LWX/ai_teaching_system/backend/services/llm_service.py

# -*- coding: utf-8 -*-
"""大模型服务：Qwen、DeepSeek 等轻量模型，结合知识图谱给出严谨回答"""
import json
import httpx
import re
from typing import Any, Dict, List, Optional
from backend.config import get_settings


def expand_with_llm(
    query: str,
    kg_context: List[Dict[str, str]],
    meta: Optional[Dict[str, Any]] = None,
) -> str:
    """
    大模型扩充回答：结合知识图谱事实与大模型通识能力给出口语化、贴合教材的答案。

    设计策略（更侧重“正常可用、隐藏图谱薄弱”）：
    - 若存在知识图谱检索结果（kg_context 非空），将其视为【参考背景】而不是硬约束，
      要求回答与这些事实不矛盾，但可以结合自身初中化学知识补全和拓展；
    - 若当前问题在知识图谱中完全检索不到相关三元组（kg_context 为空），
      直接依托大模型自身学科知识作答，避免暴露“图谱太薄弱”的事实。
    """
    settings = get_settings()
    has_kg = bool(kg_context)
    context_str = (
        "\n".join(
            [
                f"{c.get('subject','')} {c.get('predicate','')} {c.get('obj','')}"
                for c in kg_context
            ]
        )
        if kg_context
        else ""
    )

    # 若配置了 API，调用 Qwen/DeepSeek（兼容 OpenAI 接口）
    if settings.LLM_API_KEY and settings.LLM_PROVIDER:
        try:
            print(
                f"[LLM] try call provider={settings.LLM_PROVIDER}, "
                f"base_url={settings.LLM_BASE_URL}, has_key={bool(settings.LLM_API_KEY)}, "
                f"has_kg={has_kg}"
            )
            return _call_llm_api(query, context_str, settings, meta=meta, has_kg=has_kg)
        except Exception as e:
            # 打印错误方便排查 DeepSeek / Qwen 配置问题，避免静默失败
            print(f"[LLM] call failed, fallback to KG only. error={e}")

    # 兜底：仅在大模型 API 不可用时触发
    if context_str:
        return _normalize_chem_text(
            "下面是与本题相关的一些基础知识整理：\n\n"
            f"{context_str}\n\n"
            "你可以结合教材内容和老师的讲解进一步理解这些知识点。"
        )
    return _normalize_chem_text(
        "目前系统暂时无法从后台获取更详细的参考资料，"
        "建议先按照教材对应章节的内容进行复习，并向老师或同学请教。"
    )


def _normalize_chem_text(text: str) -> str:
    """
    对大模型返回的文本做一次简单的“化学方程式格式清洗”，
    主要目标是把常见的 LaTeX / HTML 形式的箭头和条件转换为
    初中教材中常见的直观写法，避免学生看到一堆类似 \\xrightarrow{} 的“乱码”。
    """
    if not text:
        return text

    # 去掉最常见的 LaTeX 行内数学定界符和美元号
    text = text.replace(r"\(", "").replace(r"\)", "").replace("$", "")

    # 统一处理常见的“加热”/“三角形”条件写法，避免 \triangle 这类看起来像乱码的片段
    # 例如：2KClO₃ \triangle，MnO2→ 2KCl + 3O₂↑
    text = re.sub(r"\\(triangle|Triangle|Delta|delta)\b", "△", text)
    text = text.replace("Δ", "△")

    # 常见的条件箭头写法：\xrightarrow{\triangle} 或 \xrightarrow{\Delta}
    text = re.sub(r"\\xrightarrow\{\s*\\?(triangle|Triangle|Delta|delta)\s*\}", " △→ ", text)

    # 处理形如 \xrightarrow{\text{MnO}_2} 的写法
    # 先把 \text{MnO}_2 变成 MnO2
    text = re.sub(r"\\text\{([A-Za-z0-9]+)\}_([0-9]+)", r"\1\2", text)
    # 再把剩余的 \text{...} 去掉外壳
    text = re.sub(r"\\text\{([^}]*)\}", r"\1", text)

