rjb
34e3ee213e
Some checks failed
Flask 提示词大师 - CI/CD 流水线 / 代码质量检查 (push) Has been cancelled
Flask 提示词大师 - CI/CD 流水线 / 单元测试 (push) Has been cancelled
Flask 提示词大师 - CI/CD 流水线 / 集成测试 (push) Has been cancelled
Flask 提示词大师 - CI/CD 流水线 / 构建Docker镜像 (push) Has been cancelled
Flask 提示词大师 - CI/CD 流水线 / 部署到测试环境 (push) Has been cancelled
Flask 提示词大师 - CI/CD 流水线 / 部署到生产环境 (push) Has been cancelled
Flask 提示词大师 - CI/CD 流水线 / 部署监控系统 (push) Has been cancelled
246 lines
9.0 KiB
Python
246 lines
9.0 KiB
Python
# -*- coding: utf-8 -*-
|
||
"""
|
||
智能提示词优化3号专家 - 独立实现，与专家模式/2号专家功能一致但代码完全分离。
|
||
便于后续对比优化，不复用任何其他专家代码。
|
||
含提示词生成历史记录功能。
|
||
"""
|
||
from flask import Blueprint, render_template, request, jsonify
|
||
from openai import OpenAI
|
||
import hashlib
|
||
import json
|
||
import logging
|
||
import os
|
||
import time
|
||
from src.flask_prompt_master import db
|
||
from src.flask_prompt_master.models.models import User, Prompt
|
||
from src.flask_prompt_master.models.history_models import PromptHistory, UserStatistics
|
||
|
||
logger = logging.getLogger(__name__)
|
||
expert_generate_3_bp = Blueprint('expert_generate_3', __name__)
|
||
_dedup_cache = {}
|
||
|
||
_llm_client = OpenAI(
|
||
api_key=os.environ.get('LLM_API_KEY') or 'sk-fdf7cc1c73504e628ec0119b7e11b8cc',
|
||
base_url=os.environ.get('LLM_API_URL') or 'https://api.deepseek.com/v1'
|
||
)
|
||
|
||
INTENT_PROMPT_3 = """你是一位资深的意图分析专家，请分析用户输入的意图和需求。
|
||
|
||
你必须严格按照以下JSON格式返回，不要添加任何其他内容：
|
||
{
|
||
"core_intent": "技术",
|
||
"domain": "具体专业领域",
|
||
"key_requirements": ["需求1", "需求2"],
|
||
"expected_output": "期望输出的具体形式",
|
||
"constraints": ["约束1", "约束2"],
|
||
"keywords": ["关键词1", "关键词2"]
|
||
}
|
||
|
||
注意：
|
||
1. 严格遵守JSON格式
|
||
2. core_intent必须是以下之一：技术、创意、分析、咨询
|
||
3. 数组至少包含1个元素
|
||
4. 所有字段都必须存在
|
||
5. 不要包含注释
|
||
6. 不要添加任何额外的文本"""
|
||
|
||
EXPERT_TEMPLATES_3 = {
|
||
"技术": """你是一位专业的技术领域提示工程师。基于以下意图分析，生成一个专业的技术任务提示词：
|
||
|
||
意图分析：
|
||
{analysis}
|
||
|
||
请生成的提示词包含：
|
||
1. 明确的技术背景和上下文
|
||
2. 具体的技术要求和规范
|
||
3. 性能和质量标准
|
||
4. 技术约束条件
|
||
5. 预期交付成果
|
||
6. 评估标准
|
||
|
||
使用专业技术术语，确保提示词的可执行性和可验证性。""",
|
||
"创意": """你是一位专业的创意领域提示工程师。基于以下意图分析，生成一个创意设计提示词：
|
||
|
||
意图分析：
|
||
{analysis}
|
||
|
||
请生成的提示词包含：
|
||
1. 创意方向和灵感来源
|
||
2. 风格和氛围要求
|
||
3. 目标受众定义
|
||
4. 设计元素规范
|
||
5. 创意表现形式
|
||
6. 评估标准
|
||
|
||
使用专业创意术语，确保提示词的创新性和可执行性。""",
|
||
"分析": """你是一位专业的数据分析提示工程师。基于以下意图分析，生成一个数据分析提示词：
|
||
|
||
意图分析：
|
||
{analysis}
|
||
|
||
请生成的提示词包含：
|
||
1. 分析目标和范围
|
||
2. 数据要求和规范
|
||
3. 分析方法和工具
|
||
4. 输出格式要求
|
||
5. 关键指标定义
|
||
6. 质量控制标准
|
||
|
||
使用专业分析术语，确保提示词的科学性和可操作性。""",
|
||
"咨询": """你是一位专业的咨询领域提示工程师。基于以下意图分析，生成一个咨询服务提示词：
