102 lines
3.9 KiB
Python
102 lines
3.9 KiB
Python
import time
|
||
from api.db import LLMType, ParserType
|
||
from api.db.services.knowledgebase_service import KnowledgebaseService
|
||
from api.db.services.llm_service import LLMBundle
|
||
from api import settings
|
||
from rag.app.tag import label_question
|
||
from rag.prompts import kb_prompt
|
||
from .database import MINIO_CONFIG
|
||
|
||
|
||
def write_dialog(question, kb_ids, tenant_id, similarity_threshold, keyword_similarity_weight, temperature):
|
||
"""
|
||
处理用户搜索请求，从知识库中检索相关信息并生成回答
|
||
|
||
参数:
|
||
question (str): 用户的问题或查询
|
||
kb_ids (list): 知识库ID列表，指定要搜索的知识库
|
||
tenant_id (str): 租户ID，用于权限控制和资源隔离
|
||
|
||
流程:
|
||
1. 获取指定知识库的信息
|
||
2. 确定使用的嵌入模型
|
||
3. 根据知识库类型选择检索器(普通检索器或知识图谱检索器)
|
||
4. 初始化嵌入模型和聊天模型
|
||
5. 执行检索操作获取相关文档片段
|
||
6. 格式化知识库内容作为上下文
|
||
7. 构建系统提示词
|
||
8. 生成回答并添加引用标记
|
||
9. 流式返回生成的回答
|
||
|
||
返回:
|
||
generator: 生成器对象，产生包含回答和引用信息的字典
|
||
"""
|
||
|
||
kbs = KnowledgebaseService.get_by_ids(kb_ids)
|
||
embedding_list = list(set([kb.embd_id for kb in kbs]))
|
||
|
||
is_knowledge_graph = all([kb.parser_id == ParserType.KG for kb in kbs])
|
||
retriever = settings.retrievaler if not is_knowledge_graph else settings.kg_retrievaler
|
||
# 初始化嵌入模型，用于将文本转换为向量表示
|
||
embd_mdl = LLMBundle(tenant_id, LLMType.EMBEDDING, embedding_list[0])
|
||
# 初始化聊天模型，用于生成回答
|
||
chat_mdl = LLMBundle(tenant_id, LLMType.CHAT)
|
||
# 获取聊天模型的最大token长度，用于控制上下文长度
|
||
max_tokens = chat_mdl.max_length
|
||
# 获取所有知识库的租户ID并去重
|
||
tenant_ids = list(set([kb.tenant_id for kb in kbs]))
|
||
# 调用检索器检索相关文档片段
|
||
kbinfos = retriever.retrieval(question, embd_mdl, tenant_ids, kb_ids, 1, 12, similarity_threshold, 1 - keyword_similarity_weight, aggs=False, rank_feature=label_question(question, kbs))
|
||
# 将检索结果格式化为提示词，并确保不超过模型最大token限制
|
||
knowledges = kb_prompt(kbinfos, max_tokens)
|
||
|
||
prompt = """
|
||
角色：你是一个聪明的助手。
|
||
任务：总结知识库中的信息并回答用户的问题。
|
||
要求与限制：
|
||
- 绝不要捏造内容，尤其是数字。
|
||
- 如果知识库中的信息与用户问题无关，只需回答：对不起，未提供相关信息。
|
||
- 使用Markdown格式进行回答。
|
||
- 使用用户提问所用的语言作答。
|
||
- 绝不要捏造内容，尤其是数字。
|
||
|
||
### 来自知识库的信息
|
||
%s
|
||
|
||
以上是来自知识库的信息。
|
||
|
||
""" % "\n".join(knowledges)
|
||
msg = [{"role": "user", "content": question}]
|
||
|
||
answer = ""
|
||
final_answer = ""
|
||
for ans in chat_mdl.chat_streamly(prompt, msg, {"temperature": temperature}):
|
||
answer = ans
|
||
final_answer = answer
|
||
yield {"answer": answer, "reference": {}}
|
||
|
||
# 流式返回完毕后，追加图片
|
||
image_markdowns = []
|
||
image_urls = set()
|
||
minio_endpoint = MINIO_CONFIG["visit_point"]
|
||
use_ssl = MINIO_CONFIG.get("secure", False)
|
||
protocol = "https" if use_ssl else "http"
|
||
|
||
for chunk in kbinfos["chunks"]:
|
||
img_path = chunk.get("image_id")
|
||
if not img_path:
|
||
continue
|
||
|
||
img_path = img_path.strip() # 清理前后空格
|
||
img_url = f"{protocol}://{minio_endpoint}/{img_path}"
|
||
|
||
if img_url not in image_urls:
|
||
image_urls.add(img_url)
|
||
image_markdowns.append(f"\n")
|
||
|
||
if image_markdowns:
|
||
final_answer += "".join(image_markdowns)
|
||
yield {"answer": final_answer, "reference": {}}
|
||
|
||
time.sleep(0.1) # 增加延迟，确保缓冲区 flush 出去
|