admin/aitsc
1
0
Fork 0
Code Issues Pull Requests Actions Packages Projects Releases Wiki Activity

密钥写死，处理报错

Browse Source
This commit is contained in:
波澜壮阔
2025-08-18 22:39:34 +08:00
parent 23a5c907f7
commit cc8d488bd9
11 changed files with 1452 additions and 367 deletions
Download Patch File Download Diff File Expand all files Collapse all files

393
src/flask_prompt_master/routes/routes.py
View File

@@ -3,39 +3,21 @@ from openai import OpenAI
from src.flask_prompt_master import db
from src.flask_prompt_master.models import User, Prompt, Feedback, PromptTemplate, WxUser
from src.flask_prompt_master.forms import PromptForm, FeedbackForm
from src.flask_prompt_master.config import Config
import pymysql
from datetime import datetime
import requests
import hashlib
import time
import json
import os
main_bp = Blueprint('main', __name__)
@main_bp.route('/health')
def health_check():
"""健康检查接口"""
return jsonify({
'status': 'healthy',
'timestamp': datetime.now().isoformat(),
'environment': os.environ.get('FLASK_ENV', 'unknown')
})
client = OpenAI(api_key='sk-fdf7cc1c73504e628ec0119b7e11b8cc', base_url='https://api.deepseek.com/v1')
# 使用current_app获取配置，而不是直接导入
def get_openai_client():
"""获取OpenAI客户端实例"""
return OpenAI(
api_key=current_app.config['LLM_API_KEY'],
base_url=current_app.config['LLM_API_URL']
)
def get_wx_config():
"""获取微信小程序配置"""
return {
'appid': current_app.config['WX_APPID'],
'secret': current_app.config['WX_SECRET']
}
# 从配置中获取微信小程序配置
WX_APPID = Config.WX_APPID
WX_SECRET = Config.WX_SECRET
def get_system_prompt(template_id=None):
"""获取系统提示词模板"""
@@ -66,9 +48,6 @@ def generate_with_llm(input_text, template_id=None):
try:
system_prompt = get_system_prompt(template_id)
# 获取OpenAI客户端
client = get_openai_client()
# 打印参数
print("\n=== API 调用参数 ===")
print(f"模板ID: {template_id}")
@@ -76,35 +55,6 @@ def generate_with_llm(input_text, template_id=None):
print(f"系统提示: {system_prompt}")
print("==================\n")
# 开发环境模拟API响应（当API密钥无效时）
api_key = current_app.config.get('LLM_API_KEY', '')
print(f"\n=== 当前API密钥: {api_key} ===")
if api_key in ['test-api-key', 'your-actual-api-key-here', 'sk-your-api-key-here'] or 'test' in api_key.lower() or 'your-api-key' in api_key.lower():
# 模拟API响应
mock_responses = {
"写一篇关于python的文章": "请帮我写一篇关于Python编程语言的技术文章，要求：\n1. 介绍Python的基本特性和优势\n2. 包含实际代码示例\n3. 适合初学者阅读\n4. 字数在1000-1500字之间\n5. 结构清晰，逻辑性强",
"python代码优化": "请帮我优化以下Python代码，要求：\n1. 提高代码执行效率\n2. 改善代码可读性\n3. 遵循Python编码规范\n4. 添加必要的注释\n5. 考虑内存使用优化",
"python程序优化": "请帮我优化Python程序，要求：\n1. 分析程序性能瓶颈\n2. 提供优化建议\n3. 展示优化前后对比\n4. 考虑不同场景的优化策略\n5. 提供可执行的优化代码"
}
# 根据输入文本返回相应的模拟响应
for key, value in mock_responses.items():
if key in input_text:
generated_text = value
print("\n=== 模拟API响应结果 ===")
print(f"生成的提示词: {generated_text}")
print("==================\n")
return generated_text