|
||
|
||
意图分析：
|
||
{analysis}
|
||
|
||
请生成的提示词包含：
|
||
1. 咨询问题界定
|
||
2. 背景信息要求
|
||
3. 分析框架设定
|
||
4. 建议输出格式
|
||
5. 实施考虑因素
|
||
6. 效果评估标准
|
||
|
||
使用专业咨询术语，确保提示词的专业性和实用性。"""
|
||
}
|
||
|
||
FALLBACK_TEMPLATE_3 = """你是一位专业的通用领域提示工程师。基于以下意图分析，生成一个专业的提示词：
|
||
|
||
意图分析：
|
||
{analysis}
|
||
|
||
请生成的提示词包含：
|
||
1. 明确的目标定义
|
||
2. 具体要求和规范
|
||
3. 质量标准
|
||
4. 约束条件
|
||
5. 预期输出
|
||
6. 评估标准
|
||
|
||
确保提示词的清晰性和可执行性。"""
|
||
|
||
TEMPLATE_NAME_3 = '智能提示词优化3号专家'
|
||
|
||
|
||
def _resolve_user_id():
|
||
try:
|
||
from flask_login import current_user
|
||
if current_user.is_authenticated:
|
||
return getattr(current_user, 'id', None) or getattr(current_user, 'uid', None)
|
||
except Exception:
|
||
pass
|
||
from flask import session
|
||
sid = session.get('user_id')
|
||
if sid is not None:
|
||
return sid
|
||
try:
|
||
u = User.query.filter_by(login_name='admin').first()
|
||
return u.uid if u else 1
|
||
except Exception as ex:
|
||
logger.warning("3号专家 获取默认用户失败: %s", ex)
|
||
return 1
|
||
|
||
|
||
@expert_generate_3_bp.route('/expert-generate-3', methods=['GET'])
|
||
def expert_generate_3_page():
|
||
"""智能提示词优化3号专家 - 页面"""
|
||
return render_template('expert_generate_3.html')
|
||
|
||
|
||
@expert_generate_3_bp.route('/api/expert-generate-3/generate', methods=['POST'])
|
||
def expert_generate_3_api():
|
||
"""智能提示词优化3号专家 - 两阶段生成 API，含历史记录"""
|
||
try:
|
||
if not request.is_json:
|
||
return jsonify({'code': 400, 'message': '请求必须是JSON格式', 'data': None})
|
||
payload = request.get_json() or {}
|
||
raw_input = (payload.get('input_text') or '').strip()
|
||
if not raw_input:
|
||
return jsonify({'code': 400, 'message': '请输入您的需求', 'data': None})
|
||
|
||
temperature = payload.get('temperature')
|
||
temperature = float(temperature) if temperature is not None else 0.7
|
||
temperature = max(0.0, min(2.0, temperature))
|
||
max_tokens = payload.get('max_tokens')
|
||
max_tokens = int(max_tokens) if max_tokens is not None else 1000
|
||
max_tokens = max(100, min(4000, max_tokens))
|
||
timeout = payload.get('timeout')
|
||
timeout = int(timeout) if timeout is not None else 60
|
||
timeout = max(10, min(300, timeout))
|
||
|
||
uid = _resolve_user_id()
|
||
req_key = (uid, hashlib.md5(raw_input.encode()).hexdigest())
|
||
now_ts = time.time()
|
||
if req_key in _dedup_cache and (now_ts - _dedup_cache[req_key]) < 8:
|
||
return jsonify({'code': 429, 'message': '请勿重复提交，请稍后再试', 'data': None})
|
||
_dedup_cache[req_key] = now_ts
|
||
if len(_dedup_cache) > 500:
|
||
_dedup_cache.clear()
|
||
|
||
resp1 = _llm_client.chat.completions.create(
|
||
