
body = resp.json()
|
||||||
|
data = body.get("data") or []
|
||||||
|
if isinstance(data, dict):
|
||||||
|
data = [data]
|
||||||
|
return data
|
||||||
|
|
||||||
|
def parse_documents(self, dataset_id: str, document_ids: list[str]) -> None:
|
||||||
|
with httpx.Client(timeout=30.0) as client:
|
||||||
|
resp = client.post(
|
||||||
|
f"{self.base_url}/api/v1/datasets/{dataset_id}/documents/parse",
|
||||||
|
headers=self._headers(),
|
||||||
|
json={"document_ids": document_ids},
|
||||||
|
)
|
||||||
|
if resp.status_code >= 400:
|
||||||
|
raise RagflowError(resp.text[:400])
|
||||||
|
|
||||||
|
def list_documents(self, dataset_id: str) -> list[dict[str, Any]]:
|
||||||
|
with httpx.Client(timeout=20.0) as client:
|
||||||
|
resp = client.get(
|
||||||
|
f"{self.base_url}/api/v1/datasets/{dataset_id}/documents",
|
||||||
|
headers=self._headers(),
|
||||||
|
params={"page": 1, "page_size": 50},
|
||||||
|
)
|
||||||
|
resp.raise_for_status()
|
||||||
|
data = (resp.json() or {}).get("data") or []
|
||||||
|
if isinstance(data, dict):
|
||||||
|
data = data.get("docs") or data.get("documents") or []
|
||||||
|
return list(data)
|
||||||
|
|
||||||
|
def retrieve(self, question: str, dataset_ids: list[str], page_size: int = 4) -> list[dict[str, Any]]:
|
||||||
|
if not self.api_key:
|
||||||
|
raise RagflowError("未配置 RAGFLOW_API_KEY")
|
||||||
|
if not dataset_ids:
|
||||||
|
raise RagflowError("未配置 RAGFLOW_DATASET_IDS")
|
||||||
|
payload = {
|
||||||
|
"question": question,
|
||||||
|
"dataset_ids": dataset_ids,
|
||||||
|
"page": 1,
|
||||||
|
"page_size": page_size,
|
||||||
|
"similarity_threshold": 0.15,
|
||||||
|
"vector_similarity_weight": 0.3,
|
||||||
|
}
|
||||||
|
with httpx.Client(timeout=30.0) as client:
|
||||||
|
resp = client.post(f"{self.base_url}/api/v1/retrieval", headers=self._headers(), json=payload)
|
||||||
|
if resp.status_code >= 400:
|
||||||
|
raise RagflowError(f"检索失败 {resp.status_code}: {resp.text[:300]}")
|
||||||
|
body = resp.json()
|
||||||
|
if body.get("code") not in (0, None):
|
||||||
|
raise RagflowError(str(body.get("message") or body))
|
||||||
|
data = body.get("data") or {}
|
||||||
|
chunks = data.get("chunks") if isinstance(data, dict) else data
|
||||||
|
return list(chunks or [])
|
||||||
@@ -0,0 +1,142 @@
|
|||||||
|
from __future__ import annotations
|
||||||
|
|
||||||
|
import re
|
||||||
|
from typing import Any
|
||||||
|
|
||||||
|
from .config_loader import business_config
|
||||||
|
from .ragflow_client import RagflowClient, RagflowError
|
||||||
|
from .settings import settings
|
||||||
|
|
||||||
|
|
||||||
|
class RetrievalResult:
|
||||||
|
def __init__(self, chunks: list[dict[str, Any]], backend: str, warning: str = ""):
|
||||||
|
self.chunks = chunks
|
||||||
|
self.backend = backend
|
||||||
|
self.warning = warning
|
||||||
|
|
||||||
|
|
||||||
|
def retrieve_for_scheme(slots: dict[str, str], bundle: list[str]) -> RetrievalResult:
|
||||||
|
backend = (settings.retrieval_backend or "ragflow").lower()
|
||||||
|
if backend == "mock":
|
||||||
|
return _retrieve_mock(slots, bundle)
|
||||||
|
try:
|
||||||
|
return _retrieve_ragflow(slots, bundle)
|
||||||
|
except RagflowError as exc:
|
||||||
|
return RetrievalResult([], "ragflow", warning=str(exc))
|
||||||
|
|
||||||
|
|
||||||
|
def retrieve_question(question: str, *, page_size: int = 3, min_score: float = 0.22) -> RetrievalResult:
|
||||||
|
"""自由问答检索；分数过低视为知识库未命中。"""
|
||||||
|
backend = (settings.retrieval_backend or "ragflow").lower()
|
||||||
|
q = (question or "").strip()
|
||||||
|
if not q:
|
||||||
|
return RetrievalResult([], backend or "none", warning="empty_query")
|
||||||
|
if backend == "mock":
|
||||||
|
return _retrieve_mock_question(q, min_score=min_score)
|
||||||
|
try:
|
||||||
|
client = RagflowClient()
|
||||||
|
dataset_ids = [item.strip() for item in settings.ragflow_dataset_ids.split(",") if item.strip()]
|
||||||
|
raw = client.retrieve(q, dataset_ids, page_size=page_size)
|
||||||
|
chunks = []
|
||||||
|
for index, item in enumerate(raw[:page_size]):
|
||||||
|
if not isinstance(item, dict):
|
||||||
|
continue
|
||||||
|
score = item.get("similarity")
|
||||||
|
try:
|
||||||
|
score_f = float(score) if score is not None else 0.0
|
||||||
|
except (TypeError, ValueError):
|
||||||
|
score_f = 0.0
|
||||||
|
if score_f < min_score:
|
||||||
|
continue
|
||||||
|
chunks.append(
|
||||||
|
{
|
||||||
|
"id": item.get("id") or f"rf-q-{index}",
|
||||||
|
"title": item.get("document_keyword")
|
||||||
|
or item.get("document_name")
|
||||||
|
or item.get("docnm_kwd")
|
||||||
|
or "知识片段",
|
||||||
|
"content": item.get("content") or item.get("content_with_weight") or "",
|
||||||
|
"score": score_f,
|
||||||
|
}
|
||||||
|
)
|
||||||
|
warning = "" if chunks else "知识库未召回到足够相关的内容"
|
||||||
|
return RetrievalResult(chunks, "ragflow", warning=warning)
|
||||||
|
except RagflowError as exc:
|
||||||
|
return RetrievalResult([], "ragflow", warning=str(exc))
|
||||||
|
|
||||||
|
|
||||||
|
def _retrieve_mock_question(question: str, *, min_score: float = 0.22) -> RetrievalResult:
|
||||||
|
picked: list[dict[str, Any]] = []
|
||||||
|
for chunk in business_config.chunks:
|
||||||
|
blob = f"{chunk.get('title', '')} {chunk.get('content', '')} {' '.join(chunk.get('tags') or [])}"
|
||||||
|
hits = sum(1 for token in re_split_tokens(question) if token and token in blob)
|
||||||
|
if hits:
|
||||||
|
score = min(0.9, 0.2 + 0.15 * hits)
|
||||||
|
if score >= min_score:
|
||||||
|
item = dict(chunk)
|
||||||
|
item["score"] = score
|
||||||
|
picked.append(item)
|
||||||
|
if len(picked) >= 3:
|
||||||
|
break
|
||||||
|
warning = "" if picked else "知识库未召回到足够相关的内容"
|
||||||
|
return RetrievalResult(picked, "mock", warning=warning)
|
||||||
|
|
||||||
|
|
||||||
|
def re_split_tokens(text: str) -> list[str]:
|
||||||
|
return [t for t in re.split(r"[\s,，。；;？?！!/|]+", text) if len(t) >= 2]
|
||||||
|
|
||||||
|
|
||||||
|
def _retrieve_mock(slots: dict[str, str], bundle: list[str]) -> RetrievalResult:
|
||||||
|
chunks = business_config.chunks
|
||||||
|
picked: list[dict[str, Any]] = []
|
||||||
|
bundle_set = set(bundle)
|
||||||
|
for chunk in chunks:
|
||||||
|
if chunk.get("product") in bundle_set:
|
||||||
|
picked.append(chunk)
|
||||||
|
blob = " ".join(slots.values())
|
||||||
|
for chunk in chunks:
|
||||||
|
if chunk in picked:
|
||||||
|
continue
|
||||||
|
tags = chunk.get("tags") or []
|
||||||
|
if any(str(tag) in blob for tag in tags):
|
||||||
|
picked.append(chunk)
|
||||||
|
if len(picked) >= 4:
|
||||||
|
break
|
||||||
|
if not picked:
|
||||||
|
picked = chunks[:2]
|
||||||
|
return RetrievalResult(picked[:4], "mock")
|
||||||
|
|
||||||
|
|
||||||
|
def _retrieve_ragflow(slots: dict[str, str], bundle: list[str]) -> RetrievalResult:
|
||||||
|
client = RagflowClient()
|
||||||
|
query = " ".join(
|
||||||
|
[
|
||||||
|
slots.get("tech_category", ""),
|
