''' 基于LLM+search的知识获取模块 1. 输入：问题 2. 输出：知识文本 3. 处理流程： - 3.1 根据问题构建query，调用大模型生成多个query - 3.2 根据query调用 utils/qwen_client.py 的 search_and_chat 方法（使用返回中的 'content' 字段即可），获取知识文本 - 3.3 用大模型合并多个query的知识文本， - 3.4 返回知识文本 4. 大模型调用使用uitls/gemini_client.py 的 generate_text 方法 5. 考虑复用性，尽量把每个步骤封装在一个方法中 ''' import os import sys import json from typing import List from loguru import logger # 设置路径以便导入工具类 current_dir = os.path.dirname(os.path.abspath(__file__)) root_dir = os.path.dirname(current_dir) sys.path.insert(0, root_dir) from utils.gemini_client import generate_text from utils.qwen_client import QwenClient class LLMSearchKnowledge: """基于LLM+search的知识获取类""" def __init__(self): """初始化""" self.qwen_client = QwenClient() self.prompt_dir = os.path.join(current_dir, "prompt") def _load_prompt(self, filename: str) -> str: """ 加载prompt文件内容 Args: filename: prompt文件名 Returns: str: prompt内容 Raises: FileNotFoundError: 文件不存在时抛出 ValueError: 文件内容为空时抛出 """ prompt_path = os.path.join(self.prompt_dir, filename) if not os.path.exists(prompt_path): error_msg = f"Prompt文件不存在: {prompt_path}" logger.error(error_msg) raise FileNotFoundError(error_msg) try: with open(prompt_path, 'r', encoding='utf-8') as f: content = f.read().strip() if not content: error_msg = f"Prompt文件内容为空: {prompt_path}" logger.error(error_msg) raise ValueError(error_msg) return content except Exception as e: error_msg = f"读取prompt文件 {filename} 失败: {e}" logger.error(error_msg) raise def generate_queries(self, question: str) -> List[str]: """ 根据问题生成多个搜索query Args: question: 问题字符串 Returns: List[str]: query列表 Raises: Exception: 生成query失败时抛出异常 """ try: logger.info(f"开始生成query，问题: {question[:50]}...") # 加载prompt prompt_template = self._load_prompt("llm_search_generate_query_prompt.md") # 构建prompt，使用 {question} 作为占位符 prompt = prompt_template.format(question=question) # 调用gemini生成query logger.info("调用Gemini生成query") response_text = generate_text(prompt=prompt) # 解析JSON响应 logger.info("解析生成的query") try: # 尝试提取JSON部分（去除可能的markdown代码块标记） response_text = response_text.strip() if response_text.startswith("```json"): response_text = response_text[7:] if response_text.startswith("```"): response_text = response_text[3:] if response_text.endswith("```"): response_text = response_text[:-3] response_text = response_text.strip() result = json.loads(response_text) queries = result.get("queries", []) if not queries: raise ValueError("生成的query列表为空") logger.info(f"成功生成 {len(queries)} 个query: {queries}") return queries except json.JSONDecodeError as e: logger.error(f"解析JSON失败: {e}, 响应内容: {response_text}") raise ValueError(f"无法解析模型返回的JSON: {e}") except Exception as e: logger.error(f"生成query失败: {e}") raise def search_knowledge(self, query: str) -> str: """ 根据单个query搜索知识 Args: query: 搜索query Returns: str: 搜索到的知识文本（content字段） Raises: Exception: 搜索失败时抛出异常 """ try: logger.info(f"搜索知识，query: {query}") # 调用qwen_client的search_and_chat方法 result = self.qwen_client.search_and_chat( user_prompt=query, search_strategy="agent" ) # 提取content字段 knowledge_text = result.get("content", "") if not knowledge_text: logger.warning(f"query '{query}' 的搜索结果为空") return "" logger.info(f"成功获取知识文本，长度: {len(knowledge_text)}") return knowledge_text except Exception as e: logger.error(f"搜索知识失败，query: {query}, 错误: {e}") raise def search_knowledge_batch(self, queries: List[str]) -> List[str]: """ 批量搜索知识 Args: queries: query列表 Returns: List[str]: 知识文本列表 """ knowledge_texts = [] for i, query in enumerate(queries, 1): try: logger.info(f"搜索第 {i}/{len(queries)} 个query") knowledge_text = self.search_knowledge(query) knowledge_texts.append(knowledge_text) except Exception as e: logger.error(f"搜索第 {i} 个query失败，跳过: {e}") # 失败时添加空字符串，保持索引对应 knowledge_texts.append("") return knowledge_texts def merge_knowledge(self, knowledge_texts: List[str]) -> str: """ 合并多个知识文本 Args: knowledge_texts: 知识文本列表 Returns: str: 合并后的知识文本 Raises: Exception: 合并失败时抛出异常 """ try: logger.info(f"开始合并 {len(knowledge_texts)} 个知识文本") # 过滤空文本 valid_texts = [text for text in knowledge_texts if text.strip()] if not valid_texts: logger.warning("所有知识文本都为空，返回空字符串") return "" if len(valid_texts) == 1: logger.info("只有一个有效知识文本，直接返回") return valid_texts[0] # 加载prompt prompt_template = self._load_prompt("llm_search_merge_knowledge_prompt.md") # 构建prompt，将多个知识文本格式化 knowledge_sections = [] for i, text in enumerate(valid_texts, 1): knowledge_sections.append(f"【知识文本 {i}】\n{text}") knowledge_texts_str = "\n\n".join(knowledge_sections) prompt = prompt_template.format(knowledge_texts=knowledge_texts_str) # 调用gemini合并知识 logger.info("调用Gemini合并知识文本") merged_text = generate_text(prompt=prompt) logger.info(f"成功合并知识文本，长度: {len(merged_text)}") return merged_text.strip() except Exception as e: logger.error(f"合并知识文本失败: {e}") raise def get_knowledge(self, question: str) -> str: """ 主方法：根据问题获取知识文本 Args: question: 问题字符串 Returns: str: 最终的知识文本 Raises: Exception: 处理过程中出现错误时抛出异常 """ try: logger.info(f"开始处理问题: {question[:50]}...") # 步骤1: 生成多个query queries = self.generate_queries(question) # 步骤2: 对每个query搜索知识 knowledge_texts = self.search_knowledge_batch(queries) # 步骤3: 合并多个知识文本 merged_knowledge = self.merge_knowledge(knowledge_texts) logger.info(f"成功获取知识文本，长度: {len(merged_knowledge)}") return merged_knowledge except Exception as e: logger.error(f"获取知识文本失败，问题: {question[:50]}..., 错误: {e}") raise def get_knowledge(question: str) -> str: """ 便捷函数：根据问题获取知识文本 Args: question: 问题字符串 Returns: str: 最终的知识文本 """ agent = LLMSearchKnowledge() return agent.get_knowledge(question) if __name__ == "__main__": # 测试代码 test_question = "关于猫咪和墨镜的服装造型元素" try: result = get_knowledge(test_question) print("=" * 50) print("最终知识文本:") print("=" * 50) print(result) except Exception as e: logger.error(f"测试失败: {e}")