bwadmin/joke
1
0
Fork 0
Code Issues Pull Requests Actions Packages Projects Releases Wiki Activity

feat: 提示词和 AI 参数移至数据库管理

Browse Source 
- AiSetting 模型新增 6 个提示词字段 + 3 个阶段温度字段
- main.py 迁移逻辑改为检测 ai_settings 表的新字段并填充默认值
- generate.py 从数据库读取生成提示词，去掉硬编码
- optimizer 从 API 读取各阶段提示词和温度，删除 prompts.py
- crawler 从 API 读取提取/改写提示词和温度，删除 prompts.py
- settings/active 端点去掉 token 认证（供爬虫/优化器使用）
- 后台设置页新增提示词编辑区和温度调节控件
- 新增 _ensure_default_settings 自动创建默认配置
This commit is contained in:
bwstudio
2026-06-13 17:27:09 +08:00
parent 6d015bb56d
commit db8cea02f8
11 changed files with 457 additions and 195 deletions
Download Patch File Download Diff File Expand all files Collapse all files
admin/src/views/setting/Index.vue
+105 -3
View File
@@ -2,10 +2,10 @@
<div class="setting-page">
<h2>AI 配置</h2>
<!-- AI 配置表单 -->
<!-- AI 基础配置 -->
<el-card style="margin-top: 20px">
<template #header>
<span>AI 配置</span>
<span>API 基础配置</span>
</template>
<el-form :model="form" label-width="120px">
<el-form-item label="提供商">
@@ -57,6 +57,81 @@
</el-form>
</el-card>
<!-- 提示词配置 -->
<el-card style="margin-top: 20px">
<template #header>
<span>提示词模板</span>
</template>
<el-form :model="form" label-width="140px">
<el-form-item label="AI 生成笑话">
<el-input
v-model="form.generate_prompt"
type="textarea"
:rows="6"
placeholder="使用 {context}/{style}/{length_requirement} 作为占位符"
style="width: 100%"
/>
</el-form-item>
<el-divider />
<el-form-item label="优化器-质量检测">
<el-input
v-model="form.optimizer_quality_prompt"
type="textarea"
:rows="4"
style="width: 100%"
/>
</el-form-item>
<el-form-item label="质量检测温度">
<el-input-number v-model="form.optimizer_quality_temperature" :min="0" :max="2" :step="0.1" />
</el-form-item>
<el-divider />
<el-form-item label="优化器-润色">
<el-input
v-model="form.optimizer_polish_prompt"
type="textarea"
:rows="4"
style="width: 100%"
/>
</el-form-item>
<el-form-item label="润色温度">
<el-input-number v-model="form.optimizer_polish_temperature" :min="0" :max="2" :step="0.1" />
</el-form-item>
<el-divider />
<el-form-item label="优化器-评价分类">
<el-input
v-model="form.optimizer_evaluate_prompt"
type="textarea"
:rows="4"
style="width: 100%"
/>
</el-form-item>
<el-form-item label="评价温度">
<el-input-number v-model="form.optimizer_evaluate_temperature" :min="0" :max="2" :step="0.1" />
</el-form-item>
<el-divider />
<el-form-item label="爬虫-提取笑话">
<el-input
v-model="form.crawler_extract_prompt"
type="textarea"
:rows="4"
style="width: 100%"
/>
</el-form-item>
<el-form-item label="爬虫-改写">
<el-input
v-model="form.crawler_rewrite_prompt"
type="textarea"
:rows="4"
style="width: 100%"
/>
</el-form-item>
</el-form>
</el-card>
<div style="margin-top: 20px">
<el-button type="primary" @click="handleSave" :loading="saving">保存配置</el-button>
</div>
@@ -106,6 +181,15 @@ const form = ref({
crawl_enabled: false,
crawl_keywords: '冷笑话,段子,谐音梗',
max_pages_per_run: 3,
generate_prompt: '',
optimizer_quality_prompt: '',
optimizer_polish_prompt: '',
optimizer_evaluate_prompt: '',
optimizer_quality_temperature: 0.3,
optimizer_polish_temperature: 0.8,
optimizer_evaluate_temperature: 0.3,
crawler_extract_prompt: '',
crawler_rewrite_prompt: '',
})
const allSettings = ref([])
@@ -126,6 +210,15 @@ const loadData = async () => {
crawl_enabled: active.crawl_enabled,
crawl_keywords: active.crawl_keywords || '',
max_pages_per_run: active.max_pages_per_run,
generate_prompt: active.generate_prompt || '',
