lei_y601/yj_room_agent
1
0
Fork 0
Code Issues Pull Requests Actions Packages Projects Releases Wiki Activity

feat:添加报错处理机制+修改提示模板+过滤json块

Browse Source
This commit is contained in:
yujj128
2025-06-30 10:10:13 +08:00
parent 730f80c724
commit b51f584102
1 changed files with 107 additions and 68 deletions
Download Patch File Download Diff File Expand all files Collapse all files

175
yj_room_agent/LLM/ai_service.py
View File

@@ -295,20 +295,20 @@ def build_prompt(params):
qry_room_info_for_mart_str = '''
{
"func_name":"query_room",
"capacity":20, //参会人数，没有则返回0，,
"Region":"成都", //会议室所在区域，没有则返回None
"capacity":20,
"Region":"成都"
}
'''
book_for_mart_str = '''
{
"room_id":"11", //会议室ID
"room_id":"11",
"capacity":20,
"subject":"会议主题"
"subject":"会议主题",
"start_time":"2025-06-04 09:30:10",
"end_time":"2025-06-04 12:30:10",
"user_confirm":1 //用户是否确认,
"func_name":"book_room",
"user_confirm":1 ,
"func_name":"book_room"
}
'''
@@ -327,11 +327,11 @@ def build_prompt(params):
'''
return_booking_info_str = '''
{
"会议室名称":""
"会议室名称":"",
"会议ID":"",
"会议主题":""
"会议主题":"",
"会议开始时间":"",
"会议结束时间":"",
"会议结束时间":""
}
'''
edit_meeting_info_for_mart_str = '''
@@ -340,7 +340,7 @@ def build_prompt(params):
"meetingId":"233333",
"start_time":"2025-06-04 09:30:10",
"end_time":"2025-06-04 12:30:10",
"subject":""
}
'''
@@ -350,22 +350,42 @@ def build_prompt(params):
现在时间是 :{time_now}
请按以下步骤处理：
1. 当用户需要帮忙预订会议室时,请根据上下文提取用户预订信息,会议室时信息,参数人数,会议主题等,如果没有会议主题则默认主题为'默认主题',如果用户未给出，明确的信息，请查询可用会议室信息，为用户推荐会议室,会议室查询如下:
{qry_room_info_for_mart_str}
2. 只有当用户确定要预订某间会议室,而不是在询问合适会议室时,请根据上下文提取用户预订信息,预订时间等信息并返回而不是直接提示预订成功,结果请只返回json格式得预订信息且不需要包含多余的描述内容以及<think>标签等,输出结果示例如下:
{book_for_mart_str}
3. 用户需要查询已有的会议室预订情况或者预订情况时,实时查询，禁止使用历史对话数据,结果请按照以下的json示例返回,不需要返回其他的多余数据,返回示例如下:
{qry_book_info_for_mart_str}
4. 如果用户需要取消预订会议时,分两种情况：
(1)用户未提供要取消的会议号ID,返回已预定会议情况供用户选择,实时查询，禁止使用历史对话中的旧数据!,查询调用如下:
{qry_book_info_for_mart_str} 返回格式规范:{return_booking_info_str}
(2)用户给出了需要取消的会议号ID,如果用户从已预定会议列表中选择了需要取消的会议,则提取会议ID，并提示用户是否确认取消，取消示例如下:
{cancel_meeting_info_for_mart_str}
5. 如果用户需要修改已有的会议时,请根据上下文提取用户修改预订信息,如果没有获取到会议号ID,开始时间，结束时间,请先用自然对话提示用户提供相应的信息而不是提取json数据。提取结果请按照以下的json示例返回,不需要返回其他的多余数据,返回示例如下:
{edit_meeting_info_for_mart_str}
6. 如果当用户再次请求预订会议室时,请不要按照json格式直接提取用户的预订信息,而是请重新查看现有会议室的最新情况，基于用户需求给用户推荐合理的会议室,推荐选项时不需要提取用户预订信息按照json格式返回,只需要重新给用户推荐选项即可,按照正常自然语言对话返回
7. 如果用户需要解析调用API返回的结果，请解析用户提供的相应结果信息，并给予自然语言反馈,不需要返回json数据
8. 用户其他需求，请按照自然语言对话返回
1. 预订会议室
当用户表达预订意向时：
(1) 先检查用户的表达中是否包含以下信息,仅作检查判断：
会议室编号
具体时间段
参会人数
(2) 若信息不完整,禁止使用历史数据,实时查询可用会议室,然后用自然语言为用户推荐可用会议室，查询操作如下：
{qry_room_info_for_mart_str}
(3) 若信息完整,直接输出标准JSON,执行预定操作：
{book_for_mart_str}
2. 用户需要查询已有的会议室预订情况或者预订情况时,实时查询，禁止使用历史对话数据,结果请按照以下的json示例返回,不需要返回其他的多余数据,返回示例如下:
{qry_book_info_for_mart_str}
3. 取消会议
当用户表达取消会议意向时：
(1) 先检查是否用户是否提供以下信息：
会议编号
(2) 若信息不全,先查询用户所有预定，禁止使用历史对话数据，请实时查询，并反馈给用户，查询操作如下：
{qry_book_info_for_mart_str}
将查询结果以友好的方式列出,推荐方式{return_booking_info_str}
(3) 若信息完整，直接输出以下标准JSON，执行取消操作：
{cancel_meeting_info_for_mart_str}
4. 修改会议
当用户表达修改编辑会议意向时：
(1) 先检查是否用户是否提供必要信息和次要信息：
必要信息：会议编号
次要信息：会议开始时间，会议结束时间，会议主题
(2) 若必要信息未提供, 无需询问用户，直接查询用户所有预定，提供给用户选择，查询已预定会议操作如下按json格式返回：
{qry_book_info_for_mart_str}
将查询结果以友好的方式列出，过滤掉已经结束的会议，推荐方式{return_booking_info_str}
(3) 若必要信息全部提供，次要信息全部未提供，提示用户是否想要修改次要信息中的某一项？：
(4)若必要信息全部提供，次要信息部分提供，根据这些信息来修改会议，修改操作如下：
{edit_meeting_info_for_mart_str}
5. 如果当用户再次请求预订会议室时,请不要按照json格式直接提取用户的预订信息,而是请重新查看现有会议室的最新情况，基于用户需求给用户推荐合理的会议室,推荐选项时不需要提取用户预订信息按照json格式返回,只需要重新给用户推荐选项即可,按照正常自然语言对话返回
6. 如果用户需要解析调用API返回的结果，请解析用户提供的相应结果信息，并给予自然语言反馈,不需要返回json数据
7. 用户其他需求，请按照自然语言对话返回
"""
return template
@@ -568,6 +588,22 @@ func_tion_call_map = {
"edit_room_meeting": process_edit_room_meeting,
}