||||||
|
slots.get("scenario", ""),
|
||||||
|
slots.get("key_metric", ""),
|
||||||
|
slots.get("constraints", ""),
|
||||||
|
" ".join(bundle),
|
||||||
|
"产品组合 适用场景 注意事项",
|
||||||
|
]
|
||||||
|
).strip()
|
||||||
|
dataset_ids = [item.strip() for item in settings.ragflow_dataset_ids.split(",") if item.strip()]
|
||||||
|
raw = client.retrieve(query, dataset_ids, page_size=4)
|
||||||
|
normalized = []
|
||||||
|
for index, item in enumerate(raw[:4]):
|
||||||
|
if not isinstance(item, dict):
|
||||||
|
continue
|
||||||
|
normalized.append(
|
||||||
|
{
|
||||||
|
"id": item.get("id") or f"rf-{index}",
|
||||||
|
"title": item.get("document_keyword")
|
||||||
|
or item.get("document_name")
|
||||||
|
or item.get("docnm_kwd")
|
||||||
|
or "知识片段",
|
||||||
|
"product": item.get("document_id") or "",
|
||||||
|
"content": item.get("content") or item.get("content_with_weight") or "",
|
||||||
|
"tags": [],
|
||||||
|
"score": item.get("similarity"),
|
||||||
|
}
|
||||||
|
)
|
||||||
|
warning = "" if normalized else "知识库没有召回到可用片段，方案仅供草稿，建议转人工。"
|
||||||
|
return RetrievalResult(normalized, "ragflow", warning=warning)
|
||||||
@@ -0,0 +1,181 @@
|
|||||||
|
from __future__ import annotations
|
||||||
|
|
||||||
|
from typing import Any
|
||||||
|
|
||||||
|
from .config_loader import business_config
|
||||||
|
from .decision import evaluate_tree
|
||||||
|
from .intent import (
|
||||||
|
greeting_reply,
|
||||||
|
has_offtopic_topic,
|
||||||
|
is_domain_related,
|
||||||
|
is_greeting,
|
||||||
|
looks_like_question,
|
||||||
|
looks_off_topic,
|
||||||
|
refuse_reply,
|
||||||
|
should_write_slot,
|
||||||
|
)
|
||||||
|
from .retrieval import retrieve_for_scheme, retrieve_question
|
||||||
|
from .session_store import (
|
||||||
|
Session,
|
||||||
|
looks_like_handoff,
|
||||||
|
naive_fill_slots,
|
||||||
|
next_slot_prompt,
|
||||||
|
store,
|
||||||
|
)
|
||||||
|
|
||||||
|
|
||||||
|
def create_session() -> Session:
|
||||||
|
return store.create()
|
||||||
|
|
||||||
|
|
||||||
|
def handle_message(session_id: str, message: str) -> dict[str, Any]:
|
||||||
|
session = store.get(session_id)
|
||||||
|
if not session:
|
||||||
|
raise KeyError("session_not_found")
|
||||||
|
|
||||||
|
text = (message or "").strip()
|
||||||
|
session.messages.append({"role": "user", "content": text})
|
||||||
|
nxt = next_slot_prompt(business_config.slots, session.slots)
|
||||||
|
next_prompt = nxt["prompt"] if nxt else None
|
||||||
|
|
||||||
|
if looks_like_handoff(text, business_config.handoff_phrases):
|
||||||
|
session.phase = "handoff"
|
||||||
|
reply = "已为您标记转人工。请留下称呼与联系方式，销售同事会跟进。（原型：仅记录意图，未接 Chatwoot）"
|
||||||
|
return _finish(session, reply, need_handoff=True)
|
||||||
|
|
||||||
|
# 寒暄：回问候 + 合理追问，绝不把 hello 写进槽位
|
||||||
|
if is_greeting(text):
|
||||||
|
return _finish(session, greeting_reply(next_prompt), asking_slot=nxt["id"] if nxt else None)
|
||||||
|
|
||||||
|
# 明显跑题：拒答并拉回当前追问
|
||||||
|
if looks_off_topic(text):
|
||||||
|
return _finish(
|
||||||
|
session,
|
||||||
|
refuse_reply("off_topic", next_prompt),
|
||||||
|
asking_slot=nxt["id"] if nxt else None,
|
||||||
|
)
|
||||||
|
|
||||||
|
# 业务相关自由提问：先查知识库；没命中则拒答，不强行灌槽
|
||||||
|
# 同时夹带明显跑题话题（如「记录仪能炒股吗」）→ 直接拒答
|
||||||
|
if looks_like_question(text) and is_domain_related(text):
|
||||||
|
if has_offtopic_topic(text):
|
||||||
|
return _finish(
|
||||||
|
session,
|
||||||
|
refuse_reply("off_topic", next_prompt),
|
||||||
|
asking_slot=nxt["id"] if nxt else None,
|
||||||
|
)
|
||||||
|
qa = retrieve_question(text)
|
||||||
|
if not qa.chunks:
|
||||||
|
return _finish(
|
||||||
|
session,
|
||||||
|
refuse_reply("kb_miss", next_prompt),
|
||||||
|
asking_slot=nxt["id"] if nxt else None,
|
||||||
|
)
|
||||||
|
lines = ["根据知识库，简要说明如下：", ""]
|
||||||
|
for citation in qa.chunks[:3]:
|
||||||
|
lines.append(f"- {citation.get('title')}：{citation.get('content')}")
|
||||||
|
if next_prompt and session.phase == "collecting":
|
||||||
|
lines.append("")
|
||||||
|
lines.append(f"若要继续匹配方案：{next_prompt}")
|
||||||
|
return _finish(session, "\n".join(lines), asking_slot=nxt["id"] if nxt else None)
|
||||||
|
|
||||||
|
# 正常收集槽位
|
||||||
|
if session.phase in ("collecting", "scheme_ready") and should_write_slot(text):
|
||||||
|
session.slots = naive_fill_slots(text, business_config.slots, session.slots)
|
||||||
|
|
||||||
|
nxt = next_slot_prompt(business_config.slots, session.slots)
|
||||||
|
if nxt and session.phase == "collecting":
|
||||||
|
reply = nxt["prompt"]
|
||||||
|
return _finish(session, reply, asking_slot=nxt["id"])
|
||||||
|
|
||||||
|
# 槽位齐了 → 出方案；知识库完全无依据时明确说明无法背书
|
||||||
|
decision = evaluate_tree(business_config.rules, session.slots)
|
||||||
|
confidence = float(decision.get("confidence") or 0)
|
||||||
|
need_handoff = bool(decision.get("handoff")) or confidence < business_config.handoff_confidence_below
|
||||||
|
bundle = list(decision.get("product_bundle") or [])
|
||||||
|
retrieval = retrieve_for_scheme(session.slots, bundle)
|
||||||
|
|
||||||
|
# 槽位内容本身不像业务需求，且检索也空 → 拒答
|
||||||
|
slot_blob = " ".join(str(v) for v in session.slots.values() if v)
|
||||||
|
if not is_domain_related(slot_blob) and not retrieval.chunks:
|
||||||
|
reply = refuse_reply("kb_miss", None)
|
||||||
|
session.phase = "collecting"
|
||||||
|
# 清空无效槽，避免一直卡在坏状态
|
||||||
|
session.slots = {}
|
||||||
|
first = next_slot_prompt(business_config.slots, session.slots)
|
||||||
|
if first:
|
||||||
|
reply = refuse_reply("off_topic", first["prompt"])
|
||||||
|
return _finish(session, reply, asking_slot=first["id"])
|
||||||
|
return _finish(session, reply)
|
||||||
|
|
||||||
|
scheme = {
|
||||||
|
"tech_line": decision.get("tech_line"),
|
||||||
|
"product_bundle": bundle,
|
||||||
|
"summary": decision.get("summary"),
|
||||||
|
"confidence": confidence,
|
||||||
|
"rule_id": decision.get("rule_id"),
|
||||||
|
"retrieval_backend": retrieval.backend,
|
||||||
|
"retrieval_warning": retrieval.warning,
|
||||||
|
"citations": [
|
||||||
|
{
|
||||||
|
"id": c.get("id"),
|
||||||
|
"title": c.get("title"),
|
||||||
|
"content": c.get("content"),
|
||||||
|
"score": c.get("score"),
|
||||||
|
}
|
||||||
|
for c in retrieval.chunks
|
||||||
|
],
|
||||||
|
"slots": dict(session.slots),
|
||||||
|
}
|
||||||
|
session.last_scheme = scheme
|
||||||
|
session.phase = "handoff" if need_handoff else "scheme_ready"
|
||||||
|
|
||||||
|
lines = [
|
||||||
|
business_config.closing_prompt,
|
||||||
|
"",
|
||||||
|
f"技术路线：{scheme['tech_line']}",
|
||||||
|
f"推荐组合：{', '.join(bundle)}",
|
||||||
|
f"说明：{scheme['summary']}",
|
||||||
|
f"置信度：{confidence:.0%}",
|
||||||
|
f"检索：{retrieval.backend}",
|
||||||
|
]
|
||||||
|
if retrieval.warning:
|
||||||
|
lines.append(f"注意：{retrieval.warning}")
|
||||||
|
if scheme["citations"]:
|
||||||
|
lines.append("")
|
||||||
|
lines.append("知识依据：")
|
||||||
|
for citation in scheme["citations"][:3]:
|
||||||
|