optimizer_quality_prompt: active.optimizer_quality_prompt || '',
optimizer_polish_prompt: active.optimizer_polish_prompt || '',
optimizer_evaluate_prompt: active.optimizer_evaluate_prompt || '',
optimizer_quality_temperature: active.optimizer_quality_temperature ?? 0.3,
optimizer_polish_temperature: active.optimizer_polish_temperature ?? 0.8,
optimizer_evaluate_temperature: active.optimizer_evaluate_temperature ?? 0.3,
crawler_extract_prompt: active.crawler_extract_prompt || '',
crawler_rewrite_prompt: active.crawler_rewrite_prompt || '',
}
} catch (e) {
// 没有激活配置，使用默认值
@@ -147,7 +240,7 @@ const handleSave = async () => {
} else {
const created = await createSetting(form.value)
editingId.value = created.id
await toggleSetting(created.id) // 设为激活
await toggleSetting(created.id)
ElMessage.success('创建并激活成功')
}
await loadData()
@@ -170,6 +263,15 @@ const handleEdit = (row) => {
crawl_enabled: row.crawl_enabled,
crawl_keywords: row.crawl_keywords || '',
max_pages_per_run: row.max_pages_per_run,
generate_prompt: row.generate_prompt || '',
optimizer_quality_prompt: row.optimizer_quality_prompt || '',
optimizer_polish_prompt: row.optimizer_polish_prompt || '',
optimizer_evaluate_prompt: row.optimizer_evaluate_prompt || '',
optimizer_quality_temperature: row.optimizer_quality_temperature ?? 0.3,
optimizer_polish_temperature: row.optimizer_polish_temperature ?? 0.8,
optimizer_evaluate_temperature: row.optimizer_evaluate_temperature ?? 0.3,
crawler_extract_prompt: row.crawler_extract_prompt || '',
crawler_rewrite_prompt: row.crawler_rewrite_prompt || '',
}
}
api/app/models/setting.py
+13
View File
@@ -14,6 +14,19 @@ class AiSetting(Base):
temperature = Column(Float, nullable=False, default=0.7)
max_tokens = Column(Integer, nullable=False, default=2048)
# 提示词模板
generate_prompt = Column(Text, nullable=True, comment="AI 笑话生成提示词")
optimizer_quality_prompt = Column(Text, nullable=True, comment="优化器-质量检测提示词")
optimizer_polish_prompt = Column(Text, nullable=True, comment="优化器-润色提示词")
optimizer_evaluate_prompt = Column(Text, nullable=True, comment="优化器-评价分类提示词")
crawler_extract_prompt = Column(Text, nullable=True, comment="爬虫-笑话提取提示词")
crawler_rewrite_prompt = Column(Text, nullable=True, comment="爬虫-改写提示词")
# 优化器各阶段温度
optimizer_quality_temperature = Column(Float, nullable=False, default=0.3)
optimizer_polish_temperature = Column(Float, nullable=False, default=0.8)
optimizer_evaluate_temperature = Column(Float, nullable=False, default=0.3)
crawl_enabled = Column(Boolean, nullable=False, default=False)
crawl_keywords = Column(Text, nullable=True, default="")
max_pages_per_run = Column(Integer, nullable=False, default=3)
api/app/routers/generate.py
+33 -33
View File
@@ -1,8 +1,8 @@
"""智能笑话生成器 API"""
"""AI 笑话生成器 API — 提示词从数据库读取"""
import json
from datetime import datetime
from fastapi import APIRouter, Depends, HTTPException, Query
from fastapi import APIRouter, Depends, HTTPException
from openai import OpenAI
from sqlalchemy.orm import Session
@@ -13,9 +13,31 @@ from app.schemas.joke import GenerateRequest, GenerateResponse
router = APIRouter(prefix="/generate", tags=["生成器"])
STYLE_MAP = {
"cold": "冷幽默 / 无厘头",
"warm": "温馨幽默 / 暖心搞笑",
"twist": "反转 / 神转折",
"pun": "谐音梗 / 文字游戏",
"sketch": "段子 / 吐槽调侃",
"irony": "讽刺幽默 / 黑色幽默",
}
# AI Prompt
GENERATION_PROMPT = """你是一位幽默大师，专门创作轻松搞笑的短笑话。
LENGTH_MAP = {
"short": "30-80字，非常简短",
"medium": "80-150字，正常长度",