model="deepseek-chat",
|
||
messages=[
|
||
{"role": "system", "content": INTENT_PROMPT_3},
|
||
{"role": "user", "content": raw_input}
|
||
],
|
||
temperature=0.1,
|
||
timeout=timeout
|
||
)
|
||
intent_raw = (resp1.choices[0].message.content or "").strip()
|
||
intent_raw = intent_raw.replace('```json', '').replace('```', '').strip()
|
||
try:
|
||
intent_data = json.loads(intent_raw)
|
||
for field in ['core_intent', 'domain', 'key_requirements', 'expected_output', 'constraints', 'keywords']:
|
||
if field not in intent_data:
|
||
raise ValueError("缺少字段: " + field)
|
||
if intent_data['core_intent'] not in ('技术', '创意', '分析', '咨询'):
|
||
intent_data['core_intent'] = '技术'
|
||
for arr_field in ['key_requirements', 'constraints', 'keywords']:
|
||
v = intent_data.get(arr_field)
|
||
if not isinstance(v, list) or len(v) == 0:
|
||
intent_data[arr_field] = ['未指定']
|
||
except json.JSONDecodeError as e:
|
||
logger.error("3号专家 JSON解析失败: %s", e)
|
||
return jsonify({'code': 500, 'message': '意图分析格式有误，请重试', 'data': None})
|
||
except ValueError as e:
|
||
logger.error("3号专家 数据验证失败: %s", e)
|
||
return jsonify({'code': 500, 'message': str(e), 'data': None})
|
||
tpl = EXPERT_TEMPLATES_3.get(intent_data['core_intent'], FALLBACK_TEMPLATE_3)
|
||
analysis_str = json.dumps(intent_data, ensure_ascii=False, indent=2)
|
||
resp2 = _llm_client.chat.completions.create(
|
||
model="deepseek-chat",
|
||
messages=[
|
||
{"role": "system", "content": tpl.format(analysis=analysis_str)},
|
||
{"role": "user", "content": raw_input}
|
||
],
|
||
temperature=temperature,
|
||
max_tokens=max_tokens,
|
||
timeout=timeout
|
||
)
|
||
result_prompt = (resp2.choices[0].message.content or "").strip()
|
||
if not result_prompt:
|
||
return jsonify({'code': 500, 'message': '生成失败，请重试', 'data': None})
|
||
try:
|
||
db.session.add(Prompt(input_text=raw_input, generated_text=result_prompt, user_id=uid))
|
||
db.session.commit()
|
||
except Exception as e:
|
||
db.session.rollback()
|
||
logger.warning("3号专家 保存 Prompt 失败: %s", e)
|
||
try:
|
||
PromptHistory.add_history(
|
||
user_id=uid,
|
||
original_input=raw_input,
|
||
generated_prompt=result_prompt,
|
||
template_name=TEMPLATE_NAME_3
|
||
)
|
||
UserStatistics.update_statistics(uid)
|
||
except Exception as e:
|
||
logger.warning("3号专家 保存历史失败: %s", e)
|
||
return jsonify({
|
||
'code': 200,
|
||
'message': 'success',
|
||
'data': {'intent_analysis': intent_data, 'generated_prompt': result_prompt}
|
||
})
|
||
except Exception as e:
|
||
logger.exception("智能提示词优化3号专家失败")
|
||
return jsonify({'code': 500, 'message': str(e) or '生成失败，请重试', 'data': None})
|