def extract_json_blocks(text):
json_blocks = re.findall(r'\{[^{}]*\}', text)
valid_blocks = []
for block in json_blocks:
try:
# 仅验证不转换，保持原始格式
json.loads(block)
valid_blocks.append(block)
except json.JSONDecodeError:
# 非标准JSON块也保留（根据需求可以修改）
valid_blocks.append(block)
print("valid_block {0}".format(block))
return valid_blocks
'''
消息对话入口函数
'''
@@ -590,51 +626,54 @@ def process_chat(user_id: str, user_input: str, params: dict):
reasoning_content = resp["choices"][0]["message"].get('reasoning_content')
logger.info(f"process chat content is : {content}")
new_content = check_and_process_think(content=content)
if 'json' in new_content or is_json(new_content):
# new_content = new_content.replace("json", '')
new_content = new_content.split('```json')[-1].split('```')[0]
new_content = new_content.replace("`", '')
data = json.loads(new_content)
fun_name = data.get("func_name", None)
book_promot = ''
result_false = {'result': False}
if fun_name:
func = func_tion_call_map.get(fun_name, None)
if func:
# 触发函数调用------
logger.info(f"触发系统函数调用==>:{fun_name}")
add_to_content, book_promot = func(data=data, params=params)
if add_to_content:
dialog_manager.add_message(user_id, 'user', book_promot)
logger.info("test point book_promot => {0} ".format(book_promot))
if "func_name" in new_content:
json_content = extract_json_blocks(new_content)
for json_item in json_content:
print("jsonitem:{0} type{1}".format(json_item,type(json_item)))
# new_content = new_content.split('```json')[-1].split('```')[0]
# new_content = new_content.replace("`", '')
data = json.loads(json_item)
fun_name = data.get("func_name", None)
book_promot = ''
result_false = {'result': False}
if fun_name:
func = func_tion_call_map.get(fun_name, None)
if func:
# 触发函数调用------
logger.info(f"触发系统函数调用==>:{fun_name}")
add_to_content, book_promot = func(data=data, params=params)
if add_to_content:
dialog_manager.add_message(user_id, 'user', book_promot)
logger.info("test point book_promot => {0} ".format(book_promot))
else:
book_promot = f'''
未查询到相应的执行函数,结果为:
{result_false}
请帮用户解析结果，并根据结果给予用户相应自然语言反馈
'''
else:
book_promot = f'''
未查询到相应的执行函数,结果为:
{result_false}
请帮用户解析结果，并根据结果给予用户相应自然语言反馈
'''
else:
book_promot = f'''
提取用户的函数调用参数失败,结果为:
{result_false}
请帮用户解析结果，并根据结果给予用户相应自然语言反馈
'''
new_history = []
logger.info("test point completed the function call ")
query_history = dialog_manager.get_history(user_id)
new_history.extend(query_history)
resp = call_openai_api(model=MODEL_NAME, user_query=book_promot,
api_key=config('MODEL_API_KEY'),
history=new_history,
system_prompt='',
temperature=config("MODEL_TEMPERATURE", cast=float, default=0.5),
)
content = resp["choices"][0]["message"]["content"]
logger.info("final content => {0}".format(content))
new_content = check_and_process_think(content)
add_message_async(dialog_manager, user_id, 'assistant', new_content)
return {'response': content}
提取用户的函数调用参数失败,结果为:
{result_false}
请帮用户解析结果，并根据结果给予用户相应自然语言反馈
'''
new_history = []
logger.info("test point completed the function call ")
query_history = dialog_manager.get_history(user_id)
new_history.extend(query_history)
resp = call_openai_api(model=MODEL_NAME, user_query=book_promot,
api_key=config('MODEL_API_KEY'),
history=new_history,
system_prompt='',
temperature=config("MODEL_TEMPERATURE", cast=float, default=0.5),
)
content = resp["choices"][0]["message"]["content"]
logger.info("final content => {0}".format(content))
new_content = check_and_process_think(content)
add_message_async(dialog_manager, user_id, 'assistant', new_content)
return {'response': content}
else:
logger.info("no func ")
add_message_async(dialog_manager, user_id, 'assistant', new_content)