"long": "150-300字，可以描述一个小场景",
}
def _load_prompt(setting: AiSetting) -> str:
"""从数据库读取生成提示词，没有则返回默认值"""
prompt = setting.generate_prompt
if not prompt or not prompt.strip():
prompt = GENERATE_PROMPT_DEFAULT
return prompt
GENERATE_PROMPT_DEFAULT = """你是一位幽默大师，专门创作轻松搞笑的短笑话。
{context}
@@ -36,27 +58,13 @@ GENERATION_PROMPT = """你是一位幽默大师，专门创作轻松搞笑的短
score 是 1-10 的整数评分，reason 是用一句话说明亮点。"""
STYLE_MAP = {
"cold": "冷幽默 / 无厘头",
"warm": "温馨幽默 / 暖心搞笑",
"twist": "反转 / 神转折",
"pun": "谐音梗 / 文字游戏",
"sketch": "段子 / 吐槽调侃",
"irony": "讽刺幽默 / 黑色幽默",
}
LENGTH_MAP = {
"short": "30-80字，非常简短",
"medium": "80-150字，正常长度",
"long": "150-300字，可以描述一个小场景",
}
def _build_prompt(
scenarios: list[str],
keywords: list[str],
style: str = "twist",
length: str = "medium",
setting: AiSetting | None = None,
) -> str:
"""构建 AI prompt，支持风格和长度控制"""
parts = []
@@ -66,7 +74,9 @@ def _build_prompt(
parts.append(f"关键词：{', '.join(keywords)}")
if not parts:
parts.append("场景：日常生活的各种趣事（不指定具体场景）")
return GENERATION_PROMPT.format(
prompt_template = _load_prompt(setting) if setting else GENERATE_PROMPT_DEFAULT
return prompt_template.format(
context="\n".join(parts),
style=STYLE_MAP.get(style, "反转 / 神转折"),
length_requirement=LENGTH_MAP.get(length, "80-150字，正常长度"),
@@ -78,7 +88,7 @@ def generate_joke(
req: GenerateRequest,
db: Session = Depends(get_db),
):
"""调用 AI 生成笑话，支持风格和长度控制"""
"""调用 AI 生成笑话，提示词从数据库读取"""
# 获取激活的 AI 配置
setting = db.query(AiSetting).filter(AiSetting.is_active == True).first()
if not setting:
@@ -87,10 +97,9 @@ def generate_joke(
if not setting or not setting.api_key:
raise HTTPException(status_code=503, detail="AI 服务未配置，请联系管理员")
# 调用 AI
try:
client = OpenAI(base_url=setting.api_base, api_key=setting.api_key)
prompt = _build_prompt(req.scenarios, req.keywords, req.style, req.length)
prompt = _build_prompt(req.scenarios, req.keywords, req.style, req.length, setting)
response = client.chat.completions.create(
model=setting.model_name,
@@ -113,22 +122,18 @@ def _parse_json_response(raw: str | None) -> GenerateResponse:
if not raw or not raw.strip():
return GenerateResponse(title="生成的笑话", content="（内容生成失败，请重新生成）", score=0)
# 尝试从 markdown 代码块中提取 JSON
raw = raw.strip()
if raw.startswith("```"):
lines = raw.split("\n")
# 去掉第一行 ```json 和最后一行 ```
if len(lines) >= 3:
raw = "\n".join(lines[1:-1]).strip()
# 移除可能的尾部分号
if raw.endswith(","):
raw = raw[:-1]
try:
data = json.loads(raw)
except json.JSONDecodeError:
# 如果 JSON 解析失败，尝试查找花括号内的内容
try:
start = raw.index("{")
end = raw.rindex("}") + 1
@@ -147,20 +152,17 @@ def _parse_json_response(raw: str | None) -> GenerateResponse:
def _parse_response(raw: str | None) -> GenerateResponse:
"""解析 AI 返回内容，提取标题和内容"""
# 防御：处理空或 None 输入
"""解析 AI 返回内容（非 JSON 回退）"""
if not raw or not raw.strip():
raise ValueError("AI 返回内容为空")
title = ""
content = raw
# 尝试提取 "标题：xxx" 或 "标题:xxx"
for line in raw.split("\n"):
line = line.strip()
if line.startswith("标题：") or line.startswith("标题:"):
title = line.split("：", 1)[-1].split(":", 1)[-1].strip()
# 只替换这一行，不要 replace 全局
lines = content.split("\n")
for i, l in enumerate(lines):
if l.strip() == line:
@@ -169,14 +171,12 @@ def _parse_response(raw: str | None) -> GenerateResponse:
content = "\n".join(lines).strip()
break
# 如果没有提取到标题，取第一行
if not title:
first_line = raw.split("\n")[0].strip()
if first_line.startswith("标题"):
first_line = first_line.split("：", 1)[-1].split(":", 1)[-1].strip()