# 默认模拟响应
generated_text = f"请帮我{input_text}，要求：\n1. 内容专业且实用\n2. 结构清晰，逻辑性强\n3. 包含具体示例\n4. 适合目标受众\n5. 符合行业标准"
print("\n=== 模拟API响应结果 ===")
print(f"生成的提示词: {generated_text}")
print("==================\n")
return generated_text
# 真实API调用
response = client.chat.completions.create(
model="deepseek-chat",
messages=[
@@ -399,13 +349,10 @@ def wx_get_template_detail(template_id):
def wx_login():
"""微信小程序登录接口"""
try:
# 获取微信小程序配置
wx_config = get_wx_config()
# 添加调试日志
print("\n=== 微信登录配置 ===")
print(f"APPID: {wx_config['appid']}")
print(f"SECRET: {wx_config['secret']}")
print(f"APPID: {WX_APPID}")
print(f"SECRET: {WX_SECRET}")
print("==================\n")
data = request.get_json()
@@ -422,8 +369,8 @@ def wx_login():
# 请求微信接口
wx_url = 'https://api.weixin.qq.com/sns/jscode2session'
params = {
'appid': wx_config['appid'],
'secret': wx_config['secret'],
'appid': WX_APPID,
'secret': WX_SECRET,
'js_code': code,
'grant_type': 'authorization_code'
}
@@ -903,54 +850,17 @@ def wx_get_template_by_intent():
只返回分类名称，不要其他任何内容。"""
# 开发环境模拟API响应（当API密钥无效时）
api_key = current_app.config.get('LLM_API_KEY', '')
print(f"\n=== 意图识别API密钥: {api_key} ===")
# 调用意图识别
response = client.chat.completions.create(
model="deepseek-chat",
messages=[
{"role": "system", "content": intent_system_prompt},
{"role": "user", "content": user_input}
],
temperature=0.1
)
if api_key in ['test-api-key', 'your-actual-api-key-here', 'sk-your-api-key-here'] or 'test' in api_key.lower() or 'your-api-key' in api_key.lower():
# 模拟意图识别响应
mock_intents = {
"写代码": "代码开发",
"开发": "代码开发",
"编程": "代码开发",
"网站": "网站开发",
"网页": "网站开发",
"设计": "产品设计",
"UI": "产品设计",
"界面": "产品设计",
"图片": "生成图片",
"图像": "生成图片",
"新闻": "新闻获取",
"资讯": "新闻获取",
"文案": "文案创作",
"营销": "市场营销",
"推广": "市场营销",
"数据": "数据分析",
"分析": "数据分析"
}
# 根据输入文本返回相应的模拟意图
for key, value in mock_intents.items():
if key in user_input:
intent = value
print(f"\n=== 模拟意图识别结果: {intent} ===")
break
else:
intent = "其它"
print(f"\n=== 模拟意图识别结果: {intent} ===")
else:
# 真实API调用
client = get_openai_client()
response = client.chat.completions.create(
model="deepseek-chat",
messages=[
{"role": "system", "content": intent_system_prompt},
{"role": "user", "content": user_input}
],
temperature=0.1
)
intent = response.choices[0].message.content.strip()
intent = response.choices[0].message.content.strip()
# 根据意图获取对应的模板提示词
intent_prompts = {
@@ -1056,81 +966,17 @@ def wx_generate_expert_prompt():
6. 不要添加任何额外的文本"""
try:
# 开发环境模拟API响应（当API密钥无效时）
api_key = current_app.config.get('LLM_API_KEY', '')
print(f"\n=== 专家意图分析API密钥: {api_key} ===")
# 获取意图分析结果
intent_response = client.chat.completions.create(
model="deepseek-chat",
messages=[
{"role": "system", "content": intent_analyst_prompt},
{"role": "user", "content": user_input}
],
temperature=0.1 # 降低温度，使输出更确定
)