lines.append(f"- {citation['title']}：{citation['content']}")
|
||||||
|
else:
|
||||||
|
lines.append("")
|
||||||
|
lines.append("知识库未给出可引用片段，请勿把上述组合当成已确认报价。若问题超出资料范围，我无法保证回答准确。")
|
||||||
|
if need_handoff or retrieval.warning:
|
||||||
|
lines.append("")
|
||||||
|
lines.append("建议转人工确认后再发给客户。可在右侧留下称呼和电话。")
|
||||||
|
else:
|
||||||
|
lines.append("")
|
||||||
|
lines.append("可继续补充约束，或留下联系方式转销售确认。")
|
||||||
|
|
||||||
|
reply = "\n".join(lines)
|
||||||
|
return _finish(session, reply, scheme=scheme, need_handoff=need_handoff)
|
||||||
|
|
||||||
|
|
||||||
|
def _finish(
|
||||||
|
session: Session,
|
||||||
|
reply: str,
|
||||||
|
*,
|
||||||
|
asking_slot: str | None = None,
|
||||||
|
scheme: dict[str, Any] | None = None,
|
||||||
|
need_handoff: bool = False,
|
||||||
|
) -> dict[str, Any]:
|
||||||
|
session.messages.append({"role": "assistant", "content": reply})
|
||||||
|
store.touch(session)
|
||||||
|
return {
|
||||||
|
"session_id": session.id,
|
||||||
|
"reply": reply,
|
||||||
|
"phase": session.phase,
|
||||||
|
"slots": session.slots,
|
||||||
|
"asking_slot": asking_slot,
|
||||||
|
"scheme": scheme or session.last_scheme,
|
||||||
|
"need_handoff": need_handoff,
|
||||||
|
}
|
||||||
@@ -0,0 +1,128 @@
|
|||||||
|
from __future__ import annotations
|
||||||
|
|
||||||
|
import re
|
||||||
|
import uuid
|
||||||
|
from dataclasses import dataclass, field
|
||||||
|
from datetime import datetime, timezone
|
||||||
|
from typing import Any
|
||||||
|
|
||||||
|
|
||||||
|
def _now() -> str:
|
||||||
|
return datetime.now(timezone.utc).isoformat()
|
||||||
|
|
||||||
|
|
||||||
|
@dataclass
|
||||||
|
class Session:
|
||||||
|
id: str
|
||||||
|
slots: dict[str, str] = field(default_factory=dict)
|
||||||
|
messages: list[dict[str, Any]] = field(default_factory=list)
|
||||||
|
phase: str = "collecting" # collecting | scheme_ready | handoff
|
||||||
|
last_scheme: dict[str, Any] | None = None
|
||||||
|
created_at: str = field(default_factory=_now)
|
||||||
|
updated_at: str = field(default_factory=_now)
|
||||||
|
|
||||||
|
|
||||||
|
class SessionStore:
|
||||||
|
def __init__(self) -> None:
|
||||||
|
self._sessions: dict[str, Session] = {}
|
||||||
|
|
||||||
|
def create(self) -> Session:
|
||||||
|
session = Session(id=str(uuid.uuid4()))
|
||||||
|
self._sessions[session.id] = session
|
||||||
|
return session
|
||||||
|
|
||||||
|
def get(self, session_id: str) -> Session | None:
|
||||||
|
return self._sessions.get(session_id)
|
||||||
|
|
||||||
|
def touch(self, session: Session) -> None:
|
||||||
|
session.updated_at = _now()
|
||||||
|
|
||||||
|
|
||||||
|
store = SessionStore()
|
||||||
|
|
||||||
|
|
||||||
|
def looks_like_handoff(text: str, phrases: list[str]) -> bool:
|
||||||
|
t = text.strip().lower()
|
||||||
|
return any(p.lower() in t for p in phrases)
|
||||||
|
|
||||||
|
|
||||||
|
def naive_fill_slots(message: str, slots_meta: list[dict[str, Any]], current: dict[str, str]) -> dict[str, str]:
|
||||||
|
"""每轮通常只推进一个槽：先做明确关键词，再把整句写入当前优先空槽。"""
|
||||||
|
from .intent import should_write_slot
|
||||||
|
|
||||||
|
updated = dict(current)
|
||||||
|
text = message.strip()
|
||||||
|
if not text or not should_write_slot(text):
|
||||||
|
return updated
|
||||||
|
|
||||||
|
touched = False
|
||||||
|
|
||||||
|
def set_slot(slot_id: str, value: str) -> None:
|
||||||
|
nonlocal touched
|
||||||
|
if not updated.get(slot_id):
|
||||||
|
updated[slot_id] = value
|
||||||
|
touched = True
|
||||||
|
|
||||||
|
if re.search(r"TagPlus|USB|PDF", text, re.I):
|
||||||
|
set_slot("tech_category", "TagPlus USB多次记录")
|
||||||
|
elif re.search(r"BlueTag|蓝牙|不开箱", text, re.I):
|
||||||
|
set_slot("tech_category", "BlueTag蓝牙手机读数")
|
||||||
|
elif re.search(r"GAEA|网关|实时", text, re.I):
|
||||||
|
set_slot("tech_category", "GAEA网关实时仓储")
|
||||||
|
elif "不确定" in text:
|
||||||
|
set_slot("tech_category", "不确定")
|
||||||
|
|
||||||
|
if "产线" in text:
|
||||||
|
set_slot("scenario", "产线")
|
||||||
|
elif "户外" in text:
|
||||||
|
set_slot("scenario", "户外监测")
|
||||||
|
elif "实验室" in text:
|
||||||
|
set_slot("scenario", "实验室小仓")
|
||||||
|
elif any(k in text for k in ("冷库", "仓储", "仓库")):
|
||||||
|
set_slot("scenario", "冷库仓储")
|
||||||
|
elif any(k in text for k in ("冷链", "药品", "疫苗", "生鲜", "冷冻", "保温箱", "运输")):
|
||||||
|
set_slot("scenario", text if len(text) <= 40 else "冷链运输")
|
||||||
|
if "Fresh Tag" in text or "fresh tag" in text.lower():
|
||||||
|
set_slot("scenario", "冷链运输")
|
||||||
|
|
||||||
|
|
||||||
|
# 本轮若已通过关键词写入至少一个槽，就不再把整句灌进其它空槽
|
||||||
|
# 但允许多个关键词槽在同一轮同时写入（如「冷库+实时」）
|
||||||
|
if touched:
|
||||||
|
return updated
|
||||||
|
|
||||||
|
|
||||||
|
pending = sorted(
|
||||||
|
[s for s in slots_meta if s.get("required") and not updated.get(s["id"])],
|
||||||
|
key=lambda s: s.get("priority", 100),
|
||||||
|
)
|
||||||
|
if pending:
|
||||||
|
updated[pending[0]["id"]] = text
|
||||||
|
return updated
|
||||||
|
|
||||||
|
optional = sorted(
|
||||||
|
[s for s in slots_meta if not s.get("required") and not updated.get(s["id"])],
|
||||||
|
key=lambda s: s.get("priority", 100),
|
||||||
|
)
|
||||||
|
if optional:
|
||||||
|
updated[optional[0]["id"]] = text
|
||||||
|
return updated
|
||||||
|
|
||||||
|
|
||||||
|
def next_slot_prompt(slots_meta: list[dict[str, Any]], filled: dict[str, str]) -> dict[str, str] | None:
|
||||||
|
pending = sorted(
|
||||||
|
[s for s in slots_meta if s.get("required") and not (filled.get(s["id"]) or "").strip()],
|
||||||
|
key=lambda s: s.get("priority", 100),
|
||||||
|
)
|
||||||
|
if not pending:
|
||||||
|
# optional slots: ask once if empty
|
||||||
|
optional = sorted(
|
||||||
|
[s for s in slots_meta if not s.get("required") and not (filled.get(s["id"]) or "").strip()],
|
||||||
|
key=lambda s: s.get("priority", 100),
|
||||||
|
)
|
||||||
|
if optional:
|
||||||
|
s = optional[0]
|
||||||
|
return {"id": s["id"], "label": s["label"], "prompt": s["prompt"]}
|
||||||
|
return None
|
||||||
|
s = pending[0]
|
||||||
|
return {"id": s["id"], "label": s["label"], "prompt": s["prompt"]}
|
||||||
@@ -0,0 +1,24 @@
|
|||||||
|
from pathlib import Path
|
||||||
|
|
||||||
|
from pydantic_settings import BaseSettings, SettingsConfigDict
|
||||||
|
|
||||||
|
|
||||||
|
ROOT = Path(__file__).resolve().parents[2]
|
||||||
|
KNOWLEDGE_DIR = ROOT / "knowledge"
|
||||||
|
|
||||||
|
|
||||||
|
class Settings(BaseSettings):
|
||||||
|
model_config = SettingsConfigDict(env_file=str(ROOT / ".env"), extra="ignore")
|
||||||
|
|
||||||
|
app_name: str = "鲜境智能客服"
|
||||||
|
knowledge_dir: Path = KNOWLEDGE_DIR
|
||||||
|
retrieval_backend: str = "ragflow"
|
||||||
|
ragflow_base_url: str = "http://127.0.0.1:9380"
|
||||||
|
ragflow_api_key: str = ""
|
||||||
|
ragflow_dataset_ids: str = ""
|
||||||
|
ragflow_web_url: str = "http://127.0.0.1:18080"
|
||||||
|
ragflow_email: str = "admin@xianjing.local"
|
||||||
|
ragflow_password: str = "XianjingDemo2026"
|
||||||
|
|