title = first_line[:30] if len(first_line) > 30 else first_line
# 防御：content 不能为空
if not content.strip():
content = "（内容生成失败，请重新生成）"
api/app/routers/settings.py
+22 -4
View File
@@ -22,12 +22,12 @@ def list_settings(
@router.get("/active")
def get_active_setting(
db: Session = Depends(get_db),
current_user: AdminUser = Depends(get_current_admin_user),
):
"""获取当前激活的 AI 配置（爬虫调用，无需用户认证，token 校验仍保留）"""
"""获取当前激活的 AI 配置（无需认证，供爬虫/优化器使用）"""
setting = db.query(AiSetting).filter(AiSetting.is_active == True).first()
if not setting:
raise HTTPException(status_code=404, detail="未找到激活的 AI 配置")
from app.routers.settings import _ensure_default_settings
setting = _ensure_default_settings(db)
return setting
@@ -93,4 +93,22 @@ def delete_setting(
raise HTTPException(status_code=404, detail="配置不存在")
db.delete(db_setting)
db.commit()
return {"message": "删除成功"}
return {"message": "删除成功"}
def _ensure_default_settings(db: Session) -> AiSetting:
"""当没有激活配置时，创建一条默认配置"""
existing = db.query(AiSetting).first()
if existing:
existing.is_active = True
db.commit()
return existing
defaults = AiSetting(
is_active=True,
# 默认提示词会在 main.py 迁移时填充
)
db.add(defaults)
db.commit()
db.refresh(defaults)
return defaults
api/app/schemas/setting.py
+15 -1
View File
@@ -1,4 +1,4 @@
from pydantic import BaseModel, ConfigDict, Field
from pydantic import BaseModel, Field
class AiSettingBase(BaseModel):
@@ -8,6 +8,20 @@ class AiSettingBase(BaseModel):
model_name: str = Field(default="nvidia/llama-3.1-nemotron-70b-instruct")
temperature: float = Field(default=0.7, ge=0, le=2)
max_tokens: int = Field(default=2048, ge=1)
# 提示词
generate_prompt: str = Field(default="")
optimizer_quality_prompt: str = Field(default="")
optimizer_polish_prompt: str = Field(default="")
optimizer_evaluate_prompt: str = Field(default="")
crawler_extract_prompt: str = Field(default="")
crawler_rewrite_prompt: str = Field(default="")
# 优化器各阶段温度
optimizer_quality_temperature: float = Field(default=0.3, ge=0, le=2)
optimizer_polish_temperature: float = Field(default=0.8, ge=0, le=2)
optimizer_evaluate_temperature: float = Field(default=0.3, ge=0, le=2)
crawl_enabled: bool = Field(default=False)
crawl_keywords: str = Field(default="")
max_pages_per_run: int = Field(default=3, ge=1)
api/main.py
+108 -5
View File
@@ -13,14 +13,117 @@ from app.models.feedback import Feedback # 注册模型，确保 create_all 能
Base.metadata.create_all(bind=engine)
# 对已有表新增字段的兼容迁移（SQLite 不支持 ALTER TABLE ADD COLUMN IF NOT EXISTS）
# 默认提示词
_GENERATE_PROMPT_DEFAULT = """你是一位幽默大师，专门创作轻松搞笑的短笑话。
{context}
要求：
1. 根据场景和关键词创作一条原创笑话
2. 笑话要有反转或意外结局
3. 语言风格：{style}
4. 字数要求：{length_requirement}
5. 直接输出笑话内容，不需要解释
请严格按照以下 JSON 格式输出，不要加任何额外说明：
{{
"title": "笑话标题",
"content": "笑话正文",
"score": 8,
"reason": "这个笑话巧妙结合了场景和关键词，结尾有反转"
}}
score 是 1-10 的整数评分，reason 是用一句话说明亮点。"""
_OPTIMIZER_QUALITY_DEFAULT = """你是一个幽默内容审核专家。判断以下内容是否是一个合格的笑话/段子。
合格标准（满足任一即可）：
1. 有明确的笑点或反转（punchline）
2. 有幽默的语言表达或双关
3. 有意外结局或情理之中意料之外
不合格标准（符合任一即判定不合格）：
1. 纯粹的事实陈述，没有任何幽默元素
2. 只是对话片段，没有笑点
3. 普通故事或叙事，没有幽默设计
4. 说教或道理阐述
5. 内容不完整或难以理解
始终返回 JSON 格式：{"has_punchline": true/false, "reason": "简要说明判断理由"}"""
_OPTIMIZER_POLISH_DEFAULT = """你是一个专业的幽默文案编辑。请润色以下笑话，要求：
1. 保持核心笑点不变
2. 优化语言表达，使其更通顺、更精炼
3. 增强节奏感和幽默效果，但不改变原意
4. 字数控制在原内容的 80%-120%
5. 不要添加额外解释或评论
6. 直接输出润色后的内容，不要加任何前缀"""
_OPTIMIZER_EVALUATE_DEFAULT = """你是一个笑话分类和评价专家。对给定的笑话进行分析，返回 JSON 格式的分类和评分结果。
要求：
1. types: 从提供的类型列表中选择所有匹配的类型名称（数组，可以选多个）