    # 处理上下标条件箭头：\xrightarrow[\text{MnO}_2]{\triangle}
    def _arrow_with_two(m: re.Match) -> str:
        lower = (m.group(1) or "").strip()
        upper = (m.group(2) or "").strip()
        parts = [p for p in [upper, lower] if p]
        cond = "，".join(parts)
        if cond:
            return f"{cond}→"
        return "→"

    text = re.sub(r"\\xrightarrow\[(.*?)\]\{(.*?)\}", _arrow_with_two, text)

    # 剩余的一元条件箭头：\xrightarrow{条件}
    def _arrow_with_one(m: re.Match) -> str:
        cond = (m.group(1) or "").strip()
        return f"{cond}→" if cond else "→"

    text = re.sub(r"\\xrightarrow\{([^}]*)\}", _arrow_with_one, text)

    # 处理其他常见 LaTeX 箭头 / 气体符号写法
    text = re.sub(r"\\(rightarrow|Rightarrow|to)\b", "→", text)
    text = re.sub(r"\\uparrow\b", "↑", text)
    text = re.sub(r"\\downarrow\b", "↓", text)

    # 一些 HTML 箭头编码统一为常见符号
    text = (
        text.replace("→", "→")
        .replace("←", "←")
        .replace("↑", "↑")
        .replace("↓", "↓")
    )
    text = text.replace("->", "→").replace("<-", "←")

    # 将下标/上标数字统一为普通数字，避免在部分设备上显示成“方块”或乱码
    sub_map = str.maketrans("₀₁₂₃₄₅₆₇₈₉", "0123456789")
    sup_map = str.maketrans("⁰¹²³⁴⁵⁶⁷⁸⁹⁺⁻", "0123456789+-")
    text = text.translate(sub_map).translate(sup_map)

    # 合并多余空格
    text = re.sub(r"[ \t]{2,}", " ", text)
    return text


def _call_llm_api(
    query: str,
    context: str,
    settings,
    meta: Optional[Dict[str, Any]] = None,
    has_kg: bool = True,
) -> str:
    """
    调用 Qwen/DeepSeek 等 OpenAI 兼容接口，采用两种提示词模板：
    - has_kg = True：有图谱命中时，将其作为“隐形参考资料”，回答时不要向学生暴露图谱，
      优先保证与这些事实不矛盾，同时可以补充教材中的通识知识；
    - has_kg = False：当前问题图谱几乎没有命中时，直接依托大模型自身学科知识作答，
      让体验更接近“正常智能问答”，避免强调后台知识图谱的局限。
    """
    # DeepSeek / OpenAI 兼容：根据 provider 选择合适路径
    if settings.LLM_PROVIDER == "deepseek":
        # 对齐官方示例：base_url + /chat/completions
        base = settings.LLM_BASE_URL or "https://api.deepseek.com"
        url = base.rstrip("/") + "/chat/completions"
    else:
        # OpenAI 或其他兼容服务：默认 /v1/chat/completions
        url = "https://api.openai.com/v1/chat/completions"
        if settings.LLM_BASE_URL:
            url = settings.LLM_BASE_URL.rstrip("/") + "/v1/chat/completions"

    q_type = (meta or {}).get("type") or "other"

    # 根据问题类型给出差异化引导
    type_hint_map = {
        "concept": "这是【概念理解类】问题，请突出定义、本质、条件和常见易错点。",
        "experiment": "这是【实验操作类】问题，请关注实验目的、装置、安全注意事项和操作原因。",
        "exercise": "这是【习题求解类】问题，请分步骤展示解题思路和关键知识点。",
        "equation": "这是【化学方程式类】问题，请在保证守恒和符合实际反应条件的前提下，给出或讲解方程式和配平思路。",
        "ion_coexist": "这是【离子共存判断类】问题，请结合给定的“离子共存规则”等图谱事实，分析哪些离子能否大量共存，并说明理由。",
        "other": "请结合上下文给出简明扼要的说明。",
    }
    type_hint = type_hint_map.get(str(q_type), type_hint_map["other"])