if api_key in ['test-api-key', 'your-actual-api-key-here', 'sk-your-api-key-here'] or 'test' in api_key.lower() or 'your-api-key' in api_key.lower():
# 模拟意图分析响应
mock_intent_analysis = {
"core_intent": "技术",
"domain": "软件开发",
"key_requirements": [
"功能完整性",
"性能优化",
"代码质量"
],
"expected_output": "可执行的代码解决方案",
"constraints": [
"遵循最佳实践",
"考虑可维护性"
],
"keywords": [
"编程",
"开发",
"技术"
]
}
# 根据输入文本调整分析结果
print(f"\n=== 输入文本分析: {user_input} ===")
if any(keyword in user_input for keyword in ["设计", "UI", "界面", "用户体验", "视觉", "交互", "原型", "界面设计", "UI设计"]):
mock_intent_analysis["core_intent"] = "创意"
mock_intent_analysis["domain"] = "产品设计"
mock_intent_analysis["key_requirements"] = ["用户体验", "视觉设计", "交互设计"]
mock_intent_analysis["expected_output"] = "设计方案和原型"
mock_intent_analysis["keywords"] = ["设计", "UI", "用户体验"]
print("=== 匹配到创意类型 ===")
elif any(keyword in user_input for keyword in ["分析", "数据", "统计", "报告", "洞察", "趋势", "图表", "可视化", "挖掘"]):
mock_intent_analysis["core_intent"] = "分析"
mock_intent_analysis["domain"] = "数据分析"
mock_intent_analysis["key_requirements"] = ["数据准确性", "分析深度", "洞察价值"]
mock_intent_analysis["expected_output"] = "分析报告和建议"
mock_intent_analysis["keywords"] = ["分析", "数据", "洞察"]
print("=== 匹配到分析类型 ===")
elif any(keyword in user_input for keyword in ["咨询", "建议", "方案", "策略", "规划", "优化", "改进", "评估", "诊断"]):
mock_intent_analysis["core_intent"] = "咨询"
mock_intent_analysis["domain"] = "业务咨询"
mock_intent_analysis["key_requirements"] = ["专业建议", "可行性分析", "实施方案"]
mock_intent_analysis["expected_output"] = "咨询报告和方案"
mock_intent_analysis["keywords"] = ["咨询", "建议", "方案"]
print("=== 匹配到咨询类型 ===")
elif any(keyword in user_input for keyword in ["代码", "编程", "开发", "技术", "系统", "软件", "应用", "程序", "算法", "架构"]):
mock_intent_analysis["core_intent"] = "技术"
mock_intent_analysis["domain"] = "软件开发"
mock_intent_analysis["key_requirements"] = ["功能完整性", "性能优化", "代码质量"]
mock_intent_analysis["expected_output"] = "可执行的代码解决方案"
mock_intent_analysis["keywords"] = ["编程", "开发", "技术"]
print("=== 匹配到技术类型 ===")
else:
print("=== 未匹配到特定类型，使用默认技术类型 ===")
intent_analysis_text = json.dumps(mock_intent_analysis, ensure_ascii=False, indent=2)
print(f"\n=== 模拟意图分析结果: {intent_analysis_text} ===")
else:
# 真实API调用
client = get_openai_client()
intent_response = client.chat.completions.create(
model="deepseek-chat",
messages=[
{"role": "system", "content": intent_analyst_prompt},
{"role": "user", "content": user_input}
],
temperature=0.1 # 降低温度，使输出更确定
)
intent_analysis_text = intent_response.choices[0].message.content.strip()
intent_analysis_text = intent_response.choices[0].message.content.strip()
# 添加日志记录
current_app.logger.info(f"AI返回的意图分析结果: {intent_analysis_text}")
@@ -1265,176 +1111,19 @@ def wx_generate_expert_prompt():
)
try:
# 开发环境模拟API响应（当API密钥无效时）
api_key = current_app.config.get('LLM_API_KEY', '')
print(f"\n=== 专家提示词生成API密钥: {api_key} ===")