||||||
|
|
||||||
|
settings = Settings()
|
||||||
@@ -0,0 +1,144 @@
|
|||||||
|
let sessionId = null;
|
||||||
|
|
||||||
|
const logEl = document.getElementById("log");
|
||||||
|
const slotsEl = document.getElementById("slots");
|
||||||
|
const schemeEl = document.getElementById("scheme");
|
||||||
|
const metaEl = document.getElementById("meta");
|
||||||
|
const form = document.getElementById("form");
|
||||||
|
const input = document.getElementById("input");
|
||||||
|
const statusEl = document.getElementById("status");
|
||||||
|
|
||||||
|
function addBubble(role, text) {
|
||||||
|
const div = document.createElement("div");
|
||||||
|
div.className = `bubble ${role}`;
|
||||||
|
div.textContent = text;
|
||||||
|
logEl.appendChild(div);
|
||||||
|
logEl.scrollTop = logEl.scrollHeight;
|
||||||
|
}
|
||||||
|
|
||||||
|
async function ensureSession() {
|
||||||
|
if (sessionId) return sessionId;
|
||||||
|
const res = await fetch("/api/sessions", { method: "POST" });
|
||||||
|
const data = await res.json();
|
||||||
|
sessionId = data.session_id;
|
||||||
|
metaEl.textContent = `会话 ${sessionId.slice(0, 8)}`;
|
||||||
|
return sessionId;
|
||||||
|
}
|
||||||
|
|
||||||
|
async function sendMessage(message) {
|
||||||
|
await ensureSession();
|
||||||
|
addBubble("user", message);
|
||||||
|
const res = await fetch("/api/chat", {
|
||||||
|
method: "POST",
|
||||||
|
headers: { "Content-Type": "application/json" },
|
||||||
|
body: JSON.stringify({ session_id: sessionId, message }),
|
||||||
|
});
|
||||||
|
if (!res.ok) {
|
||||||
|
addBubble("bot", `请求失败：${res.status}`);
|
||||||
|
return;
|
||||||
|
}
|
||||||
|
const data = await res.json();
|
||||||
|
addBubble("bot", data.reply);
|
||||||
|
slotsEl.textContent = JSON.stringify(data.slots || {}, null, 2);
|
||||||
|
schemeEl.textContent = data.scheme ? JSON.stringify(data.scheme, null, 2) : "还没到出方案这一步";
|
||||||
|
metaEl.textContent = `会话 ${sessionId.slice(0, 8)} · ${data.phase}`;
|
||||||
|
}
|
||||||
|
|
||||||
|
form.addEventListener("submit", async (event) => {
|
||||||
|
event.preventDefault();
|
||||||
|
const text = input.value.trim();
|
||||||
|
if (!text) return;
|
||||||
|
input.value = "";
|
||||||
|
form.querySelector("button").disabled = true;
|
||||||
|
try {
|
||||||
|
await sendMessage(text);
|
||||||
|
} finally {
|
||||||
|
form.querySelector("button").disabled = false;
|
||||||
|
input.focus();
|
||||||
|
}
|
||||||
|
});
|
||||||
|
|
||||||
|
document.getElementById("reset").addEventListener("click", () => {
|
||||||
|
sessionId = null;
|
||||||
|
logEl.innerHTML = "";
|
||||||
|
slotsEl.textContent = "{}";
|
||||||
|
schemeEl.textContent = "还没到出方案这一步";
|
||||||
|
metaEl.textContent = "";
|
||||||
|
addBubble("bot", "新会话。可以直接说：「产线检测，偏向 B 类」。");
|
||||||
|
input.focus();
|
||||||
|
});
|
||||||
|
|
||||||
|
document.getElementById("handoff").addEventListener("submit", async (event) => {
|
||||||
|
event.preventDefault();
|
||||||
|
const msg = document.getElementById("handoff-msg");
|
||||||
|
if (!sessionId) {
|
||||||
|
msg.textContent = "请先开始一段咨询。";
|
||||||
|
return;
|
||||||
|
}
|
||||||
|
const body = Object.fromEntries(new FormData(event.target).entries());
|
||||||
|
const res = await fetch("/api/handoff", {
|
||||||
|
method: "POST",
|
||||||
|
headers: { "Content-Type": "application/json" },
|
||||||
|
body: JSON.stringify({ session_id: sessionId, ...body }),
|
||||||
|
});
|
||||||
|
const data = await res.json();
|
||||||
|
msg.textContent = res.ok ? `已记录，编号 ${data.lead_id}` : "提交失败";
|
||||||
|
if (res.ok) loadLeads();
|
||||||
|
});
|
||||||
|
|
||||||
|
document.querySelectorAll(".tab").forEach((button) => {
|
||||||
|
button.addEventListener("click", () => {
|
||||||
|
document.querySelectorAll(".tab").forEach((item) => item.classList.remove("active"));
|
||||||
|
document.querySelectorAll(".pane").forEach((item) => item.classList.remove("active"));
|
||||||
|
button.classList.add("active");
|
||||||
|
document.getElementById(button.dataset.tab).classList.add("active");
|
||||||
|
if (button.dataset.tab === "knowledge") loadKnowledge();
|
||||||
|
if (button.dataset.tab === "leads") loadLeads();
|
||||||
|
});
|
||||||
|
});
|
||||||
|
|
||||||
|
async function loadHealth() {
|
||||||
|
try {
|
||||||
|
const data = await (await fetch("/api/health")).json();
|
||||||
|
const ragOk = data.ragflow && data.ragflow.ok && data.dataset_ids_configured;
|
||||||
|
statusEl.textContent = ragOk ? "Ragflow 已接入" : "Ragflow 未就绪，出方案时会标明检索失败";
|
||||||
|
statusEl.className = `status ${ragOk ? "ok" : "bad"}`;
|
||||||
|
if (data.ragflow_web) document.getElementById("ragflow-link").href = data.ragflow_web;
|
||||||
|
} catch {
|
||||||
|
statusEl.textContent = "咨询服务未连通";
|
||||||
|
statusEl.className = "status bad";
|
||||||
|
}
|
||||||
|
}
|
||||||
|
|
||||||
|
async function loadKnowledge() {
|
||||||
|
const box = document.getElementById("ragflow-status");
|
||||||
|
const files = document.getElementById("files");
|
||||||
|
const status = await (await fetch("/api/ragflow/status")).json();
|
||||||
|
box.textContent = JSON.stringify(status, null, 2);
|
||||||
|
const list = await (await fetch("/api/knowledge/files")).json();
|
||||||
|
files.innerHTML = "";
|
||||||
|
(list.files || []).forEach((file) => {
|
||||||
|
const li = document.createElement("li");
|
||||||
|
li.textContent = `${file.name} · ${file.bytes} 字节`;
|
||||||
|
files.appendChild(li);
|
||||||
|
});
|
||||||
|
}
|
||||||
|
|
||||||
|
async function loadLeads() {
|
||||||
|
const box = document.getElementById("lead-list");
|
||||||
|
const data = await (await fetch("/api/leads")).json();
|
||||||
|
if (!data.leads || !data.leads.length) {
|
||||||
|
box.textContent = "暂无";
|
||||||
|
return;
|
||||||
|
}
|
||||||
|
box.innerHTML = "";
|
||||||
|
data.leads.forEach((lead) => {
|
||||||
|
const div = document.createElement("div");
|
||||||
|
div.className = "lead";
|
||||||
|
div.textContent = `#${lead.id} ${lead.name} ${lead.phone} · ${lead.note || "无备注"} · ${lead.created_at}`;
|
||||||
|
box.appendChild(div);
|
||||||
|
});
|
||||||
|
}
|
||||||
|
|
||||||
|
addBubble("bot", "你好，我是鲜境方案客服。先问清技术路线和场景，再给出产品组合草稿，并附上知识库依据。\n试试：「户外监测，指标还不确定」。");
|
||||||
|
loadHealth();
|
||||||
@@ -0,0 +1,79 @@
|
|||||||
|
<!DOCTYPE html>
|
||||||
|
<html lang="zh-CN">
|
||||||
|
<head>
|
||||||
|
<meta charset="UTF-8" />
|
||||||
|
<meta name="viewport" content="width=device-width, initial-scale=1" />
|
||||||
|
<title>鲜境智能客服</title>
|
||||||
|
<link rel="preconnect" href="https://fonts.googleapis.com" />
|
||||||
|
<link rel="preconnect" href="https://fonts.gstatic.com" crossorigin />
|
||||||
|
<link href="https://fonts.googleapis.com/css2?family=DM+Sans:wght@500;700&family=Noto+Sans+SC:wght@400;500;700&display=swap" rel="stylesheet" />
|
||||||
|
<link rel="stylesheet" href="/static/styles.css" />
|
||||||
|
</head>
|
||||||
|
<body>
|
||||||
|
<div class="shell">
|
||||||
|