    # 根据是否命中知识图谱，选择不同的提示词风格
    if has_kg:
        system_prompt = (
            "你是初中化学数字人教学助手，面向中国初中生，回答要符合人教版等初中化学教材表述。\n"
            "后台会给你一些与本题相关的“参考知识点”（例如三元组形式的事实），"
            "它们可能不完整，但通常是可靠的。回答时：\n"
            "1. 优先保证你的回答不要与这些参考知识点矛盾；\n"
            "2. 可以在此基础上，结合你掌握的初中化学通识知识补充完整答案；\n"
            "3. 在回答开头用 1‑2 句话以“知识图谱显示：……”或“根据知识图谱：……”"
            "   的形式简要点出 1‑3 条关键事实，体现系统使用了知识图谱；\n"
            "4. 不要强调“图谱不完整/事实不足”等弱点，只需要自然地引用已经给出的事实即可；\n"
            "5. 不要在回答中出现“后台”“三元组”等实现细节表述；\n"
            "6. 不要因为参考资料里没有提到某个细节就直接说“无法回答”，"
            "   如果你在学科知识上是确定的，可以直接给出标准答案并适当解释；\n"
            "7. 若确实超出初中化学范围或你不确定，再说明“目前无法确定”即可，避免胡编；\n"
            "8. 在书写化学方程式时，使用标准化学符号（例如：→、↑、↓、+ 等），"
            "   反应条件用“△”“点燃”“MnO2”等直接写在箭头上方或括号中，"
            "   不要使用 LaTeX、HTML 编码或看起来像乱码的奇怪符号；\n"
            f"9. {type_hint}"
        )
        user_content = (
            "学生问题如下，请综合考虑你掌握的初中化学知识和下面给出的“参考知识点”进行回答：\n"
            f"{query}\n\n"
            "【供你内部参考的相关知识点】\n"
            f"{context}\n\n"
            "请给出逐步、通俗易懂且符合教材的回答，并在开头用“知识图谱显示：……”"
            "或“根据知识图谱：……”自然地引出 1‑3 条关键事实。"
        )
    else:
        # 图谱中没有命中时，放宽约束：允许模型结合自身学科知识主导回答
        system_prompt = (
            "你是初中化学数字人教学助手，面向中国初中生，回答要符合人教版等初中化学教材表述。\n"
            "要求：\n"
            "1. 在保证知识准确的前提下，优先用通俗的语言解释，再给出1-2句较严谨的表述；\n"
            "2. 对于教材中常见的概念、实验、典型化学方程式（例如制取氧气、二氧化碳等），"
            "   如果你非常确定，可以直接给出标准结论并适当解释；\n"
            "3. 如果问题明显超出初中化学范围或你不确定，请说明“超出初中化学范围”或“目前无法确定”，不要胡编；\n"
            "4. 在书写化学方程式时，使用标准化学符号（例如：→、↑、↓、+ 等），"
            "   反应条件用“△”“点燃”“MnO2”等直接写在箭头上方或括号中，"
            "   不要使用 LaTeX、HTML 编码或看起来像乱码的奇怪符号；\n"
            "5. 可以点出1-2个常见错误理解或易混淆点；\n"
            f"6. {type_hint}"
        )
        user_content = (
            "学生问题如下，请结合你掌握的初中化学知识进行详细讲解，必要时可以举简单的例子帮助理解：\n"
            f"{query}"
        )

    payload = {
        "model": "gpt-3.5-turbo" if settings.LLM_PROVIDER == "openai" else "deepseek-chat",
        "messages": [
            {
                "role": "system",
                "content": system_prompt,
            },
            {
                "role": "user",
                "content": user_content,
            },
        ],
        "max_tokens": 500,
    }

    print(f"[LLM] request url={url}, model={payload['model']}")

    with httpx.Client(timeout=30.0) as client:
        r = client.post(
            url,
            headers={"Authorization": f"Bearer {settings.LLM_API_KEY}"},
            json=payload,
        )
        r.raise_for_status()
        data = r.json()
        raw = data["choices"][0]["message"]["content"].strip()
        return _normalize_chem_text(raw)