# ChatClassify

**Repository Path**: QINGYU307/chat-classify

## Basic Information

- **Project Name**: ChatClassify
- **Description**: No description available
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2025-12-16
- **Last Updated**: 2026-01-04

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# ChatClassify - 聊天记录处理系统

基于大模型的聊天记录分类、总结、演化分析系统，支持从文本内容中提取、分类和整理Idea。

## 项目简介

ChatClassify 是一个前后端分离的Web应用系统，主要功能包括：

- **Idea提取与分类**：从文本内容中自动提取有价值的Idea并进行分类
- **智能合并**：自动合并相似的Idea，去除重复内容
- **数据整理**：按照分类体系重新组织Idea数据

## 技术栈

### 后端
- **框架**：FastAPI
- **Python版本**：3.8+
- **AI/LLM**：OpenAI API、LangChain
- **数据处理**：Pandas、Pydantic
- **文件处理**：openpyxl（Excel处理）

### 前端
- **框架**：React 19
- **UI库**：Ant Design 5
- **状态管理**：Redux Toolkit
- **路由**：React Router
- **HTTP客户端**：Axios

## 项目结构

```
ChatClassify/
├── backend/                 # 后端服务
│   ├── main.py             # FastAPI应用入口
│   ├── requirements.txt   # Python依赖
│   ├── .env               # 环境变量配置（需自行创建）
│   ├── core/              # 核心配置
│   ├── common/            # 公共模块
│   ├── chatLogSortSumDyn/ # 业务模块
│   └── utils/             # 工具类
├── frontend/              # 前端应用
│   ├── package.json      # Node.js依赖
│   └── src/              # 源代码
└── README.md            # 项目说明文档
```

## 环境要求

### 后端
- Python 3.12
- pip 包管理器

### 前端
- Node.js 16+ 或更高版本
- npm 或 yarn 包管理器

## 快速开始

### 1. 克隆项目

```bash
git clone <repository-url>
cd ChatClassify
```


### 2. 后端配置与启动

#### 2.0 提前准备：创建并激活 Python 3.12 的 conda 环境
为避免依赖版本冲突，建议先创建专属的 conda 环境（Python 3.12）：
```bash
# 创建名为 chat_analysis 的 conda 环境（名称可自定义），指定 Python 3.12
conda create -n chat_analysis python=3.12 -y

# 激活该环境（Windows/macOS/Linux 通用）
conda activate chat_analysis
```
> 说明：如果需要删除环境可执行 `conda remove -n chat_analysis --all -y`，后续所有操作均需在激活该环境的前提下执行。

#### 2.1 安装Python依赖
```bash
cd backend
pip install -r requirements.txt
```

#### 2.2 配置环境变量
在 `backend` 目录下创建 `.env` 文件（可参考 `.env_copy`）：
```bash
cp .env_copy .env
```
编辑 `.env` 文件，配置以下内容：
```env
ENVIRONMENT='dev'
# OPENAI 配置
OPENAI_KEY='your-openai-api-key'
OPENAI_BASE_URL='https://api.rcouyi.com/v1'
```
**重要**：请将 `your-openai-api-key` 替换为你的实际API密钥。

#### 2.3 启动后端服务
```bash
# 方式：使用uvicorn直接启动
uvicorn main:app --reload --host 0.0.0.0 --port 8000
```
后端服务将在 `http://localhost:8000` 启动。

#### 2.4 验证后端服务
访问 `http://localhost:8000/docs` 查看API文档（Swagger UI）。


### 3. 前端配置与启动

#### 3.1 安装Node.js依赖

```bash
cd frontend
npm install
# 或使用yarn
yarn install
```

#### 3.2 启动前端开发服务器

```bash
npm start
# 或使用yarn
yarn start
```

前端应用将在 `http://localhost:3000` 启动（默认端口）。

#### 3.3 配置API地址（如需要）

如果后端服务不在 `http://127.0.0.1:8000`，需要修改 `frontend/src/utils/request.js` 中的 `baseURL`：

```javascript
const request = axios.create({
    baseURL: 'http://your-backend-url:8000/api/v1/chat-log/process/idea',
    timeout: 1000 * 60 * 5,
});
```

## 使用说明

### API端点

主要API端点：

- **处理文本内容**：`POST /api/v1/chat-log/process/idea/process`
  - 功能：提取、分类、合并Idea
  - 请求参数：
    - `content` (string, 必填)：待处理的文本内容
    - `categories` (array[string], 可选)：预定义分类列表

- **下载Excel文件**：`GET /api/v1/chat-log/process/idea/download/{filename:path}`
  - 功能：下载指定的Excel文件

详细API文档请参考：
- Swagger UI：`http://localhost:8000/docs`
- 工作流文档：`Idea处理工作流.md`

### 使用示例

#### Python示例

```python
import requests

url = "http://localhost:8000/api/v1/chat-log/process/idea/process"
data = {
    "content": """用户A: 我觉得可以做一个智能推荐系统。
用户B: 对，还可以加入个性化标签功能。
用户A: 另外，我们需要考虑数据隐私问题。
链接: https://example.com/post/123""",
    "categories": ["产品功能", "技术方案", "用户体验"]
}

response = requests.post(url, json=data)
result = response.json()

if result.get("code") == 200:
    merged_count = result.get("data", {}).get("merged_count")
    merged_ideas = result.get("data", {}).get("merged_ideas", [])
    print(f"合并后共有 {merged_count} 个Idea")
    for idea in merged_ideas:
        print(f"- {idea.get('idea', '')}")
```

#### curl示例

```bash
curl -X POST "http://localhost:8000/api/v1/chat-log/process/idea/process" \
  -H "Content-Type: application/json" \
  -d '{
    "content": "用户A: 我觉得可以做一个智能推荐系统。\n用户B: 对，还可以加入个性化标签功能。",
    "categories": ["产品功能", "技术方案"]
  }'
```

## 开发说明

### 后端开发

- 代码入口：`backend/main.py`
- 路由注册：`backend/core/registrar.py`
- 业务模块：`backend/chatLogSortSumDyn/`
- API路由：`backend/chatLogSortSumDyn/api/v1/sort_sum_dyn.py`

### 前端开发

- 入口文件：`frontend/src/index.js`
- 路由配置：`frontend/src/router/index.js`
- API请求：`frontend/src/utils/request.js`
- 页面组件：`frontend/src/pages/`

### 热重载

- **后端**：使用 `--reload` 参数启动uvicorn，代码修改后自动重启
- **前端**：React开发服务器默认支持热重载

## 常见问题

### 1. 后端启动失败

**问题**：提示缺少模块或依赖

**解决**：
```bash
cd backend
pip install -r requirements.txt
```

### 2. API密钥错误

**问题**：提示API密钥未设置或无效

**解决**：
- 检查 `backend/.env` 文件是否存在
- 确认 `OPENAI_KEY` 配置正确
- 确认 `OPENAI_BASE_URL` 配置正确

### 3. 前端无法连接后端

**问题**：前端请求失败，提示连接错误

**解决**：
- 确认后端服务已启动（访问 `http://localhost:8000/docs` 验证）
- 检查 `frontend/src/utils/request.js` 中的 `baseURL` 配置
- 确认后端CORS配置允许前端域名访问

### 4. 端口被占用

**问题**：启动时提示端口已被占用

**解决**：
- **后端**：修改uvicorn启动命令中的 `--port` 参数
- **前端**：修改 `frontend/package.json` 中的启动脚本，或使用环境变量 `PORT=3001 npm start`

```