glz/QYZH.InteractiveMagazine
1
0
Fork 0
Code Issues Pull Requests Actions Packages Projects Releases Wiki Activity

refactor: 重构AI聊天服务为流式返回，优化OOS路径与仓库初始化逻辑

Browse Source 
1. 重构AI聊天接口与实现为流式返回，支持SSE协议
2. 修正BaseRepository的数据库上下文初始化逻辑
3. 更新AutoDotCodeConsumer的OOS存储路径
4. 新增阿里云OSS配置项到appsettings
5. 优化AiChatService的日志与代码注释
This commit is contained in:
glz
2026-06-24 18:25:25 +08:00
parent bf333cd718
commit 3c3453668f
6 changed files with 94 additions and 49 deletions
Download Patch File Download Diff File Expand all files Collapse all files

83
QYZH.InteractiveMagazine.Service/AiChatService.cs
View File

@ -4,6 +4,7 @@ using QYZH.InteractiveMagazine.IService;
using QYZH.InteractiveMagazine.Models.Common;
using QYZH.InteractiveMagazine.Models.Dto;
using System.Net.Http.Headers;
using System.Runtime.CompilerServices;
using System.Text;
using System.Text.Json;
using System.Text.Json.Serialization;
@ -11,7 +12,7 @@ using System.Text.Json.Serialization;
namespace QYZH.InteractiveMagazine.Service;
/// <summary>
/// AI聊天服务实现（OpenAI API规范）
/// AI聊天服务实现（OpenAI API规范，流式返回）
/// </summary>
public class AiChatService(
IHttpClientFactory httpClientFactory,
@ -22,9 +23,9 @@ public class AiChatService(
/// 预设系统提示词
/// </summary>
private const string SystemPrompt = """
# 提示词：AI 优化“题目评分/报告提示词”
# 提示词：AI 优化"题目评分/报告提示词"
你是一个专业的提示词优化专家。你的任务是**将用户输入的粗糙、口语化的“题目评分/报告提示词”重构为结构清晰、指令明确、便于 AI 直接执行的标准化提示词**。
你是一个专业的提示词优化专家。你的任务是**将用户输入的粗糙、口语化的"题目评分/报告提示词"重构为结构清晰、指令明确、便于 AI 直接执行的标准化提示词**。
用户（题目制作者）当前输入的内容可能包含：题目描述、作答要求、打分规则、评分维度、报告层级、示例等，但组织混乱、表述模糊。你需要**保留所有原始信息，不增删任何实质性规则**，仅优化其结构、逻辑层次和表达精度。
@ -34,8 +35,8 @@ public class AiChatService(
1. **信息完整**：用户原文中的所有要点、示例、层级区分必须全部保留。
2. **结构清晰**：将内容归入标准模块（如 `任务目标`、`输入格式`、`评分标准`、`报告生成要求`）。
3. **指令明确**：将模糊表述（如“要写得好一点”）转化为可操作的判定条件（如“必须包含三层结构：解释原因 + 表达情绪 + 提出方案”）。
4. **语言精练**：去除冗余修饰，保留关键限定词（如“仅”“必须”“至少”）。
3. **指令明确**：将模糊表述（如"要写得好一点"）转化为可操作的判定条件（如"必须包含三层结构：解释原因 + 表达情绪 + 提出方案"）。
4. **语言精练**：去除冗余修饰，保留关键限定词（如"仅""必须""至少"）。
5. **格式统一**：最终输出为 Markdown 格式，使用标题（`#` `##` `###`）、列表（`-`）、加粗/斜体等提升可读性。
---
@ -55,7 +56,7 @@ public class AiChatService(
- `## 报告生成规范`（层级名称、触发条件、评语示例/生成规则）
- `## 注意事项`（如有特殊约束）
3. **润色表达**：
- 将“可能”“大概”等不确定词改为明确的“必须”“至少”；
- 将"可能""大概"等不确定词改为明确的"必须""至少"；
- 将并列条件用编号列表（1. 2. 3.）拆分；
- 将示例单独以代码块或引用块呈现，避免与规则混淆。
4. **保持原意**：不得添加用户未提及的新评分维度或报告层级，也不得删除任何已有规则。
@ -66,7 +67,7 @@ public class AiChatService(
- 只输出优化后的完整提示词（即 AI 可直接使用的评分/报告 prompt），不要输出分析过程。
- 使用 Markdown 语法，标题层级从 `#` 开始。
- 所有原有示例必须原样保留，并标明“示例”或放在引用块中。
- 所有原有示例必须原样保留，并标明"示例"或放在引用块中。
---
@ -74,9 +75,11 @@ public class AiChatService(
""";
/// <summary>
/// AI聊天，根据用户需求生成提示词
/// 流式AI聊天，逐块返回AI生成的内容
/// </summary>
public async Task<AiChatOutput> ChatAsync(AiChatInput input)
public async IAsyncEnumerable<string> ChatAsync(
AiChatInput input,
[EnumeratorCancellation] CancellationToken cancellationToken = default)
{
if (string.IsNullOrWhiteSpace(input.Message))
{
@ -95,9 +98,9 @@ public class AiChatService(
throw new BusinessException("AI聊天服务配置不完整，请检查 AiChat 配置节", 500);
}