2. crowds: 从提供的人群列表中选择所有匹配的人群名称（数组，可以选多个）
3. score: 1-10 分，基于幽默程度、创意和表达效果
4. comment: 简短评语（10字以内）
始终返回 JSON 格式。"""
_CRAWLER_EXTRACT_DEFAULT = """你是一个笑话提取专家。从给定的网页文本中识别并提取所有笑话、幽默段子或有趣内容。
要求：
1. 只返回真正的笑话内容，不要提取普通文章或新闻
2. 每条笑话需要包含：title（简短标题）、content（完整笑话内容）、type（类型）、crowd（人群）
3. 如果网页中没有笑话，返回空数组 []
4. 永远返回合法的 JSON 格式，根节点为数组或包含 jokes 键的对象"""
_CRAWLER_REWRITE_DEFAULT = """你是一个幽默作家，负责润色和改写笑话。
要求：
1. 保持笑话的核心笑点不变
2. 语言更通顺、更幽默
3. 字数控制在原内容的 80%-120% 之间
4. 不要添加任何解释说明"""
def _migrate_db():
from sqlalchemy import inspect, text
inspector = inspect(engine)
columns = [c["name"] for c in inspector.get_columns("jokes")]
if "dislike_count" not in columns:
with engine.connect() as conn:
conn.execute(text("ALTER TABLE jokes ADD COLUMN dislike_count INTEGER DEFAULT 0"))
conn.commit()
columns = [c["name"] for c in inspector.get_columns("ai_settings")]
# 新增提示词字段
prompt_fields = {
"generate_prompt": _GENERATE_PROMPT_DEFAULT,
"optimizer_quality_prompt": _OPTIMIZER_QUALITY_DEFAULT,
"optimizer_polish_prompt": _OPTIMIZER_POLISH_DEFAULT,
"optimizer_evaluate_prompt": _OPTIMIZER_EVALUATE_DEFAULT,
"crawler_extract_prompt": _CRAWLER_EXTRACT_DEFAULT,
"crawler_rewrite_prompt": _CRAWLER_REWRITE_DEFAULT,
}
for field, default_val in prompt_fields.items():
if field not in columns:
from sqlalchemy import Text
col_type = "TEXT"
with engine.connect() as conn:
conn.execute(text(f"ALTER TABLE ai_settings ADD COLUMN {field} {col_type}"))
conn.commit()
# 新增 temperature 字段
temp_fields = [
("optimizer_quality_temperature", "FLOAT", "0.3"),
("optimizer_polish_temperature", "FLOAT", "0.8"),
("optimizer_evaluate_temperature", "FLOAT", "0.3"),
]
for field, col_type, default_val in temp_fields:
if field not in columns:
with engine.connect() as conn:
conn.execute(text(f"ALTER TABLE ai_settings ADD COLUMN {field} {col_type} DEFAULT {default_val}"))
conn.commit()
# 给新增字段填充默认值（已有记录）
with engine.connect() as conn:
for field, default_val in prompt_fields.items():
conn.execute(text(f"UPDATE ai_settings SET {field} = :val WHERE {field} IS NULL"),
{"val": default_val})
conn.commit()
_migrate_db()
crawler/ai_service.py
+80 -20
View File
@@ -1,35 +1,90 @@
"""LLM 处理：调用 NVIDIA NIM（OpenAI 兼容 API）进行笑话提取、改写和分类。"""
"""LLM 处理：调用 NVIDIA NIM（OpenAI 兼容 API）进行笑话提取、改写。"""
import json
import os
import httpx
from openai import OpenAI
class AiService:
def __init__(self, api_base: str, api_key: str, model_name: str, temperature: float = 0.7, max_tokens: int = 2048):
self.client = OpenAI(base_url=api_base, api_key=api_key)
self.model = model_name
self.temperature = temperature
self.max_tokens = max_tokens
def __init__(self, api_base: str, username: str, password: str):
self.api_base = api_base.rstrip("/")
self.username = username
self.password = password
self.token = None
self.client = None
self.model = ""
self.ai_config = None
def _login(self) -> str:
resp = httpx.post(
f"{self.api_base}/api/auth/login",
json={"username": self.username, "password": self.password},
timeout=30,
)
resp.raise_for_status()
return resp.json()["access_token"]
def _get(self, path: str) -> dict | list:
resp = httpx.get(
f"{self.api_base}{path}",
headers={"Authorization": f"Bearer {self.token}"},
timeout=30,
)
resp.raise_for_status()
return resp.json()
def setup(self):
"""登录并从 API 获取 AI 配置（含提示词和温度）"""
self.token = self._login()
self.ai_config = self._get("/api/admin/settings/active")
self.client = OpenAI(
base_url=self.ai_config["api_base"],