# 生成最终提示词
final_response = client.chat.completions.create(
model="deepseek-chat",
messages=[
{"role": "system", "content": expert_prompt.format(
analysis=json.dumps(intent_analysis, ensure_ascii=False, indent=2)
)},
{"role": "user", "content": user_input}
],
temperature=0.7
)
if api_key in ['test-api-key', 'your-actual-api-key-here', 'sk-your-api-key-here'] or 'test' in api_key.lower() or 'your-api-key' in api_key.lower():
# 模拟专家提示词生成响应
core_intent = intent_analysis.get('core_intent', '技术')
domain = intent_analysis.get('domain', '软件开发')
mock_expert_prompts = {
"技术": f"""基于您的需求，我为您生成一个专业的技术任务提示词：
**技术背景和上下文：**
您需要在{domain}领域完成一项技术任务，需要确保技术方案的可行性和实用性。
**技术要求和规范：**
1. 遵循行业最佳实践和标准
2. 确保代码质量和可维护性
3. 考虑性能和安全性要求
4. 提供完整的实现方案
**性能和质量标准：**
- 代码执行效率优化
- 错误处理和异常管理
- 文档和注释完整性
- 测试覆盖率要求
**技术约束条件：**
- 技术栈兼容性
- 资源使用限制
- 时间进度要求
- 团队协作规范
**预期交付成果：**
- 完整的技术实现方案
- 详细的代码示例
- 部署和配置说明
- 测试验证方案
**评估标准：**
- 功能完整性验证
- 性能指标达标
- 代码质量审查
- 用户体验评估""",
"创意": f"""基于您的创意需求，我为您生成一个专业的创意设计提示词：
**创意方向和灵感来源：**
在{domain}领域探索创新的设计理念，结合用户需求和市场趋势，创造独特的视觉体验。
**风格和氛围要求：**
1. 现代简约的设计风格
2. 温暖友好的用户界面
3. 专业可信的品牌形象
4. 富有创意的视觉元素
**目标受众定义：**
- 明确用户群体特征
- 理解用户行为习惯
- 分析用户需求痛点
- 设计用户旅程地图
**设计元素规范：**
- 色彩搭配和视觉层次
- 字体选择和排版规范
- 图标和插画风格
- 布局和空间设计
**创意表现形式：**
- 交互设计创新
- 动效和过渡效果
- 响应式设计适配
- 无障碍设计考虑
**评估标准：**
- 视觉吸引力评估
- 用户体验测试
- 品牌一致性检查
- 创新性价值验证""",
"分析": f"""基于您的分析需求，我为您生成一个专业的数据分析提示词：
**分析目标和范围：**
在{domain}领域进行深入的数据分析，挖掘有价值的信息洞察，为决策提供数据支撑。
**数据要求和规范：**
1. 数据来源的可靠性和完整性
2. 数据格式和结构标准化
3. 数据清洗和预处理要求
4. 数据安全和隐私保护
**分析方法和工具：**
- 统计分析方法和模型选择
- 数据可视化工具和技术
- 机器学习算法应用
- 业务指标和KPI定义
**输出格式要求：**
- 分析报告的结构和内容
- 图表和可视化展示
- 关键发现和建议总结
- 可操作的洞察建议
**关键指标定义：**
- 核心业务指标监控
- 趋势分析和预测模型
- 异常检测和预警机制
- 效果评估和ROI分析
**质量控制标准：**
- 数据准确性验证
- 分析逻辑合理性
- 结果可解释性
- 建议可操作性""",
"咨询": f"""基于您的咨询需求，我为您生成一个专业的咨询服务提示词：
**咨询问题界定：**
在{domain}领域提供专业的咨询服务，帮助您解决业务挑战，制定有效的解决方案。
**背景信息要求：**
1. 当前业务状况和挑战
2. 目标和期望结果
3. 资源和约束条件
4. 时间进度要求
**分析框架设定：**
- 问题分析和诊断方法
- 市场调研和竞争分析
- 风险评估和管理策略
- 成本效益分析模型
**建议输出格式：**
- 咨询报告的结构和内容
- 解决方案的详细说明
- 实施计划和里程碑
- 预期效果和评估指标
**实施考虑因素：**
- 组织变革管理
- 团队培训和能力建设
- 技术支持和维护
- 持续改进机制
**效果评估标准：**
- 目标达成度评估
- 投资回报率分析
- 客户满意度调查
- 长期价值创造"""
}
generated_prompt = mock_expert_prompts.get(core_intent, mock_expert_prompts["技术"])
print(f"\n=== 模拟专家提示词生成结果 ===")
print(f"生成的提示词: {generated_prompt[:200]}...")
print("==================\n")
else:
# 真实API调用
client = get_openai_client()
final_response = client.chat.completions.create(
model="deepseek-chat",
messages=[
{"role": "system", "content": expert_prompt.format(
analysis=json.dumps(intent_analysis, ensure_ascii=False, indent=2)
)},
{"role": "user", "content": user_input}
],
temperature=0.7
)
generated_prompt = final_response.choices[0].message.content.strip()
generated_prompt = final_response.choices[0].message.content.strip()
except Exception as e:
current_app.logger.error(f"生成提示词失败: {str(e)}")