<header class="top">
|
||||||
|
<div>
|
||||||
|
<p class="brand">鲜境物联</p>
|
||||||
|
<h1>方案型智能客服</h1>
|
||||||
|
</div>
|
||||||
|
<div class="status" id="status">正在检查知识库…</div>
|
||||||
|
</header>
|
||||||
|
|
||||||
|
<nav class="tabs">
|
||||||
|
<button type="button" class="tab active" data-tab="consult">线上咨询</button>
|
||||||
|
<button type="button" class="tab" data-tab="knowledge">知识库</button>
|
||||||
|
<button type="button" class="tab" data-tab="leads">留资</button>
|
||||||
|
</nav>
|
||||||
|
|
||||||
|
<section id="consult" class="pane active">
|
||||||
|
<div class="layout">
|
||||||
|
<section class="panel chat">
|
||||||
|
<div id="log" class="log" aria-live="polite"></div>
|
||||||
|
<form id="form" class="composer">
|
||||||
|
<input id="input" type="text" placeholder="描述现场需求，或回答追问" autocomplete="off" required />
|
||||||
|
<button type="submit">发送</button>
|
||||||
|
</form>
|
||||||
|
<div class="toolbar">
|
||||||
|
<button type="button" id="reset" class="ghost">新会话</button>
|
||||||
|
<span id="meta" class="meta"></span>
|
||||||
|
</div>
|
||||||
|
</section>
|
||||||
|
<aside class="panel side">
|
||||||
|
<h2>已收集信息</h2>
|
||||||
|
<pre id="slots">{}</pre>
|
||||||
|
<h2>方案草稿</h2>
|
||||||
|
<pre id="scheme">还没到出方案这一步</pre>
|
||||||
|
<h2>转人工留资</h2>
|
||||||
|
<form id="handoff" class="stack">
|
||||||
|
<input name="name" placeholder="称呼" required />
|
||||||
|
<input name="phone" placeholder="电话" required />
|
||||||
|
<textarea name="note" rows="2" placeholder="补充说明，可选"></textarea>
|
||||||
|
<button type="submit">提交给销售</button>
|
||||||
|
<p id="handoff-msg" class="meta"></p>
|
||||||
|
</form>
|
||||||
|
</aside>
|
||||||
|
</div>
|
||||||
|
</section>
|
||||||
|
|
||||||
|
<section id="knowledge" class="pane">
|
||||||
|
<div class="panel pad">
|
||||||
|
<h2>Ragflow 知识库</h2>
|
||||||
|
<p class="lede">检索走自托管 Ragflow。控制台可改文档、看召回；这里只看接入状态。示例资料待甲方替换。</p>
|
||||||
|
<p><a id="ragflow-link" href="http://127.0.0.1:18080" target="_blank" rel="noreferrer">打开 Ragflow 控制台</a></p>
|
||||||
|
<pre id="ragflow-status">加载中</pre>
|
||||||
|
<h2>本地语料（灌库来源）</h2>
|
||||||
|
<ul id="files"></ul>
|
||||||
|
</div>
|
||||||
|
</section>
|
||||||
|
|
||||||
|
<section id="leads" class="pane">
|
||||||
|
<div class="panel pad">
|
||||||
|
<h2>已留资</h2>
|
||||||
|
<p class="lede">演示库存在本机 SQLite，不是正式 CRM。</p>
|
||||||
|
<div id="lead-list" class="lead-list">暂无</div>
|
||||||
|
</div>
|
||||||
|
</section>
|
||||||
|
</div>
|
||||||
|
<script src="/static/app.js"></script>
|
||||||
|
</body>
|
||||||
|
</html>
|
||||||
@@ -0,0 +1,75 @@
|
|||||||
|
:root {
|
||||||
|
--bg0: #10211a;
|
||||||
|
--bg1: #1b3b2c;
|
||||||
|
--panel: #f6f8f4;
|
||||||
|
--ink: #14231c;
|
||||||
|
--muted: #5d7368;
|
||||||
|
--accent: #1d7a4d;
|
||||||
|
--line: rgba(20, 35, 28, 0.12);
|
||||||
|
--bot: #e7f3eb;
|
||||||
|
}
|
||||||
|
|
||||||
|
* { box-sizing: border-box; }
|
||||||
|
body {
|
||||||
|
margin: 0;
|
||||||
|
min-height: 100vh;
|
||||||
|
color: var(--ink);
|
||||||
|
font-family: "Noto Sans SC", "DM Sans", sans-serif;
|
||||||
|
background:
|
||||||
|
radial-gradient(900px 480px at 0% 0%, #3d7a58 0%, transparent 55%),
|
||||||
|
linear-gradient(165deg, var(--bg0), var(--bg1));
|
||||||
|
}
|
||||||
|
.shell { max-width: 1120px; margin: 0 auto; padding: 24px 16px 40px; }
|
||||||
|
.top { display: flex; justify-content: space-between; gap: 16px; align-items: flex-end; color: #f4faf6; }
|
||||||
|
.brand { margin: 0; font-family: "DM Sans", sans-serif; letter-spacing: 0.08em; font-size: 13px; color: #c6ef7a; }
|
||||||
|
.top h1 { margin: 4px 0 0; font-size: clamp(1.5rem, 3vw, 2rem); }
|
||||||
|
.status { font-size: 13px; padding: 8px 12px; border-radius: 999px; background: rgba(0,0,0,0.25); }
|
||||||
|
.status.ok { background: #1d7a4d; }
|
||||||
|
.status.bad { background: #8a3b2d; }
|
||||||
|
|
||||||
|
.tabs { display: flex; gap: 8px; margin: 18px 0; }
|
||||||
|
.tab {
|
||||||
|
border: 0; background: rgba(255,255,255,0.12); color: #f4faf6;
|
||||||
|
border-radius: 999px; padding: 8px 14px; font: inherit; cursor: pointer;
|
||||||
|
}
|
||||||
|
.tab.active { background: #f6f8f4; color: var(--ink); }
|
||||||
|
|
||||||
|
.pane { display: none; }
|
||||||
|
.pane.active { display: block; }
|
||||||
|
.layout { display: grid; grid-template-columns: 1.45fr 0.9fr; gap: 14px; }
|
||||||
|
@media (max-width: 860px) { .layout { grid-template-columns: 1fr; } }
|
||||||
|
|
||||||
|
.panel {
|
||||||
|
background: var(--panel);
|
||||||
|
border-radius: 18px;
|
||||||
|
box-shadow: 0 16px 40px rgba(0,0,0,0.18);
|
||||||
|
}
|
||||||
|
.chat { display: flex; flex-direction: column; min-height: 560px; }
|
||||||
|
.log { flex: 1; overflow: auto; padding: 16px; display: flex; flex-direction: column; gap: 10px; }
|
||||||
|
.bubble { max-width: 92%; padding: 10px 12px; border-radius: 12px; white-space: pre-wrap; line-height: 1.5; font-size: 14px; }
|
||||||
|
.bubble.bot { align-self: flex-start; background: var(--bot); }
|
||||||
|
.bubble.user { align-self: flex-end; background: var(--accent); color: white; }
|
||||||
|
.composer { display: flex; gap: 8px; padding: 12px; border-top: 1px solid var(--line); }
|
||||||
|
.composer input, .stack input, .stack textarea {
|
||||||
|
width: 100%; border: 1px solid var(--line); border-radius: 10px; padding: 11px 12px; font: inherit;
|
||||||
|
}
|
||||||
|
.composer button, .stack button, .ghost {
|
||||||
|
border: 0; border-radius: 10px; padding: 11px 14px; font: inherit; font-weight: 600; cursor: pointer;
|
||||||
|
}
|
||||||
|
.composer button, .stack button { background: var(--accent); color: white; }
|
||||||
|
.ghost { background: transparent; color: var(--accent); border: 1px solid var(--line); }
|
||||||
|
.toolbar { display: flex; justify-content: space-between; align-items: center; padding: 0 12px 12px; }
|
||||||
|
.meta, .lede { color: var(--muted); font-size: 13px; }
|
||||||
|
.side, .pad { padding: 16px; }
|
||||||
|
.side h2, .pad h2 { margin: 14px 0 8px; font-size: 13px; letter-spacing: 0.04em; color: var(--muted); }
|
||||||
|
.side h2:first-child, .pad h2:first-child { margin-top: 0; }
|
||||||
|
pre {
|
||||||
|
margin: 0; padding: 10px; background: #eef5f0; border-radius: 10px;
|
||||||
|
font-size: 12px; overflow: auto; max-height: 180px; white-space: pre-wrap;
|
||||||
|
}
|
||||||
|
.stack { display: grid; gap: 8px; }
|
||||||
|
.lead-list { display: grid; gap: 8px; }
|
||||||
|
.lead {
|
||||||
|
padding: 10px 12px; border-radius: 10px; background: #eef5f0; font-size: 14px;
|
||||||
|
}
|
||||||
|
a { color: var(--accent); }
|
||||||
@@ -0,0 +1,8 @@
|
|||||||
|
fastapi==0.115.6
|
||||||
|
uvicorn[standard]==0.32.1
|
||||||
|
pydantic==2.10.3
|
||||||
|
pydantic-settings==2.6.1
|
||||||
|
pyyaml==6.0.2
|
||||||
|
httpx==0.28.1
|
||||||
|
python-multipart==0.0.20
|
||||||
|
pycryptodome==3.21.0
|
||||||
@@ -0,0 +1,9 @@
|
|||||||
|
-----BEGIN PUBLIC KEY-----
|
