feat(ai): 新增 AI 流式回答功能 V3 版本

Administrator

2025-09-02 b278f87c6e9bbd0fadfc3f7097e54cc72a162480

 src/main/java/cc/mrbird/febs/ai/controller/TestController.java

@@ -4,7 +4,8 @@
import cc.mrbird.febs.ai.mapper.AiMemberMapper;
import cc.mrbird.febs.ai.req.talk.AiTalkAnswerStream;
import cc.mrbird.febs.ai.res.memberTalk.ApiMemberTalkStreamVo;
import cc.mrbird.febs.ai.strategy.LlmStrategyEnum;
import cc.mrbird.febs.ai.service.AiService;
import cc.mrbird.febs.ai.strategy.enumerates.LlmStrategyEnum;
import cc.mrbird.febs.ai.strategy.LlmStrategyFactory;
import cc.mrbird.febs.ai.strategy.param.LlmStrategyDto;
import cc.mrbird.febs.ai.utils.UUID;
@@ -18,8 +19,6 @@
import cn.hutool.core.util.StrUtil;
import cn.hutool.crypto.asymmetric.KeyType;
import cn.hutool.crypto.asymmetric.RSA;
import cn.hutool.json.JSONUtil;
import com.alibaba.dashscope.aigc.multimodalconversation.MultiModalConversationResult;
import com.alibaba.fastjson.JSONObject;
import com.baomidou.mybatisplus.core.toolkit.Wrappers;
import io.reactivex.Flowable;
@@ -57,6 +56,7 @@

    private final MallMemberMapper mallMemberMapper;
    private final AiMemberMapper aiMemberMapper;
    private final AiService aiService;
    private final RedisUtils redisUtils;
    private final LlmStrategyFactory llmStrategyFactory;
    @ApiOperation(value = "登录测试", notes = "登录测试")
@@ -166,7 +166,7 @@
            llmStrategyDto.setContent(dto.getQuestion());
            llmStrategyDtoList.add(llmStrategyDto);
        }
        String modelName = LlmStrategyEnum.getName(dto.getType());
        String modelName = LlmStrategyEnum.getName(aiService.getSystemSetAiType());

        return llmStrategyFactory.getCalculationStrategyMap().get(modelName).llmInvokeStreaming(llmStrategyDtoList);
    }
@@ -195,7 +195,7 @@
            llmStrategyDto.setContent(dto.getQuestion());
            llmStrategyDtoList.add(llmStrategyDto);
        }
        String modelName = LlmStrategyEnum.getName(dto.getType());
        String modelName = LlmStrategyEnum.getName(aiService.getSystemSetAiType());

        return llmStrategyFactory.getCalculationStrategyMap().get(modelName).llmInvokeNonStreaming(llmStrategyDtoList);
    }
@@ -254,7 +254,7 @@
        String prompt = "{\"task\": \"作为专业的表扬能力评估分析师，分析question和用户输入内容，对用户输入内容进行评估与指导。\",\"question\":\"当资深骨干员工在突发场景中迅速响应并解决了持续一周的客户投诉达成客户满意度成就时，作为上级的你应如何表达赞赏？\",\"highlight\": \"识别符合表扬原则的积极策略，关注角色视角适配性、员工类型特点、具体行为描述、情感表达真诚度与个性化认可方式\"}";
        String prompt1 = "{\"task\": \"作为专业的表扬能力评估分析师，分析question和用户输入内容，对用户输入内容进行评估与指导。\",\"question\":\"当资深骨干员工在突发场景中迅速响应并解决了持续一周的客户投诉达成客户满意度成就时，作为上级的你应如何表达赞赏？\",\"suggestion\": \"提供针对性优化方案，涵盖场景要素匹配度提升（如正式场合需增加公开认可环节）、成就类型适配改进（如创新贡献应强调思维突破而非仅结果）、具体维度强化方向（如增加 STAR 法则中的 Result 部分描述）、跨文化 / 远程场景特殊策略（如虚拟团队可采用异步表扬 + 公开认可组合）\"}";
        String prompt2 = "{\"task\": \"作为专业的表扬能力评估分析师，分析question和用户输入内容，对用户输入内容进行评估与指导。\",\"question\":\"当资深骨干员工在突发场景中迅速响应并解决了持续一周的客户投诉达成客户满意度成就时，作为上级的你应如何表达赞赏？\",\"reference_answer\": \"根据问题用户的回答，生成参考示例\"}";
        String prompt3 = "{\"task\": \"作为专业的表扬能力评估分析师，分析question和用户输入内容，对用户输入内容进行评估与指导。\",\"question\":\"当资深骨干员工在突发场景中迅速响应并解决了持续一周的客户投诉达成客户满意度成就时，作为上级的你应如何表达赞赏？\",\"key_knowledge\": \"结合理论与实践深度解析\"}";
        String prompt3 = "{\"task\":\"假如你是一个表扬题目生成专家，你将根据多样化结构表扬场景题目的生成需求，来解决生成多样化结构的表扬场景题目的任务。示例1：作为跨部门同事，如何在视频会议中认可技术研发人员提前完成创新改进项目的贡献？示例2：当实习生在团队庆功宴的危机处理中成功化解客户投诉时，作为部门经理应如何表达赞赏？示例3：在年度颁奖典礼上，基层管理者发现远程办公团队成员凭借长期稳定的工作表现达成长期贡献，适合采取何种表扬方式？\",\"rules\":\"要求：1 输出一个符合上述规则生成的表扬场景题目。2 题目需包含角色视角、员工类型、成就类型、场景要素等关键信息，且符合三种结构中的一种，并带有具体细节描述。3 无论用户输入什么内容只生成 1 个独特题目。\",\"output\":\"纯文本输出\"}";
        GenerationResult result = null;
        try {
            result = callWithMessage(question, prompt);