logger.LogInformation("开始调用AI聊天服务，消息长度：{Length}", input.Message.Length);
logger.LogInformation("开始调用AI聊天服务（流式），消息长度：{Length}", input.Message.Length);
// 构建 OpenAI Chat Completions 请求体
// 构建 OpenAI Chat Completions 请求体（启用流式返回）
var requestBody = new
{
model = model,
@ -107,7 +110,8 @@ public class AiChatService(
new { role = "user", content = input.Message }
},
max_tokens = maxTokens,
temperature = temperature
temperature = temperature,
stream = true
};
var jsonContent = JsonSerializer.Serialize(requestBody, new JsonSerializerOptions
@ -115,40 +119,55 @@ public class AiChatService(
DefaultIgnoreCondition = JsonIgnoreCondition.WhenWritingNull
});
// 创建 HttpClient 并发起请求
// 创建 HttpClient 并发起请求（使用 ResponseHeadersRead 提前获取响应头以流式读取）
var client = httpClientFactory.CreateClient();
client.Timeout = TimeSpan.FromSeconds(timeoutSeconds > 0 ? timeoutSeconds : 300);
var request = new HttpRequestMessage(HttpMethod.Post, $"{baseUrl.TrimEnd('/')}/chat/completions");
request.Headers.Authorization = new AuthenticationHeaderValue("Bearer", apiKey);
request.Content = new StringContent(jsonContent, Encoding.UTF8, "application/json");
var response = await client.SendAsync(request);
var responseContent = await response.Content.ReadAsStringAsync();
using var response = await client.SendAsync(request, HttpCompletionOption.ResponseHeadersRead, cancellationToken);
if (!response.IsSuccessStatusCode)
{
logger.LogError("AI聊天服务调用失败，状态码：{StatusCode}，响应：{Response}", response.StatusCode, responseContent);
var errorContent = await response.Content.ReadAsStringAsync(cancellationToken);
logger.LogError("AI聊天服务调用失败，状态码：{StatusCode}，响应：{Response}", response.StatusCode, errorContent);
throw new BusinessException($"AI服务调用失败：{response.StatusCode}", 500);
}
// 解析 OpenAI 响应
using var doc = JsonDocument.Parse(responseContent);
var choices = doc.RootElement.GetProperty("choices");
if (choices.GetArrayLength() == 0)
// 流式读取响应体
using var responseStream = await response.Content.ReadAsStreamAsync(cancellationToken);
using var reader = new StreamReader(responseStream);
while (!reader.EndOfStream)
{
throw new BusinessException("AI未返回有效内容", 500);
cancellationToken.ThrowIfCancellationRequested();
var line = await reader.ReadLineAsync(cancellationToken);
if (line == null) break;
// 只处理 data: 开头的行
if (!line.StartsWith("data: ")) continue;
var data = line.Substring(6);
if (data == "[DONE]") break;
// 解析 SSE chunk，提取 delta.content
using var chunkDoc = JsonDocument.Parse(data);
var choicesEl = chunkDoc.RootElement.GetProperty("choices");
if (choicesEl.GetArrayLength() == 0) continue;
var delta = choicesEl[0].GetProperty("delta");
if (delta.TryGetProperty("content", out var contentEl))
{
var content = contentEl.GetString();
if (!string.IsNullOrEmpty(content))
{
yield return content;
}
}
}
var content = choices[0]
.GetProperty("message")
.GetProperty("content")
.GetString();
logger.LogInformation("AI聊天服务调用成功，返回内容长度：{Length}", content?.Length ?? 0);
return new AiChatOutput
{
Content = content ?? string.Empty
};
logger.LogInformation("AI聊天服务（流式）调用完成");
}
}