||||||
|
MIIBIjANBgkqhkiG9w0BAQEFAAOCAQ8AMIIBCgKCAQEArq9XTUSeYr2+N1h3Afl/
|
||||||
|
z8Dse/2yD0ZGrKwx+EEEcdsBLca9Ynmx3nIB5obmLlSfmskLpBo0UACBmB5rEjBp
|
||||||
|
2Q2f3AG3Hjd4B+gNCG6BDaawuDlgANIhGnaTLrIqWrrcm4EMzJOnAOI1fgzJRsOO
|
||||||
|
UEfaS318Eq9OVO3apEyCCt0lOQK6PuksduOjVxtltDav+guVAA068NrPYmRNabVK
|
||||||
|
RNLJpL8w4D44sfth5RvZ3q9t+6RTArpEtc5sh5ChzvqPOzKGMXW83C95TxmXqpbK
|
||||||
|
6olN4RevSfVjEAgCydH6HN6OhtOQEcnrU97r9H0iZOWwbw3pVrZiUkuRD1R56Wzs
|
||||||
|
2wIDAQAB
|
||||||
|
-----END PUBLIC KEY-----
|
||||||
@@ -0,0 +1,17 @@
|
|||||||
|
# 鲜境示例资料 · 常见询盘
|
||||||
|
|
||||||
|
## 下班后没人回怎么办
|
||||||
|
|
||||||
|
线上咨询由本系统 7×24 接待。答不上、置信度低、或客户要求人工时，留下称呼和电话，销售在工作时间跟进。
|
||||||
|
|
||||||
|
## 你们是卖设备还是卖方案
|
||||||
|
|
||||||
|
鲜境是卖方案。先判断走传感监测还是控制联动，再给产品组合，而不是一问一答式报价单。
|
||||||
|
|
||||||
|
## 能不能先给个大概价格
|
||||||
|
|
||||||
|
演示知识库没有价格。价格、折扣、交期一律转人工，不得估算。
|
||||||
|
|
||||||
|
## 资料里没有的参数
|
||||||
|
|
||||||
|
回复「资料未覆盖，需要工程师确认」，不要用常识补全型号参数。
|
||||||
@@ -0,0 +1,54 @@
|
|||||||
|
# 鲜境物联 · 公司与首页主推产品（官网样例）
|
||||||
|
|
||||||
|
> 来源：https://www.freshliance.com/
|
||||||
|
> 公司：郑州鲜境电子有限公司（Zhengzhou Freshliance Electronics Corp., Ltd.）
|
||||||
|
> 成立：2015 年；质量管理：ISO9000 体系认证企业（官网表述）
|
||||||
|
|
||||||
|
## 公司定位
|
||||||
|
|
||||||
|
专注物联网温湿度数据记录仪，以及冷链在线环境监测与追踪方案的研发、制造与供应。重点服务生命科学、医药、果蔬、食品等冷链运输与仓储场景。
|
||||||
|
|
||||||
|
官网承诺方向：感知、监测、记录、连接（sensing / monitoring / logging），为冷链环境变化提供可追溯记录。
|
||||||
|
|
||||||
|
联系邮箱（官网）：inquiry@freshliance.com
|
||||||
|
|
||||||
|
## 首页主推产品线
|
||||||
|
|
||||||
|
### 1. TagPlus-T Temperature Data Loggers
|
||||||
|
|
||||||
|
- 多次使用（multi-use）USB 温度记录仪
|
||||||
|
- 带 LCD，便于现场查看
|
||||||
|
- 参数可配置；行程结束后插电脑生成加密报告（含摘要、曲线、表格）
|
||||||
|
- 支持临时读取模式：生成临时报告后仍可继续记录
|
||||||
|
- 适合运输途中对温敏货物做温度变化记录
|
||||||
|
|
||||||
|
### 2. BlueTag T10 Bluetooth Temperature Data Logger
|
||||||
|
|
||||||
|
- 蓝牙温度记录仪，体积小、便携
|
||||||
|
- 通过手机 APP 远程配置、查看与导出，无需开箱/开柜/开集装箱
|
||||||
|
- 数据可同步云端，支持多用户同时在线查看
|
||||||
|
- APP 提供分析、筛选、曲线、报警等能力
|
||||||
|
- 适合冷链物流、疫苗运输、生鲜配送、冷藏运输、保温箱运输等
|
||||||
|
|
||||||
|
### 3. GAEA Series G1000 4G/WiFi/LAN Bluetooth Gateway
|
||||||
|
|
||||||
|
- 面向小面积仓储等场景的实时温湿度监测网关
|
||||||
|
- 网络接口可选 4G / WiFi / LAN（下单时按需求配置）
|
||||||
|
- 通过蓝牙汇聚现场记录仪数据，再上传云平台
|
||||||
|
- 可与 BlueTag 系列配合，构成实时监测系统；官网称可连接多达约 30 个传感器（G1000-S 相关页）
|
||||||
|
- 断网时终端可继续本地记录，恢复网络后补传
|
||||||
|
|
||||||
|
## 官网服务能力（SERVICE）
|
||||||
|
|
||||||
|
1. **API service**
|
||||||
|
简单易用；可与 IoT 平台集成；可把实时与历史传感数据拉到自有网站或看板做分析与集中管理。
|
||||||
|
|
||||||
|
2. **Tailored Solutions（定制方案）**
|
||||||
|
IoT 平台集成、远程实时洞察与告警、自动数据处理与报告、多地点设备集中管理、基于角色的多级权限；官网提及符合 FDA 21 CFR Part 11。
|
||||||
|
|
||||||
|
3. **Configuration Download**
|
||||||
|
提供记录仪对应的软件、手机 APP、云平台；用于配置与激活、数据可视化管理、PDF/CSV 报告生成与下载。
|
||||||
|
|
||||||
|
## 对外边界
|
||||||
|
|
||||||
|
本样例仅整理官网首页及首页关联产品公开信息。价格、交期、折扣、具体认证报告编号不在此承诺，客户追问转销售（inquiry@freshliance.com）。
|
||||||
@@ -0,0 +1,61 @@
|
|||||||
|
# 鲜境物联 · 首页产品选型说明（样例）
|
||||||
|
|
||||||
|
> 依据 https://www.freshliance.com/ 首页主推的 TagPlus-T、BlueTag T10、GAEA G1000，整理咨询时如何判定路线。
|
||||||
|
> 目标：先判断「运输记录 / 蓝牙查数 / 仓储实时」，再推荐对应产品组合。
|
||||||
|
|
||||||
|
## 三条主路线
|
||||||
|
|
||||||
|
| 客户需求关键词 | 推荐方向 | 首页对应产品 |
|
||||||
|
|----------------|----------|--------------|
|
||||||
|
| USB 插电脑出报告、可重复用、运输途中看数/到货出 PDF | 多次使用 USB 记录 | **TagPlus-T** |
|
||||||
|
| 不开箱用手机看温度、蓝牙配置、多用户同步 | 蓝牙记录 + APP | **BlueTag T10** |
|
||||||
|
| 冷库/小仓实时看数、云端告警、多探头汇聚 | 网关 + 蓝牙终端 | **GAEA G1000 + BlueTag 系列** |
|
||||||
|
|
||||||
|
## 追问槽位（客服必问）
|
||||||
|
|
||||||
|
1. 场景：运输途中，还是库房/冷柜长期监测？
|
||||||
|
2. 取数方式：到货插电脑出报告，还是手机/云端随时看？
|
||||||
|
3. 是否需要实时告警（短信/邮件/APP）？
|
||||||
|
4. 是否多次重复使用，还是单次行程一次性？
|
||||||
|
5. 网络条件：现场有 WiFi/LAN，还是需要 4G？
|
||||||
|
6. 是否要对接自有系统（API / 私有云 / ERP/WMS）？
|
||||||
|
|
||||||
|
## 判定建议
|
||||||
|
|
||||||
|
### A. 推荐 TagPlus-T
|
||||||
|
|
||||||
|
- 客户说：冷链运输、到货要 PDF/CSV、希望可配置、可多次用、有屏幕看当前温度
|
||||||
|
- 强调：加密报告、临时读取后可继续记、适合温敏货在途记录
|
||||||
|
|
||||||
|
### B. 推荐 BlueTag T10
|
||||||
|
|
||||||
|
- 客户说：不想开箱读数、手机 APP 配置、疫苗/生鲜/保温箱运输、多人同时看数据
|
||||||
|
- 强调：蓝牙无线读数、云端同步、分析与报警
|
||||||
|
|
||||||
|
### C. 推荐 GAEA G1000（常与 BlueTag 组合）
|
||||||
|
|
||||||
|
- 客户说：冷库、实验室小仓、小面积仓储要实时温湿度、要远程告警、要集中管理多点
|
||||||
|
- 强调：4G/WiFi/LAN 可选、蓝牙汇聚多终端、断点续传、APP FreshLink / 云平台
|
||||||
|
|
||||||
|
### D. 服务加项
|
||||||
|
|
||||||
|
- 要对接自有看板/系统 → 介绍 **API service**
|
||||||
|
- 要多仓权限、自动报告、Part 11 合规诉求 → 介绍 **Tailored Solutions**
|
||||||
|
- 只要软件/APP/配置工具 → 介绍 **Configuration Download**
|
||||||
|
|
||||||
|
## 不要硬推的情况
|
||||||
|
|
||||||
|
- 只要一次性极低成本 USB、不关心重复使用 → 不要只推 TagPlus-T，转人工核对是否有一次性系列
|
||||||
|
- 大面积厂区复杂组网、无官网明确型号覆盖 → 转人工做定制评估
|
||||||
|
- 价格、交期、合同条款 → 一律转销售，邮箱 inquiry@freshliance.com
|
||||||
|
|
||||||
|
## 咨询话术示例
|
||||||
|
|
||||||
|
客户：「我们药品冷链运输，到货要出报告。」
|
||||||
|
→ 先确认是否可重复使用、要不要屏幕；倾向 **TagPlus-T**。
|
||||||
|
|
||||||
|
客户：「保温箱运输，不能开箱，司机用手机看温度。」
|
||||||
|
→ 倾向 **BlueTag T10**。
|
||||||
|
|
||||||
|
客户：「小冷库要 7×24 实时看，断网还能补数据。」
|
||||||
|
→ 倾向 **GAEA G1000 + BlueTag**，并确认 WiFi/4G/LAN。
|
||||||
@@ -0,0 +1,13 @@
|
|||||||
|
# 鲜境示例资料 · 对外边界
|
||||||
|
|
||||||
|
## 敏感与承诺
|
||||||
|
|
||||||
|
- 不报未入库的精度、认证、交期、折扣、质保年限。
|
||||||
|
- 客户留下的电话只用于本次跟进，回复中不得复述其他客户信息。
|
||||||
|
- 价格一律转人工。
|
||||||
|
|
||||||
|
## 转人工触发
|
||||||
|
|
||||||
|
- 客户明确说转人工、找销售、要真人。
|
||||||
|
- 判定置信度低于 0.55。
|
||||||
|
- 知识库没有命中依据却被追问具体参数。
|
||||||
@@ -0,0 +1,28 @@
|
|||||||
|
# 鲜境示例资料 · A 类传感监测
|
||||||
|
|
||||||
|
> 本文件是演示知识，型号与参数为占位。正式上线前替换为甲方产品手册。未写入本库的参数，客服不得对外承诺。
|
||||||
|
|
||||||
|
## 技术路线
|
||||||
|
|
||||||
|
A 类面向监测与数据采集：现场传感器采集、网关汇聚、远程查看。典型客户说的是「要看数据、要报警、要远程」，而不是「要联动产线设备」。
|
||||||
|
|
||||||
|
## 推荐组合
|
||||||
|
|
||||||
|
- 主机：XJ-A100
|
||||||
|
- 网关：XJ-A-GW
|
||||||
|
|
||||||
|
XJ-A100 适用于户外与环境监测，宽温工作，需配合 XJ-A-GW 做多节点汇聚与协议转换。不要单独报主机而不报网关。
|
||||||
|
|
||||||
|
## 适用场景
|
||||||
|
|
||||||
|
- 户外监测
|
||||||
|
- 环境采集
|
||||||
|
- 实验室标定（轻量）
|
||||||
|
|
||||||
|
## 必问再确认
|
||||||
|
|
||||||
|
防护等级、供电方式、是否已有采集平台。这三项资料未齐时，只能给草稿，建议转销售确认。
|
||||||
|
|
||||||
|
## 不适合
|
||||||
|
|
||||||
|
产线设备联动、大量 IO 点位、本地逻辑控制。这些走 B 类控制路线。
|
||||||
@@ -0,0 +1,28 @@
|
|||||||
|
# 鲜境示例资料 · B 类控制联动
|
||||||
|
|
||||||
|
> 本文件是演示知识，型号与参数为占位。正式上线前替换为甲方产品手册。未写入本库的参数，客服不得对外承诺。
|
||||||
|
|
||||||
|
## 技术路线
|
||||||
|
|
||||||
|
B 类面向产线与设备控制：本地逻辑、IO 扩展、与已有设备联动。客户常说「要控设备、要对接点位、要跟产线走」。
|
||||||
|
|
||||||
|
## 推荐组合
|
||||||
|
|
||||||
|
- 控制主机：XJ-B200
|
||||||
|
- IO 扩展：XJ-B-IO
|
||||||
|
|
||||||
|
XJ-B200 支持本地逻辑与扩展 IO。XJ-B-IO 用于增加数字量或模拟量通道，应与 XJ-B200 配套报价，不要只报扩展模块。
|
||||||
|
|
||||||
|
## 适用场景
|
||||||
|
|
||||||
|
- 产线检测
|
||||||
|
- 设备联动
|
||||||
|
- 现场控制柜改造
|
||||||
|
|
||||||
|
## 必问再确认
|
||||||
|
|
||||||
|
点位数量、已有 PLC 或上位机、安装空间、是否需要改造停电窗口。
|
||||||
|
|
||||||
|
## 不适合
|
||||||
|
|
||||||
|
纯远程环境监测、只要看数不要控制。这些走 A 类传感路线。
|
||||||
@@ -0,0 +1,22 @@
|
|||||||
|
# 鲜境示例资料 · 方案判定说明
|
||||||
|
|
||||||
|
> 演示用判定说明，与 knowledge/decision_tree.yaml 一致。业务专家确认后以 YAML 为准。
|
||||||
|
|
||||||
|
## 先问再出方案
|
||||||
|
|
||||||
|
1. 技术大类倾向：A 类传感 / B 类控制 / 不确定
|
||||||
|
2. 应用场景：产线、户外、实验室等
|
||||||
|
