package com.smartor.common;
|
|
import com.alibaba.fastjson2.JSONArray;
|
import com.alibaba.fastjson2.JSONObject;
|
import com.ruoyi.common.utils.http.HttpUtils;
|
import lombok.extern.slf4j.Slf4j;
|
import org.apache.commons.lang3.StringUtils;
|
import org.springframework.beans.factory.annotation.Value;
|
import org.springframework.stereotype.Component;
|
|
import java.util.ArrayList;
|
import java.util.HashMap;
|
import java.util.List;
|
import java.util.Map;
|
|
/**
|
* 通义千问（Qwen）大模型工具类。
|
* <p>
|
* 基于阿里云百炼 DashScope 的 OpenAI 兼容接口（{@code /compatible-mode/v1/chat/completions}），
|
* 主要用于语义匹配：把语音识别得到的自由文本，归一化到一组预设选项中最接近的一个。
|
* <p>
|
* 配置项（application.yml）：
|
* <pre>
|
* qwen:
|
* api-key: sk-xxxxxxxx # 百炼 API Key，必填
|
* model: qwen-plus # 模型名称，默认 qwen-plus
|
* url: https://dashscope.aliyuncs.com/compatible-mode/v1/chat/completions
|
* </pre>
|
*/
|
@Slf4j
|
@Component
|
public class QwenLLMUtil {
|
|
/** 百炼 API Key */
|
@Value("${qwen.api-key:}")
|
private String apiKey;
|
|
/** 模型名称 */
|
@Value("${qwen.model:qwen-plus}")
|
private String model;
|
|
/** 接口地址（OpenAI 兼容模式） */
|
@Value("${qwen.url:https://dashscope.aliyuncs.com/compatible-mode/v1/chat/completions}")
|
private String url;
|
|
/**
|
* 判断语音文本最接近哪个选项。
|
*
|
* @param voiceText 语音识别得到的文本
|
* @param options 候选选项列表
|
* @return 命中的选项原文；无法匹配任一选项时返回 {@code null}
|
*/
|
public String matchOption(String voiceText, List<String> options) {
|
int index = matchOptionIndex(voiceText, options);
|
return index < 0 ? null : options.get(index);
|
}
|
|
/**
|
* 判断语音文本最接近哪个选项，返回选项在列表中的下标。
|
*
|
* @param voiceText 语音识别得到的文本
|
* @param options 候选选项列表
|
* @return 命中选项的下标（从 0 开始）；无法匹配任一选项时返回 {@code -1}
|
*/
|
public int matchOptionIndex(String voiceText, List<String> options) {
|
if (StringUtils.isBlank(voiceText) || options == null || options.isEmpty()) {
|
return -1;
|
}
|
// 只有一个选项时无需调用模型
|
if (options.size() == 1) {
|
return 0;
|
}
|
|
StringBuilder optionText = new StringBuilder();
|
for (int i = 0; i < options.size(); i++) {
|
optionText.append(i + 1).append(". ").append(options.get(i)).append('\n');
|
}
|
|
String systemPrompt = "你是一个语义匹配助手。用户会给出一段语音识别文本和若干个带编号的选项，"
|
+ "请判断这段文本在语义上最接近哪一个选项。只允许从给定选项中选择，"
|
+ "不要做任何解释。直接输出最匹配选项的编号数字；若没有任何选项与文本相关，则输出 0。";
|
String userPrompt = "语音文本：" + voiceText + "\n\n选项：\n" + optionText
|
+ "\n请只输出一个数字（最匹配选项的编号，没有匹配则输出 0）。";
|
|
String content = chat(systemPrompt, userPrompt);
|
if (StringUtils.isBlank(content)) {
|
return -1;
|
}
|
|
Integer number = extractFirstNumber(content);
|
if (number == null || number <= 0 || number > options.size()) {
|
log.warn("Qwen 选项匹配未命中，voiceText={}, options={}, modelReturn={}", voiceText, options, content);
|
return -1;
|
}
|
return number - 1;
|
}
|
|
/**
|
* 判断语音文本是否符合这个意思
|
*
|
* @param voiceText 语音识别得到的文本
|
* @return 命中的选项原文；无法匹配任一选项时返回 {@code null}
|
*/
|
public int matchRegex(String voiceText, String value, String regexText) {
|
if (StringUtils.isBlank(voiceText) || regexText == null || regexText.isEmpty()) {
|
return -1;
