RAG/utils/deepseek_utils.py

import json
from openai import OpenAI

from service.search_service import query_data


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

def generate_summary_query(query, search_results):
    prompt = generate_summary_prompt(query, search_results)
    return chat_with_deepseek(prompt)


def chat_with_deepseek(prompt, model="deepseek-chat", max_tokens=8192, temperature=0.7):
    """
    使用OpenAI兼容方式调用DeepSeek API

    参数:
        prompt (str): 用户输入的提示文本
        model (str): 使用的模型，默认为deepseek-chat
        max_tokens (int): 生成的最大token数
        temperature (float): 控制生成随机性的参数(0-1)

    返回:
        str: API的回复内容
    """
    # 初始化客户端，指定DeepSeek的API端点
    client = OpenAI(
        api_key='sk-cfd2df92c8864ab999d66a615ee812c5',
        base_url="https://api.deepseek.com/v1",  # DeepSeek的API端点
    )

    try:
        # 创建聊天完成请求
        response = client.chat.completions.create(
            model=model,
            messages=[{"role": "user", "content": prompt}],
            max_tokens=max_tokens,
            temperature=temperature,
            stream=False
        )

        # 返回回复内容
        return response.choices[0].message.content

    except Exception as e:
        return f"发生异常: {str(e)}"


if __name__ == '__main__':
    query = '帮我查询一些AI工具'
    search_results = query_data(query, [1,2])
    print(generate_summary_query(query, search_results))