rag_server/applications/utils/chat/chat_classifier.py

from typing import List

from applications.config import Chunk
from applications.api import fetch_deepseek_completion


class ChatClassifier:
    @staticmethod
    def generate_summary_prompt(query, search_results):
        """
        生成总结的prompt。

        :param query: 问题
        :param search_results: 搜索结果列表，每个元素包含 'content', 'contentSummary', 'score'
        :return: 生成的总结prompt
        """

        # 为了让AI更好地理解，我们将使用以下格式构建prompt:
        prompt = f"问题: {query}\n\n请结合以下搜索结果，生成一个总结：\n"

        # 先生成基于相似度加权的summary
        weighted_summaries = []
        weighted_contents = []

        for result in search_results:
            content = result['content']
            content_summary = result['contentSummary']
            score = result['score']

            # 加权内容摘要和内容
            weighted_summaries.append((content_summary, score))
            weighted_contents.append((content, score))

        # 为了生成更准确的总结，基于相似度加权内容和摘要
        weighted_summaries.sort(key=lambda x: x[1], reverse=True)  # 按相似度降序排列
        weighted_contents.sort(key=lambda x: x[1], reverse=True)  # 按相似度降序排列

        # 将加权的摘要和内容加入到prompt中
        prompt += "\n-- 加权内容摘要 --\n"
        for summary, score in weighted_summaries:
            prompt += f"摘要: {summary} | 相似度: {score:.2f}\n"

        prompt += "\n-- 加权内容 --\n"
        for content, score in weighted_contents:
            prompt += f"内容: {content} | 相似度: {score:.2f}\n"

        # 最后请求AI进行总结
        prompt += "\n基于上述内容，请帮我生成一个简洁的总结。"

        return prompt

    async def chat_with_deepseek(self, query, search_results):
        prompt = self.generate_summary_prompt(query, search_results)
        response = await fetch_deepseek_completion(
            model="DeepSeek-V3", prompt=prompt
        )
        return response