|
}
|
|
String systemPrompt = "你是一个语义匹配助手。用户会给出一段语音识别文本、正则匹配文本、对应指标值"
|
+ "请判断这段文本是否接近正则匹配规则或者对应指标值的意思"
|
+ "不要做任何解释。若有相关意思，能匹配的上，直接输出 1；若与文本意思完全不相关，则输出 0。";
|
String userPrompt = "语音文本：" + voiceText + "\n\n正则匹配文本：\n" + regexText
|
+ "\n\n对应指标值：\n" + value
|
+ "\n请只输出一个数字（匹配输出 1，没有匹配则输出 0）。";
|
|
String content = chat(systemPrompt, userPrompt);
|
if (StringUtils.isBlank(content)) {
|
return -1;
|
}
|
|
Integer number = extractFirstNumber(content);
|
if (number == null || number <= 0) {
|
log.warn("Qwen 选项匹配未命中，voiceText={}, regexText={}, modelReturn={}", voiceText, regexText, content);
|
return -1;
|
}
|
return number - 1;
|
}
|
|
/**
|
* 通用对话调用，返回模型回复的文本内容。
|
*
|
* @param systemPrompt 系统提示词，可为空
|
* @param userPrompt 用户提示词
|
* @return 模型回复正文；调用失败返回 {@code null}
|
*/
|
public String chat(String systemPrompt, String userPrompt) {
|
if (StringUtils.isBlank(apiKey)) {
|
throw new IllegalStateException("通义千问 API Key 未配置（qwen.api-key）");
|
}
|
if (StringUtils.isBlank(userPrompt)) {
|
throw new IllegalArgumentException("userPrompt 不能为空");
|
}
|
|
JSONArray messages = new JSONArray();
|
if (StringUtils.isNotBlank(systemPrompt)) {
|
messages.add(message("system", systemPrompt));
|
}
|
messages.add(message("user", userPrompt));
|
|
JSONObject body = new JSONObject();
|
body.put("model", model);
|
body.put("messages", messages);
|
// 匹配场景需要稳定结果，温度调低
|
body.put("temperature", 0.01);
|
|
Map<String, String> headers = new HashMap<>();
|
headers.put("Authorization", "Bearer " + apiKey);
|
headers.put("Content-Type", "application/json");
|
|
String response = HttpUtils.sendPostByHeader(url, body.toJSONString(), headers);
|
if (StringUtils.isBlank(response)) {
|
log.error("通义千问返回为空，url={}, body={}", url, body.toJSONString());
|
return null;
|
}
|
|
try {
|
JSONObject json = JSONObject.parseObject(response);
|
JSONArray choices = json.getJSONArray("choices");
|
if (choices == null || choices.isEmpty()) {
|
log.error("通义千问响应无 choices，response={}", response);
|
return null;
|
}
|
JSONObject msg = choices.getJSONObject(0).getJSONObject("message");
|
return msg == null ? null : StringUtils.trim(msg.getString("content"));
|
} catch (Exception e) {
|
log.error("解析通义千问响应失败，response={}", response, e);
|
return null;
|
}
|
}
|
|
private JSONObject message(String role, String content) {
|
JSONObject msg = new JSONObject();
|
msg.put("role", role);
|
msg.put("content", content);
|
return msg;
|
}
|
|
/**
|
* 从模型回复中提取第一个整数。模型偶尔会回复 “选项2” “2。” 之类，做一次兜底解析。
|
*/
|
private Integer extractFirstNumber(String text) {
|
List<Character> digits = new ArrayList<>();
|
for (int i = 0; i < text.length(); i++) {
|
char c = text.charAt(i);
|
if (c >= '0' && c <= '9') {
|
digits.add(c);
|
} else if (!digits.isEmpty()) {
|
break;
|
}
|
}
|
if (digits.isEmpty()) {
|
return null;
|
}
|
StringBuilder sb = new StringBuilder();
|
for (char c : digits) {
|
sb.append(c);
|
}
|
try {
|
return Integer.parseInt(sb.toString());
|
} catch (NumberFormatException e) {
|
return null;
|
}
|
}
|
}
|
