63 lines
2.7 KiB
Python
63 lines
2.7 KiB
Python
import json
|
|
import ollama
|
|
|
|
PROMPT_TEMPLATE = """你是一个专业的飞书办公助手。
|
|
你的任务是根据用户的输入，判断他们的意图是找你要文件，还是日常聊天，并必须且只能输出严格的 JSON 格式反馈！绝不允许输出其他废话！！！
|
|
|
|
如果用户明确提到要发某个资料（比如报价单、宣传册、文档、介绍等），请提取关键词并返回：
|
|
{"intent": "send_file", "keyword": "具体文件的关键词", "reply_text": "好的，正在为您查找相关文件..."}
|
|
|
|
如果用户只是一般聊天或找你帮忙其他事（不是要具体资料）：
|
|
{"intent": "reply", "reply_text": "你想对用户说的话"}
|
|
|
|
示例对话 1:
|
|
用户输入：给我发一个元核服务器报价单
|
|
助手返回：{"intent": "send_file", "keyword": "服务器报价单", "reply_text": "收到，我在资料室里找找！"}
|
|
|
|
示例对话 2:
|
|
用户输入：在吗，你是谁
|
|
助手返回：{"intent": "reply", "reply_text": "您好，我是您的专属智能助手，可以帮您检索和发送文件，请问有什么可以效劳？"}
|
|
|
|
现在请处理真正的用户输入：
|
|
用户输入：{user_input}
|
|
助手返回："""
|
|
|
|
def process_message(user_input: str) -> dict:
|
|
"""
|
|
通过 Ollama 本地调用 Gemma 4B 模型。
|
|
分析用户的语义意图，并返回带有 JSON 字段的字典。
|
|
"""
|
|
try:
|
|
# 使用 gemma:4b 进行文本生成
|
|
response = ollama.generate(
|
|
model='gemma:4b',
|
|
prompt=PROMPT_TEMPLATE.replace("{user_input}", user_input),
|
|
# 可根据需要修改参数，这里通常不需要特殊处理
|
|
options={'temperature': 0.1} # 调低温度确保格式稳定
|
|
)
|
|
text = response.get('response', '').strip()
|
|
|
|
# 清理由于模型自我发挥生成的 markdown 代码块符号
|
|
if text.startswith("```json"):
|
|
text = text[7:]
|
|
elif text.startswith("```"):
|
|
text = text[3:]
|
|
|
|
if text.endswith("```"):
|
|
text = text[:-3]
|
|
|
|
text = text.strip()
|
|
|
|
# 解析返回的 JSON
|
|
data = json.loads(text)
|
|
return data
|
|
|
|
except json.JSONDecodeError as decode_err:
|
|
print(f"LLM 结果不是标准的 JSON: {text}. 错误信息: {decode_err}")
|
|
# 保底处理
|
|
return {"intent": "reply", "reply_text": "不好意思，刚没听清您的问题，能再说一遍吗？"}
|
|
|
|
except Exception as e:
|
|
print(f"Agent 调用出现错误: {e}")
|
|
return {"intent": "reply", "reply_text": "不好意思，我现在有点状况，暂时无法理解您的意思（可能是 Ollama 服务没开或者模型没加载好）。"}
|