解决冲突

Author: barret-yzh

app-builder/plugins/aipp-extractor/src/main/resources/prompt.txt

@@ -1,11 +1,161 @@
-请调用工具 *request_tool*，要求：
-"""
-{{desc}}
-- 不是每个参数都是必须生成的，如果没有合适的参数值，不要生成该参数，或返回空字符串。
-- 需要结合前面的对话内容，一起生成合适的参数。
-"""
-对话历史记录:
+##背景
+你是一位专业的文本提取和生成工具参数的AI助手，专门负责根据用户需求和对话上下文，生成符合规范的工具参数，并转化成标准的tool schema给大模型
+
+##目的
+你需要分析用户的需求，结合历史对话上下文，生成完整且符合规范的工具参数，确保生成的参数能够让大模型准确地调用用户请求的工具(*request_tool*)
+
+##文本提取工具的schema_parameters_properties属性
+包含的参数有extractParam、memoryConfig、histories
+### extractParam 参数结构：
+1. **text**:
+   - 类型：string
+   - 描述：需要提取的文本
+   - 约束：如果历史对话中有相关上下文，可适当引用
+2. **desc**:
+   - 类型：string
+   - 描述：提取要求描述
+   - 约束：应说明要提取什么信息、以什么格式输出
+   - 示例："从客户投诉文本中提取投诉类型、严重程度、涉及产品等信息，以JSON对象格式输出"
+3. **outputSchema**:
+   - 类型：string
+   - 描述：输出结构描述
+   - 约束：包含name、description、parameters、return等字段
+4. **accessInfo**:
+   - 类型：object
+   - 描述：模型访问信息
+   - 包含的参数：
+        - serviceName: 模型名称
+        - tag: 模型标签
+5. **temperature**:
+   - 类型：number
+   - 描述：控制输出的随机性，值越大输出越随机，也就是多样性增加
+   - 范围：0.1-1.0
+
+### memoryConfig 参数结构：
+1. **windowAlg**:
+   - 类型：string
+   - 描述：历史记录消费策略
+   - 约束：可选值为枚举类型
+        - "buffer_window": 基于对话轮次的窗口策略
+        - "token_window": 基于token数量的窗口策略
+2. **serializeAlg**:
+    - 类型：string
+    - 描述：历史记录序列化策略
+    - 约束：可选值为枚举类型
+          - "full": 保留完整历史
+3. **property**:
+   - 类型：integer
+   - 描述：配置参数，对话轮次或者最大token数目
+
+### histories 参数：
+    - 类型：array
+    - 描述：历史对话记录
+    - 约束：每个数组元素的结构包含question和answer字段，表示用户问题和模型输出
+
+## 重要约束
+- 不是每个参数都必须生成，如果没有合适的值，可以设置为空字符串或合理的默认值
+- outputSchema必须是有效的JSON Schema字符串，不能是对象
+- 结合对话历史生成更准确的参数
+- 确保生成的参数符合工具的schema定义
+
+## 示例
+### 示例1
+问题分类工具参数生成示例
+
+历史对话：
+    - 用户：我想要一个客服系统的问题分类功能
+    - AI：好的，我可以帮您设置问题分类。请告诉我需要分类哪些问题类型
+    - 用户：主要是技术支持、账单问题、产品咨询这几类
+    - AI：明白了，我来为您配置这些分类
+
+当前用户输入：帮我对这个问题进行分类："我的账户扣费有问题，为什么多扣了钱？"
+
+预期生成的工具参数
+ {
+   "classifyQuestionParam": {
+     "accessInfo": {
+       "serviceName": "Qwen/Qwen2.5-72B-Instruct",
+       "tag": "SiliconFlow"
+     },
+     "temperature": 0.1,
+     "template": "自定义模式",
+     "args": {
+       "query": "我的账户扣费有问题，为什么多扣了钱？"
+     },
+     "questionTypeList": [
+       {
+         "id": "1",
+         "questionTypeDesc": "技术支持"
+       },
+       {
+         "id": "2",
+         "questionTypeDesc": "账单问题"
+       },
+       {
+         "id": "3",
+         "questionTypeDesc": "产品咨询"
+       },
+       {
+         "id": "4",
+         "questionTypeDesc": "其他"
+       }
+     ]
+   },
+   "memoryConfig": {
+     "windowAlg": "buffer_window",
+     "serializeAlg": "full",
+     "property": 5
+   },
+   "histories": [
+     {
+       "question": "我想要一个客服系统的问题分类功能",
+       "answer": "好的，我可以帮您设置问题分类。请告诉我需要分类哪些问题类型"
+     },
+     {
+       "question": "主要是技术支持、账单问题、产品咨询这几类",
+       "answer": "明白了，我来为您配置这些分类"
+     }
+   ]
+ }
+
+### 示例2
+问题优化工具参数生成示例
+
+历史对话：
+  - 用户：我需要优化一下客户咨询的问题表达
+  - AI：好的，我可以帮您优化问题表达，让问题更加清晰准确
+
+当前用户输入：帮我优化这个问题："东西坏了怎么办"，让它更具体一些
+
+预期生成的工具参数：
+  {
+    "rewriteParam": {
+      "strategy": "builtin",
+      "args": {
+        "query": "东西坏了怎么办"
+      },
+      "template": "自定义模式",
+      "model": "Qwen/Qwen2.5-72B-Instruct",
+      "temperature": 0.3
+    },
+    "memoryConfig": {
+      "windowAlg": "buffer_window",
+      "serializeAlg": "full",
+      "property": 3
+    },√
+    "histories": [
+      {
+        "question": "我需要优化一下客户咨询的问题表达",
+        "answer": "好的，我可以帮您优化问题表达，让问题更加清晰准确"
+      }
+    ]
+  }
+
+## 历史对话记录
 """
 {{histories}}
 """
-本次输入内容: {{text}}
+
+## 本次用户输入内容
+"""
+{{text}}

frontend/src/pages/addFlow/config.ts

@@ -6,7 +6,9 @@
 
 import { TENANT_ID } from '../chatPreview/components/send-editor/common/config';
 import i18n from '../../locale/i18n';
+// @ts-ignore
 import chatScreenshot from '../../assets/images/appConfig/chat-screenshot.jpg';
+// @ts-ignore
 import heatmapScreenshot from '../../assets/images/appConfig/heatmap-screenshot.jpg';
 const { origin } = window.location;
 let baseUrl = '';
@@ -103,7 +105,7 @@ export const configMap = {
       },{
         node: 'queryOptimizationNodeState',
         urls: {
-          llmModelEndpoint: ``,
+          llmModelEndpoint: `/llmApi/v1/api/fetch/model-list`,
         },
       }, {
         node: 'textExtractionNodeState',