File size: 3,972 Bytes
7508267 a02efcd 7508267 be3a565 |
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 |
import gradio as gr
from utils.embedding import ChatEmbedder
from utils.retrieval import ChatQABot
import json
class ChatAnalyzerApp:
def __init__(self):
self.embedder = ChatEmbedder()
self.qa_bot = ChatQABot()
self.setup_data()
def setup_data(self):
"""初始化数据和索引"""
try:
count = self.embedder.load_chat_data('chat_log.json')
index_size = self.embedder.build_index()
print(f"✓ 加载了 {count} 条聊天记录，构建了 {index_size} 维索引")
return True
except Exception as e:
print(f"× 数据加载失败: {e}")
return False
def query_chat(self, question: str, top_k: int = 3):
"""处理查询"""
# 1. 检索相关文档
results = self.embedder.search(question, top_k)
if not results:
return "未找到相关聊天记录。", ""
# 2. 组合检索到的上下文
context = "\n".join([f"{i+1}. {r['content']} (相关度: {r['score']:.3f})"
for i, r in enumerate(results)])
# 3. 生成答案
answer = self.qa_bot.generate_answer(question, context)
return answer, context
def main():
app = ChatAnalyzerApp()
if not app.setup_data():
return
# 创建Gradio界面
# with gr.Blocks(title="群聊记录分析助手", theme=gr.themes.Soft()) as demo:
with gr.Blocks(title="群聊记录分析助手") as demo:
demo.theme = gr.themes.Soft() # 单独设置theme属性
gr.Markdown("# 📱 群聊记录分析与问答系统")
gr.Markdown("基于RAG技术，智能分析群聊记录并回答问题")
with gr.Row():
with gr.Column(scale=2):
question_input = gr.Textbox(
label="输入您的问题",
placeholder="例如：关于新版UI设计，最终的结论是什么？",
lines=2
)
top_k_slider = gr.Slider(
minimum=1,
maximum=5,
value=3,
step=1,
label="检索结果数量"
)
submit_btn = gr.Button("🔍 搜索", variant="primary")
with gr.Column(scale=3):
answer_output = gr.Textbox(
label="答案",
lines=4,
interactive=False
)
context_output = gr.Textbox(
label="检索到的相关聊天记录",
lines=6,
interactive=False
)
# 示例问题
examples = gr.Examples(
examples=[
"关于新版UI设计，最终的结论是什么？",
"谁负责联系市场部？",
"市场部的联系方式是什么？",
"讨论过哪些设计方案？"
],
inputs=[question_input]
)
gr.Markdown("### 功能说明")
gr.Markdown("""
1. 系统基于模拟的飞书/企微群聊记录构建知识库
2. 使用中文嵌入模型检索相关聊天片段
3. 使用大语言模型生成准确答案
4. 支持调整检索结果数量以优化答案质量
""")
# 绑定事件
submit_btn.click(
fn=app.query_chat,
inputs=[question_input, top_k_slider],
outputs=[answer_output, context_output]
)
question_input.submit(
fn=app.query_chat,
inputs=[question_input, top_k_slider],
outputs=[answer_output, context_output]
)
demo.launch()
if __name__ == "__main__":
main() |