api_key=self.ai_config["api_key"],
)
self.model = self.ai_config["model_name"]
def _get_prompt(self, key: str, default: str) -> str:
if self.ai_config:
val = self.ai_config.get(key)
if val and val.strip():
return val
return default
def extract_jokes(self, page_content: str, known_types: list[str], known_crowds: list[str]) -> list[dict]:
"""从页面内容中提取笑话，返回结构化数据。"""
from crawler.prompts import EXTRACTION_SYSTEM_PROMPT, EXTRACTION_USER_PROMPT
system_prompt = self._get_prompt("crawler_extract_prompt",
"""你是一个笑话提取专家。从给定的网页文本中识别并提取所有笑话、幽默段子或有趣内容。
要求：
1. 只返回真正的笑话内容，不要提取普通文章或新闻
2. 每条笑话需要包含：title（简短标题）、content（完整笑话内容）、type（类型）、crowd（人群）
3. 如果网页中没有笑话，返回空数组 []
4. 永远返回合法的 JSON 格式，根节点为数组或包含 jokes 键的对象""")
user_prompt = EXTRACTION_USER_PROMPT.format(
page_content=page_content[:8000],
known_types=", ".join(known_types),
known_crowds=", ".join(known_crowds),
)
user_prompt = f"""网页内容：
---
{page_content[:8000]}
---
已知笑话类型：{', '.join(known_types)}
已知人群分类：{', '.join(known_crowds)}
请提取所有笑话，以 JSON 格式返回，示例：
[
{{"title": "程序员的幽默", "content": "程序员去相亲...", "types": ["谐音梗", "段子"], "crowds": ["职场", "大学生"]}},
{{"title": "...", "content": "...", "types": ["..."], "crowds": ["..."]}}
]
注意：types 和 crowds 是数组，可以填多个。
只返回 JSON，不要其他文字。"""
response = self.client.chat.completions.create(
model=self.model,
messages=[
{"role": "system", "content": EXTRACTION_SYSTEM_PROMPT},
{"role": "system", "content": system_prompt},
{"role": "user", "content": user_prompt},
],
temperature=self.temperature,
max_tokens=self.max_tokens,
temperature=self.ai_config.get("temperature", 0.7) if self.ai_config else 0.7,
max_tokens=self.ai_config.get("max_tokens", 2048) if self.ai_config else 2048,
)
raw = response.choices[0].message.content
@@ -37,13 +92,19 @@ class AiService:
def rewrite_joke(self, content: str) -> str:
"""润色单条笑话内容。"""
from crawler.prompts import REWRITE_SYSTEM_PROMPT, REWRITE_USER_PROMPT
system_prompt = self._get_prompt("crawler_rewrite_prompt",
"""你是一个幽默作家，负责润色和改写笑话。
要求：
1. 保持笑话的核心笑点不变
2. 语言更通顺、更幽默
3. 字数控制在原内容的 80%-120% 之间
4. 不要添加任何解释说明""")
response = self.client.chat.completions.create(
model=self.model,
messages=[
{"role": "system", "content": REWRITE_SYSTEM_PROMPT},
{"role": "user", "content": REWRITE_USER_PROMPT.format(content=content)},
{"role": "system", "content": system_prompt},
{"role": "user", "content": f"请润色以下笑话：\n\n{content}"},
],
temperature=0.8,
max_tokens=500,
@@ -60,7 +121,6 @@ class AiService:
jokes = data
return [j for j in jokes if isinstance(j, dict) and j.get("content")]
except json.JSONDecodeError:
# 尝试提取 markdown 代码块
if "```json" in raw:
raw = raw.split("```json")[1].split("```")[0]
elif "```" in raw:
crawler/processor.py
+5 -7
View File
@@ -57,15 +57,13 @@ class Processor:
self.token = self._login()
print("[*] 登录成功")
ai_config = self._get("/api/admin/settings/active")
self.ai = AiService(
api_base=ai_config["api_base"],
api_key=ai_config["api_key"],
model_name=ai_config["model_name"],
temperature=ai_config.get("temperature", 0.7),
max_tokens=ai_config.get("max_tokens", 2048),
api_base=self.api_base,
username=self.username,
password=self.password,
)
print(f"[*] AI 配置: {ai_config['model_name']}")
self.ai.setup()
print(f"[*] AI 配置: {self.ai.model}")
self.types = self._get("/api/categories/types")
self.crowds = self._get("/api/categories/crowds")
crawler/prompts.py
-41
View File
@@ -1,41 +0,0 @@
"""AI 提示词模板。"""