3. 关键指标：量程、精度、点位或响应时间；没有就记「暂无」
|
||||||
|
4. 现场约束：空间、已有设备、预算、交付区域；没有就记「暂无」
|
||||||
|
|
||||||
|
## 判定顺序
|
||||||
|
|
||||||
|
1. 客户明确要 A 类或传感：推荐 XJ-A100 + XJ-A-GW
|
||||||
|
2. 客户明确要 B 类或控制：推荐 XJ-B200 + XJ-B-IO
|
||||||
|
3. 未指定大类但场景是产线：先按 B 类给草稿，并写明需人工确认
|
||||||
|
4. 未指定大类但场景是户外监测：先按 A 类给草稿，并写明需确认防护与供电
|
||||||
|
5. 以上都不像：不要硬推型号，转人工
|
||||||
|
|
||||||
|
## 对外话术边界
|
||||||
|
|
||||||
|
方案正文只能复述知识库里出现过的事实。客户追问具体认证、交期、折扣时，一律转销售，不编造。
|
||||||
@@ -0,0 +1,147 @@
|
|||||||
|
# 判定树：对齐 freshliance.com 首页主推产品
|
||||||
|
version: 1
|
||||||
|
|
||||||
|
rules:
|
||||||
|
- id: tagplus_explicit
|
||||||
|
order: 5
|
||||||
|
description: 明确要 TagPlus / USB 多次记录 / 到货 PDF
|
||||||
|
when_all:
|
||||||
|
- type: slot_contains
|
||||||
|
slot: tech_category
|
||||||
|
value: TagPlus
|
||||||
|
then:
|
||||||
|
product_bundle: ["TagPlus-T"]
|
||||||
|
tech_line: 多次使用USB温度记录
|
||||||
|
summary: 按官网首页主推匹配 TagPlus-T：可配置、LCD、USB 加密 PDF/CSV，适合运输途中温敏货记录。
|
||||||
|
confidence: 0.88
|
||||||
|
|
||||||
|
- id: usb_pdf_transport
|
||||||
|
order: 8
|
||||||
|
description: USB/PDF/到货报告 + 运输
|
||||||
|
when_all:
|
||||||
|
- type: slot_contains
|
||||||
|
slot: key_metric
|
||||||
|
value: PDF
|
||||||
|
then:
|
||||||
|
product_bundle: ["TagPlus-T"]
|
||||||
|
tech_line: 多次使用USB温度记录
|
||||||
|
summary: 需要到货 PDF/报告时，优先推荐 TagPlus-T（首页主推 USB 温度记录仪）。
|
||||||
|
confidence: 0.82
|
||||||
|
|
||||||
|
- id: bluetag_explicit
|
||||||
|
order: 10
|
||||||
|
description: 明确要蓝牙 / BlueTag / 不开箱
|
||||||
|
when_all:
|
||||||
|
- type: slot_contains
|
||||||
|
slot: tech_category
|
||||||
|
value: BlueTag
|
||||||
|
then:
|
||||||
|
product_bundle: ["BlueTag T10"]
|
||||||
|
tech_line: 蓝牙温度记录
|
||||||
|
summary: 按官网首页主推匹配 BlueTag T10：蓝牙+APP 配置与读数，适合不开箱查看。
|
||||||
|
confidence: 0.88
|
||||||
|
|
||||||
|
- id: no_open_box
|
||||||
|
order: 12
|
||||||
|
description: 不开箱 / 手机读数
|
||||||
|
when_all:
|
||||||
|
- type: slot_contains
|
||||||
|
slot: key_metric
|
||||||
|
value: 不开箱
|
||||||
|
then:
|
||||||
|
product_bundle: ["BlueTag T10"]
|
||||||
|
tech_line: 蓝牙温度记录
|
||||||
|
summary: 需要不开箱读数时推荐 BlueTag T10；若还要仓储实时汇聚，可再评估加 GAEA 网关。
|
||||||
|
confidence: 0.84
|
||||||
|
|
||||||
|
- id: gaea_explicit
|
||||||
|
order: 14
|
||||||
|
description: 明确要网关 / GAEA / 实时仓储
|
||||||
|
when_all:
|
||||||
|
- type: slot_contains
|
||||||
|
slot: tech_category
|
||||||
|
value: GAEA
|
||||||
|
then:
|
||||||
|
product_bundle: ["GAEA G1000", "BlueTag 系列"]
|
||||||
|
tech_line: 网关实时监测
|
||||||
|
summary: 按官网首页主推匹配 GAEA G1000：4G/WiFi/LAN 网关汇聚蓝牙终端，适合小面积仓储实时监测。
|
||||||
|
confidence: 0.86
|
||||||
|
|
||||||
|
- id: realtime_storage
|
||||||
|
order: 16
|
||||||
|
description: 冷库/仓储实时告警
|
||||||
|
when_all:
|
||||||
|
- type: slot_contains
|
||||||
|
slot: scenario
|
||||||
|
value: 冷库
|
||||||
|
then:
|
||||||
|
product_bundle: ["GAEA G1000", "BlueTag 系列"]
|
||||||
|
tech_line: 网关实时监测
|
||||||
|
summary: 冷库/仓储实时监测优先 GAEA G1000 + BlueTag；需确认现场网络（4G/WiFi/LAN）。
|
||||||
|
confidence: 0.83
|
||||||
|
|
||||||
|
- id: warehouse
|
||||||
|
order: 17
|
||||||
|
description: 仓储场景
|
||||||
|
when_all:
|
||||||
|
- type: slot_contains
|
||||||
|
slot: scenario
|
||||||
|
value: 仓储
|
||||||
|
then:
|
||||||
|
product_bundle: ["GAEA G1000", "BlueTag 系列"]
|
||||||
|
tech_line: 网关实时监测
|
||||||
|
summary: 仓储环境监测按首页方案推荐 GAEA 网关组合；点数与组网方式需人工确认。
|
||||||
|
confidence: 0.8
|
||||||
|
|
||||||
|
- id: vaccine_bluetag
|
||||||
|
order: 20
|
||||||
|
description: 疫苗/药品运输偏蓝牙查数
|
||||||
|
when_all:
|
||||||
|
- type: slot_contains
|
||||||
|
slot: scenario
|
||||||
|
value: 疫苗
|
||||||
|
then:
|
||||||
|
product_bundle: ["BlueTag T10"]
|
||||||
|
tech_line: 蓝牙温度记录
|
||||||
|
summary: 疫苗运输场景官网示例适配 BlueTag T10；若只要到货 USB 报告也可评估 TagPlus-T，请再确认取数方式。
|
||||||
|
confidence: 0.8
|
||||||
|
|
||||||
|
- id: cold_chain_transport
|
||||||
|
order: 25
|
||||||
|
description: 冷链运输默认 USB 多次记录
|
||||||
|
when_all:
|
||||||
|
- type: slot_contains
|
||||||
|
slot: scenario
|
||||||
|
value: 冷链
|
||||||
|
then:
|
||||||
|
product_bundle: ["TagPlus-T"]
|
||||||
|
tech_line: 多次使用USB温度记录
|
||||||
|
summary: 冷链运输通用场景先推荐首页主推 TagPlus-T；若强调手机不开箱读数则改 BlueTag T10。
|
||||||
|
confidence: 0.76
|
||||||
|
|
||||||
|
- id: fresh_food
|
||||||
|
order: 26
|
||||||
|
description: 生鲜配送
|
||||||
|
when_all:
|
||||||
|
- type: slot_contains
|
||||||
|
slot: scenario
|
||||||
|
value: 生鲜
|
||||||
|
then:
|
||||||
|
product_bundle: ["BlueTag T10"]
|
||||||
|
tech_line: 蓝牙温度记录
|
||||||
|
summary: 生鲜配送官网示例适配 BlueTag T10；需要到货加密 PDF 时可改推 TagPlus-T。
|
||||||
|
confidence: 0.78
|
||||||
|
|
||||||
|
- id: fallback_uncertain
|
||||||
|
order: 1000
|
||||||
|
description: 兜底
|
||||||
|
when_all:
|
||||||
|
- type: always
|
||||||
|
then:
|
||||||
|
product_bundle: ["待专家确认"]
|
||||||
|
tech_line: 待判定
|
||||||
|
summary: 信息不足，建议补充「运输还是仓储、USB报告还是手机/云端实时」，或转人工。联系 inquiry@freshliance.com。
|
||||||
|
confidence: 0.4
|
||||||
|
handoff: true
|
||||||
|
|
||||||
|
handoff_confidence_below: 0.55
|
||||||
@@ -0,0 +1,31 @@
|
|||||||
|
# Mock 检索语料：无 Ragflow 时用于演示「带引用的方案」
|
||||||
|
chunks:
|
||||||
|
- id: c1
|
||||||
|
title: XJ-A100 产品要点
|
||||||
|
product: XJ-A100
|
||||||
|
content: XJ-A100 适用于户外与环境监测类场景，支持宽温工作，需配合 XJ-A-GW 网关做数据汇聚。
|
||||||
|
tags: [A, 户外, 传感]
|
||||||
|
|
||||||
|
- id: c2
|
||||||
|
title: XJ-A-GW 网关
|
||||||
|
product: XJ-A-GW
|
||||||
|
content: XJ-A-GW 提供多节点接入与协议转换，常与 XJ-A100 组成监测方案。
|
||||||
|
tags: [A, 网关]
|
||||||
|
|
||||||
|
- id: c3
|
||||||
|
title: XJ-B200 控制主机
|
||||||
|
product: XJ-B200
|
||||||
|
content: XJ-B200 面向产线联动与设备控制，支持本地逻辑与扩展 IO。
|
||||||
|
tags: [B, 产线, 控制]
|
||||||
|
|
||||||
|
- id: c4
|
||||||
|
title: XJ-B-IO 扩展
|
||||||
|
product: XJ-B-IO
|
||||||
|
content: XJ-B-IO 用于扩展数字量/模拟量通道，与 XJ-B200 配套。
|
||||||
|
tags: [B, IO]
|
||||||
|
|
||||||
|
- id: c5
|
||||||
|
title: 方案注意事项
|
||||||
|
product: GENERAL
|
||||||
|
content: 正式报价前需确认现场供电、安装空间与是否已有同类设备，避免重复建设。
|
||||||
|
tags: [通用, 约束]
|
||||||
@@ -0,0 +1,36 @@
|
|||||||
|
# 追问槽位：需求未定稿时可随时增删字段；引擎按 priority 顺序问未填项
|
||||||
|
version: 1
|
||||||
|
intent: solution_consult
|
||||||
|
|
||||||
|
slots:
|
||||||
|
- id: tech_category
|
||||||
|
label: 方案路线倾向
|
||||||
|
prompt: 更倾向哪一类？（TagPlus USB多次记录 / BlueTag蓝牙手机读数 / GAEA网关实时仓储 / 不确定，希望推荐）
|
||||||
|
required: true
|
||||||
|
priority: 10
|
||||||
|
extract_hint: USB、蓝牙、网关实时、不确定
|
||||||
|
|
||||||
|
- id: scenario
|
||||||
|
label: 应用场景
|
||||||
|
prompt: 主要用在什么场景？（冷链运输、药品/疫苗、生鲜配送、冷库仓储、实验室小仓、保温箱等）
|
||||||
|
required: true
|
||||||
|
priority: 20
|
||||||
|
|
||||||
|
- id: key_metric
|
||||||
|
label: 关键要求
|
||||||
|
prompt: 有没有必须满足的要求？（实时告警、到货PDF报告、不开箱读数、行程天数、温区等；没有可说「暂无」）
|
||||||
|
required: true
|
||||||
|
priority: 30
|
||||||
|
|
||||||
|
- id: constraints
|
||||||
|
label: 现场约束
|
||||||
|
prompt: 现场有哪些约束？（网络：WiFi/4G/LAN、是否对接自有系统API、预算区间等；没有可说「暂无」）
|
||||||
|
required: false
|
||||||
|
priority: 40
|
||||||
|
|
||||||
|
closing_prompt: 信息已较完整，正在按鲜境官网产品线匹配方案…
|
||||||
|
handoff_phrases:
|
||||||
|
