kg_agent/knowledge_v2/llm_search_knowledge.py

'''
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}")