# ===== 笑话提取 =====
EXTRACTION_SYSTEM_PROMPT = """你是一个笑话提取专家。从给定的网页文本中识别并提取所有笑话、幽默段子或有趣内容。
要求：
1. 只返回真正的笑话内容，不要提取普通文章或新闻
2. 每条笑话需要包含：title（简短标题）、content（完整笑话内容）、type（类型）、crowd（人群）
3. 如果网页中没有笑话，返回空数组 []
4. 永远返回合法的 JSON 格式，根节点为数组或包含 jokes 键的对象"""
EXTRACTION_USER_PROMPT = """网页内容：
---
{page_content}
---
已知笑话类型：{known_types}
已知人群分类：{known_crowds}
请提取所有笑话，以 JSON 格式返回，示例：
[
{{"title": "程序员的幽默", "content": "程序员去相亲...", "types": ["谐音梗", "段子"], "crowds": ["职场", "大学生"]}},
{{"title": "...", "content": "...", "types": ["..."], "crowds": ["..."]}}
]
注意：types 和 crowds 是数组，可以填多个。
只返回 JSON，不要其他文字。"""
# ===== 笑话改写 =====
REWRITE_SYSTEM_PROMPT = """你是一个幽默作家，负责润色和改写笑话。
要求：
1. 保持笑话的核心笑点不变
2. 语言更通顺、更幽默
3. 字数控制在原内容的 80%-120% 之间
4. 不要添加任何解释说明"""
REWRITE_USER_PROMPT = """请润色以下笑话：
{content}
只返回润色后的笑话文字，不要其他内容。"""
optimizer/optimizer.py
+76 -23
View File
@@ -8,15 +8,6 @@ import time
import httpx
from openai import OpenAI
from optimizer.prompts import (
QUALITY_CHECK_SYSTEM_PROMPT,
QUALITY_CHECK_USER_PROMPT,
POLISH_SYSTEM_PROMPT,
POLISH_USER_PROMPT,
EVALUATE_SYSTEM_PROMPT,
EVALUATE_USER_PROMPT,
)
class Optimizer:
def __init__(self, api_base: str, username: str, password: str):
@@ -26,6 +17,7 @@ class Optimizer:
self.token = None
self.ai_client = None
self.model_name = ""
self.ai_config = None # 完整 AI 配置（含提示词和温度）
self.types = []
self.crowds = []
# 统计
@@ -67,6 +59,7 @@ class Optimizer:
print("[*] 登录成功")
ai_config = self._get("/api/admin/settings/active")
self.ai_config = ai_config
self.ai_client = OpenAI(
base_url=ai_config["api_base"],
api_key=ai_config["api_key"],
@@ -78,6 +71,22 @@ class Optimizer:
self.crowds = self._get("/api/categories/crowds")
print(f"[*] 分类: {len(self.types)} 种类型, {len(self.crowds)} 种人群")
def _get_prompt(self, key: str, default: str) -> str:
"""从数据库配置中读取提示词，没有则返回默认"""
if self.ai_config:
val = self.ai_config.get(key)
if val and val.strip():
return val
return default
def _get_temp(self, key: str, default: float) -> float:
"""从数据库配置中读取温度"""
if self.ai_config:
val = self.ai_config.get(key)
if val is not None:
return float(val)
return default
# === 读取笑话 ===
def get_jokes(self, status: str | None = None, limit: int | None = None,
ids: list[int] | None = None) -> list[dict]:
@@ -120,14 +129,32 @@ class Optimizer:
# === Stage 1: 质量检测 ===
def quality_check(self, content: str) -> dict:
"""判断笑话是否有笑点，返回 {"has_punchline": bool, "reason": str}"""
system_prompt = self._get_prompt("optimizer_quality_prompt",
"""你是一个幽默内容审核专家。判断以下内容是否是一个合格的笑话/段子。
合格标准（满足任一即可）：
1. 有明确的笑点或反转（punchline）
2. 有幽默的语言表达或双关
3. 有意外结局或情理之中意料之外
不合格标准（符合任一即判定不合格）：
1. 纯粹的事实陈述，没有任何幽默元素
2. 只是对话片段，没有笑点
3. 普通故事或叙事，没有幽默设计
4. 说教或道理阐述
5. 内容不完整或难以理解
始终返回 JSON 格式：{"has_punchline": true/false, "reason": "简要说明判断理由"}""")
temperature = self._get_temp("optimizer_quality_temperature", 0.3)
def _call():
return self.ai_client.chat.completions.create(
model=self.model_name,
messages=[
{"role": "system", "content": QUALITY_CHECK_SYSTEM_PROMPT},
{"role": "user", "content": QUALITY_CHECK_USER_PROMPT.format(content=content[:2000])},
{"role": "system", "content": system_prompt},
{"role": "user", "content": f"请判断以下内容是否为合格笑话：\n\n{content[:2000]}\n\n返回 JSON 格式。"},
],
temperature=0.3,
temperature=temperature,
max_tokens=200,
)
resp = self._safe_api_call(_call)
@@ -137,14 +164,24 @@ class Optimizer:
# === Stage 2: AI 润色 ===
def polish(self, content: str) -> str:
"""润色笑话内容"""
system_prompt = self._get_prompt("optimizer_polish_prompt",