- 转人工
|
||||||
|
- 人工客服
|
||||||
|
- 找销售
|
||||||
|
- 真人
|
||||||
@@ -0,0 +1,150 @@
|
|||||||
|
#!/usr/bin/env python3
|
||||||
|
"""注册 Ragflow 账号、建库、灌入 knowledge/corpus，并写回仓库 .env。"""
|
||||||
|
|
||||||
|
from __future__ import annotations
|
||||||
|
|
||||||
|
import sys
|
||||||
|
import time
|
||||||
|
from pathlib import Path
|
||||||
|
|
||||||
|
ROOT = Path(__file__).resolve().parents[1]
|
||||||
|
sys.path.insert(0, str(ROOT))
|
||||||
|
|
||||||
|
from engine.app.ragflow_client import RagflowClient, RagflowError # noqa: E402
|
||||||
|
from engine.app.settings import settings # noqa: E402
|
||||||
|
|
||||||
|
CORPUS = {
|
||||||
|
"products": ["products-a.md", "products-b.md"],
|
||||||
|
"solutions": ["solutions.md"],
|
||||||
|
"faqs": ["faq.md", "policies.md"],
|
||||||
|
}
|
||||||
|
DESCRIPTIONS = {
|
||||||
|
"products": "鲜境示例产品资料：A 类传感、B 类控制",
|
||||||
|
"solutions": "鲜境示例方案判定说明",
|
||||||
|
"faqs": "鲜境示例询盘与对外边界",
|
||||||
|
}
|
||||||
|
|
||||||
|
|
||||||
|
def wait_healthy(client: RagflowClient, timeout: int = 180) -> None:
|
||||||
|
deadline = time.time() + timeout
|
||||||
|
while time.time() < deadline:
|
||||||
|
health = client.health()
|
||||||
|
if health.get("ok"):
|
||||||
|
print("ragflow health ok", health)
|
||||||
|
return
|
||||||
|
print("waiting ragflow", health)
|
||||||
|
time.sleep(5)
|
||||||
|
raise SystemExit("Ragflow 未在时限内就绪")
|
||||||
|
|
||||||
|
|
||||||
|
def auth_or_register(client: RagflowClient) -> str:
|
||||||
|
try:
|
||||||
|
return client.register(settings.ragflow_email, settings.ragflow_password, "鲜境管理员")
|
||||||
|
except RagflowError as exc:
|
||||||
|
text = str(exc)
|
||||||
|
if "already" in text.lower() or "已经" in text or "registered" in text.lower():
|
||||||
|
return client.login(settings.ragflow_email, settings.ragflow_password)
|
||||||
|
raise
|
||||||
|
|
||||||
|
|
||||||
|
def upsert_datasets(client: RagflowClient) -> dict[str, str]:
|
||||||
|
existing = {item.get("name"): item for item in client.list_datasets()}
|
||||||
|
ids: dict[str, str] = {}
|
||||||
|
for name, description in DESCRIPTIONS.items():
|
||||||
|
found = existing.get(name)
|
||||||
|
if found:
|
||||||
|
ids[name] = found["id"]
|
||||||
|
print("reuse dataset", name, found["id"])
|
||||||
|
continue
|
||||||
|
created = client.create_dataset(name, description)
|
||||||
|
dataset_id = created.get("id")
|
||||||
|
if not dataset_id:
|
||||||
|
raise SystemExit(f"创建数据集失败: {created}")
|
||||||
|
ids[name] = dataset_id
|
||||||
|
print("created dataset", name, dataset_id)
|
||||||
|
embed = {
|
||||||
|
"embedding_model": "BAAI/bge-small-zh-v1.5@Builtin",
|
||||||
|
"parser_config": {
|
||||||
|
"graphrag": {"use_graphrag": False},
|
||||||
|
"raptor": {"use_raptor": False},
|
||||||
|
},
|
||||||
|
}
|
||||||
|
for dataset_id in ids.values():
|
||||||
|
client.update_dataset(dataset_id, embed)
|
||||||
|
return ids
|
||||||
|
|
||||||
|
|
||||||
|
def ingest(client: RagflowClient, dataset_ids: dict[str, str]) -> None:
|
||||||
|
corpus_dir = ROOT / "knowledge" / "corpus"
|
||||||
|
for name, files in CORPUS.items():
|
||||||
|
dataset_id = dataset_ids[name]
|
||||||
|
docs = client.list_documents(dataset_id)
|
||||||
|
present = {item.get("name") or item.get("location") for item in docs}
|
||||||
|
new_ids = []
|
||||||
|
for filename in files:
|
||||||
|
if filename in present:
|
||||||
|
print("skip existing", filename)
|
||||||
|
continue
|
||||||
|
uploaded = client.upload_document(dataset_id, corpus_dir / filename)
|
||||||
|
for item in uploaded:
|
||||||
|
doc_id = item.get("id")
|
||||||
|
if doc_id:
|
||||||
|
new_ids.append(doc_id)
|
||||||
|
print("uploaded", filename, new_ids[-1] if new_ids else uploaded)
|
||||||
|
if new_ids:
|
||||||
|
client.parse_documents(dataset_id, new_ids)
|
||||||
|
print("parse queued", name, new_ids)
|
||||||
|
|
||||||
|
|
||||||
|
def wait_chunks(client: RagflowClient, dataset_ids: dict[str, str], timeout: int = 300) -> None:
|
||||||
|
deadline = time.time() + timeout
|
||||||
|
while time.time() < deadline:
|
||||||
|
pending = 0
|
||||||
|
for dataset_id in dataset_ids.values():
|
||||||
|
for doc in client.list_documents(dataset_id):
|
||||||
|
run = str(doc.get("run") or "")
|
||||||
|
chunks = int(doc.get("chunk_count") or 0)
|
||||||
|
if chunks > 0 or run.upper() in {"DONE", "3", "SUCCESS"}:
|
||||||
|
continue
|
||||||
|
if run.upper() in {"FAIL", "4", "FAILED"}:
|
||||||
|
raise SystemExit(f"解析失败 {doc.get('name')}: {(doc.get('progress_msg') or '')[-300:]}")
|
||||||
|
pending += 1
|
||||||
|
print("parsing", doc.get("name"), "run=", run, "chunks=", chunks)
|
||||||
|
if pending == 0:
|
||||||
|
print("all documents parsed")
|
||||||
|
return
|
||||||
|
time.sleep(6)
|
||||||
|
print("warn: parse still running, continue anyway")
|
||||||
|
|
||||||
|
|
||||||
|
def write_env(dataset_ids: dict[str, str], api_key: str) -> None:
|
||||||
|
env_path = ROOT / ".env"
|
||||||
|
lines = [
|
||||||
|
"RETRIEVAL_BACKEND=ragflow",
|
||||||
|
"RAGFLOW_BASE_URL=http://127.0.0.1:9380",
|
||||||
|
f"RAGFLOW_API_KEY={api_key}",
|
||||||
|
"RAGFLOW_DATASET_IDS=" + ",".join(dataset_ids[name] for name in ("products", "solutions", "faqs")),
|
||||||
|
"RAGFLOW_WEB_URL=http://127.0.0.1:18080",
|
||||||
|
f"RAGFLOW_EMAIL={settings.ragflow_email}",
|
||||||
|
f"RAGFLOW_PASSWORD={settings.ragflow_password}",
|
||||||
|
"",
|
||||||
|
]
|
||||||
|
env_path.write_text("\n".join(lines), encoding="utf-8")
|
||||||
|
print("wrote", env_path)
|
||||||
|
|
||||||
|
|
||||||
|
def main() -> None:
|
||||||
|
client = RagflowClient(api_key="")
|
||||||
|
wait_healthy(client)
|
||||||
|
session_auth = auth_or_register(client)
|
||||||
|
token = client.ensure_api_token(session_auth)
|
||||||
|
client.api_key = token
|
||||||
|
dataset_ids = upsert_datasets(client)
|
||||||
|
ingest(client, dataset_ids)
|
||||||
|
wait_chunks(client, dataset_ids)
|
||||||
|
write_env(dataset_ids, token)
|
||||||
|
print("bootstrap done")
|
||||||
|
|
||||||
|
|
||||||
|
if __name__ == "__main__":
|
||||||
|
main()
|
||||||
@@ -0,0 +1,12 @@
|
|||||||
|
#!/usr/bin/env bash
|
||||||
|
# Docker 在部分环境里只写了 nft 规则，内核仍走 iptables-legacy 且 FORWARD 为 DROP，
|
||||||
|
# 容器之间会连不上 MySQL。本脚本给 Ragflow 网桥补上转发放行。
|
||||||
|
set -euo pipefail
|
||||||
|
bridge=$(ip -br link | awk '/^br-/ && $2 ~ /UP/ {print $1; exit}')
|
||||||
|
if [[ -z "${bridge}" ]]; then
|
||||||
|
echo "no up bridge" >&2
|
||||||
|
exit 1
|
||||||
|
fi
|
||||||
|
sudo iptables-legacy -C FORWARD -i "$bridge" -j ACCEPT 2>/dev/null || sudo iptables-legacy -I FORWARD 1 -i "$bridge" -j ACCEPT
|
||||||
|
sudo iptables-legacy -C FORWARD -o "$bridge" -j ACCEPT 2>/dev/null || sudo iptables-legacy -I FORWARD 1 -o "$bridge" -j ACCEPT
|
||||||
|
echo "forward allowed on ${bridge}"
|
||||||
Binary file not shown.
Binary file not shown.
Binary file not shown.
Binary file not shown.
Binary file not shown.
Reference in New Issue
Block a user