wechat-api/internal/utils/compapi/mismatch.go

package compapi

import (
	"errors"
	"fmt"
	"wechat-api/ent"
	"wechat-api/internal/types"

	"github.com/openai/openai-go"
)

type MismatchClient struct {
	StdClient
}

// Generate the JSON schema at initialization time
var MismatchResponseSchema = GenerateSchema[MismatchResponse]()

type MismatchResponse struct {
	UserIntent   string   `json:"user_intent" jsonschema_description:"用户意图"`
	SimilarReply []string `json:"similar_reply" jsonschema_description:"类似回复"`
	Keywords     []string `json:"keywords" jsonschema_description:"关键词库"`
	Regular      []string `json:"regular" jsonschema_description:"正则表达式"`
}

/*

"response_format":{"type":"json_object"}}

{"type":"json_schema",
	"json_schema":{
		"description":"从通话记录中提取表单","name":"keyword_schema","schema":{
			"$schema":"https://json-schema.org/draft/2020-12/schema","additionalProperties":false,"properties":{
			"keywords":{
				"description":"关键词库","items":{"type":"string"},"type":"array"},"regular":{"description":"正则表达式","items":{"type":"string"},"type":"array"},"similar_reply":{"description":"类似回复","items":{"type":"string"},"type":"array"},"swear_words":{"description":"脏话列表","items":{"type":"string"},"type":"array"},"user_intent":{"description":"用户意图","type":"string"},"user_mood":{"description":"用户情绪","type":"string"}},"required":["user_intent","similar_reply","keywords","regular","user_mood","swear_words"],"type":"object"},"strict":true}}
*/

func (me *MismatchClient) BuildRequest(req *types.CompApiReq) error {

	//先重构message
	newMessSlice := make([]types.StdCompMessage, 2)
	newMessSlice[0] = types.StdCompMessage{Role: "system", Content: ` # 任务介绍
		公司在用程序巡检电话通话记录时，有些用户的回复内容没有被关键词库识别到，请根据以下通话记录，给出一些类似的回复，以及对关键词库的具体建议，非常感谢！

		# 输出要求
		1. 用户意图：结合上下文，首先考虑可能的语音识别错误并纠错，然后分析未识别内容的根本意图，用户说这句话的背后真实目的是什么，结合上下文挖掘用户最深的意图，请不要停留在表面的意思。
		2. 类似回复：首先应包含未识别的内容原文：` + req.Variables["missed"] + `。其次生成尽可能多的类似意图的回复。
		2. 关键词库：从类似回复中抽取特征词，要求有两点：一是特征词应尽可能的准确，即要覆盖住此类问题，又要尽可能避免和其他语境相冲突。二是需要注重通用性，一些专有名词、人名、地名、产品名、公司名等需要排除在外。
		3. 正则表达式：对关键词词进行解耦，用正则表达式进行表示，专注于主要内容，排除次要内容

		# 注意事项
		1. 应贴近真实的外呼场景，用户的素质参差不齐，请避免使用任何浮夸的用词，避免使用高级词汇，避免使用任何的礼貌用语或敬语，适当的低素质些，请至少给出20条结果
		2. 通话记录为录音转译，因此可能有错别字或音同字不同的情况（例如：借和接），请根据上下文分析后就成可能的错字错误
		3. 正则关键词库和正则表达式中也应该考虑到音同字不同的情况，且避免使用匹配次数相关的语法如{0,2}`}

	newMessSlice[1] = types.StdCompMessage{Role: "user", Content: `
	# 通话记录` + req.Variables["chat_history"] + `

	# 可能识别有误的内容：` + req.Variables["missed"]}

	//再构造ResponseFormat
	if !IsOpenaiModel(req.Model) {
		newMessSlice[1].Content = newMessSlice[1].Content.(string) + `{
    "user_intent": str, #用户意图
    "similar_reply": list[str], #类似回复
    "keywords": list[str], #关键词库
    "regular": list[str], #正则表达式
}`
		req.ResponseFormat = openai.ResponseFormatJSONObjectParam{Type: "json_object"}
	} else {
		schemaParam := openai.ResponseFormatJSONSchemaJSONSchemaParam{
			Name:        "keyword_schema",
			Description: openai.String("从通话记录中提取表单"),
			Schema:      MismatchResponseSchema,
			Strict:      openai.Bool(true),
		}
		req.ResponseFormat = openai.ResponseFormatJSONSchemaParam{JSONSchema: schemaParam}
	}
	//req.Model = oldModel
	req.Messages = newMessSlice

	return nil
}

func (me *MismatchClient) CallbackPrepare(params any) ([]byte, error) {
	taskData, ok := params.(*ent.CompapiAsynctask)
	if !ok {
		return nil, errors.New("invalid callback taskdata")
	}
	type OutResult struct {
		InternalID string `json:"internal_id"`
		ExternalID string `json:"external_id"`
		ChatID     string `json:"chat_id"`
		EventType  string `json:"event_type"`
		Content    string `json:"content"`
	}

	res := OutResult{}
	res.InternalID = fmt.Sprintf("%d", taskData.ID)
	res.ExternalID = taskData.ResponseChatItemID
	res.EventType = taskData.EventType
	res.ChatID = taskData.ChatID
	var err error
	res.Content, err = NewChatResult(taskData.ResponseRaw).GetContentJsonStr()
	if err != nil {
		return nil, err
	}
	return WrapJSON(res, "", false)
}