"""你是一个专业的幽默文案编辑。请润色以下笑话，要求：
1. 保持核心笑点不变
2. 优化语言表达，使其更通顺、更精炼
3. 增强节奏感和幽默效果，但不改变原意
4. 字数控制在原内容的 80%-120%
5. 不要添加额外解释或评论
6. 直接输出润色后的内容，不要加任何前缀""")
temperature = self._get_temp("optimizer_polish_temperature", 0.8)
def _call():
return self.ai_client.chat.completions.create(
model=self.model_name,
messages=[
{"role": "system", "content": POLISH_SYSTEM_PROMPT},
{"role": "user", "content": POLISH_USER_PROMPT.format(content=content)},
{"role": "system", "content": system_prompt},
{"role": "user", "content": f"请润色以下笑话：\n\n{content}"},
],
temperature=0.8,
temperature=temperature,
max_tokens=1024,
)
resp = self._safe_api_call(_call)
@@ -156,24 +193,40 @@ class Optimizer:
type_names = [t.get("name", "") for t in self.types]
crowd_names = [c.get("name", "") for c in self.crowds]
system_prompt = self._get_prompt("optimizer_evaluate_prompt",
"""你是一个笑话分类和评价专家。对给定的笑话进行分析，返回 JSON 格式的分类和评分结果。
要求：
1. types: 从提供的类型列表中选择所有匹配的类型名称（数组，可以选多个）
2. crowds: 从提供的人群列表中选择所有匹配的人群名称（数组，可以选多个）
3. score: 1-10 分，基于幽默程度、创意和表达效果
4. comment: 简短评语（10字以内）
始终返回 JSON 格式。""")
temperature = self._get_temp("optimizer_evaluate_temperature", 0.3)
user_content = f"""笑话内容：
{content[:2000]}
可选类型：{', '.join(type_names)}
可选人群：{', '.join(crowd_names)}
返回 JSON 格式：{{"types": ["类型1", "类型2"], "crowds": ["人群1", "人群2"], "score": 8, "comment": "简短评语"}}"""
def _call():
return self.ai_client.chat.completions.create(
model=self.model_name,
messages=[
{"role": "system", "content": EVALUATE_SYSTEM_PROMPT},
{"role": "user", "content": EVALUATE_USER_PROMPT.format(
content=content[:2000],
known_types=", ".join(type_names),
known_crowds=", ".join(crowd_names),
)},
{"role": "system", "content": system_prompt},
{"role": "user", "content": user_content},
],
temperature=0.3,
temperature=temperature,
max_tokens=300,
)
resp = self._safe_api_call(_call)
raw = resp.choices[0].message.content.strip()
result = self._parse_json(raw, {"types": [], "crowds": [], "score": 5, "comment": ""})
# Backward compatibility: if LLM returns old single format, convert to array
# Backward compatibility
if isinstance(result.get("types"), str):
result["types"] = [result["types"]] if result["types"] else []
if isinstance(result.get("crowds"), str):
optimizer/prompts.py
-58
View File
@@ -1,58 +0,0 @@
"""AI 提示词模板 — 笑话质量检测、润色、评价分类。"""
# ===== Stage 1: 质量检测 =====
QUALITY_CHECK_SYSTEM_PROMPT = """你是一个幽默内容审核专家。判断以下内容是否是一个合格的笑话/段子。
合格标准（满足任一即可）：
1. 有明确的笑点或反转（punchline）
2. 有幽默的语言表达或双关
3. 有意外结局或情理之中意料之外
不合格标准（符合任一即判定不合格）：
1. 纯粹的事实陈述，没有任何幽默元素
2. 只是对话片段，没有笑点
3. 普通故事或叙事，没有幽默设计
4. 说教或道理阐述
5. 内容不完整或难以理解
始终返回 JSON 格式：{"has_punchline": true/false, "reason": "简要说明判断理由"}"""
QUALITY_CHECK_USER_PROMPT = """请判断以下内容是否为合格笑话：
{content}
返回 JSON 格式。"""
# ===== Stage 2: AI 润色 =====
POLISH_SYSTEM_PROMPT = """你是一个专业的幽默文案编辑。请润色以下笑话，要求：
1. 保持核心笑点不变
2. 优化语言表达，使其更通顺、更精炼
3. 增强节奏感和幽默效果，但不改变原意
4. 字数控制在原内容的 80%-120%
5. 不要添加额外解释或评论
6. 直接输出润色后的内容，不要加任何前缀"""
POLISH_USER_PROMPT = """请润色以下笑话：
{content}
只输出润色后的笑话内容。"""
# ===== Stage 3: 评价分类 =====
EVALUATE_SYSTEM_PROMPT = """你是一个笑话分类和评价专家。对给定的笑话进行分析，返回 JSON 格式的分类和评分结果。
要求：
1. types: 从提供的类型列表中选择所有匹配的类型名称（数组，可以选多个）
2. crowds: 从提供的人群列表中选择所有匹配的人群名称（数组，可以选多个）
3. score: 1-10 分，基于幽默程度、创意和表达效果
4. comment: 简短评语（10字以内）
始终返回 JSON 格式。"""
EVALUATE_USER_PROMPT = """笑话内容：
{content}
可选类型：{known_types}
可选人群：{known_crowds}
返回 JSON 格式：{{"types": ["类型1", "类型2"], "crowds": ["人群1", "人群2"], "score": 8, "comment": "简短评语"}}"""