# ai-chat-backend

**Repository Path**: wingahi/ai-chat-backend

## Basic Information

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

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2025-08-21
- **Last Updated**: 2025-08-26

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# AI Chat Backend

## 项目概述
这是AI聊天应用的后端服务，使用Spring Boot 3.5和Java 21开发，对接了阿里AI大模型和DeepSeek大模型，提供聊天API接口和文档转换功能。

## 项目特点
- 支持多模型切换（阿里AI、DeepSeek）
- 面向接口设计，易于扩展新的AI模型
- 完整的错误处理和日志记录
- 支持模型参数动态配置
- 高性能并发处理
- 提供文档转换功能（文本转Word/PPT、Word转PDF、图片转PDF、PPT转PDF）
- 支持中文文档处理和显示

## 技术栈
- Spring Boot 3.5
- Java 21
- 阿里AI SDK
- DeepSeek API
- Spring Data JPA
- MySQL

## 环境要求
- JDK 21+
- Maven 3.6+
- MySQL 8.0+

## 配置说明

### 数据库配置
在`src/main/resources/application.properties`中配置数据库连接信息:
```properties
# 数据库配置
spring.datasource.url=jdbc:mysql://localhost:3306/ai_chat?useSSL=false&serverTimezone=UTC
spring.datasource.username=root
spring.datasource.password=your-password
spring.datasource.driver-class-name=com.mysql.cj.jdbc.Driver

# JPA配置
spring.jpa.hibernate.ddl-auto=update
spring.jpa.show-sql=true
spring.jpa.properties.hibernate.dialect=org.hibernate.dialect.MySQL8Dialect
```

### AI大模型配置
在`src/main/resources/application.properties`中配置AI大模型的API密钥和端点:
```properties
# 阿里AI大模型
ai.alibaba.api-key=your-alibaba-api-key
ai.alibaba.endpoint=https://dashscope.aliyuncs.com/api/v1/services/aigc/text-generation/generation
ai.alibaba.model=qwen-plus

# DeepSeek大模型
ai.deepseek.api-key=your-deepseek-api-key
ai.deepseek.endpoint=https://api.deepseek.com/v1/chat/completions
ai.deepseek.model=deepseek-chat

# 默认大模型配置 (alibaba 或 deepseek)
ai.default-model=alibaba
```

## 运行步骤
1. 进入ai-chat-backend目录:
   ```bash
   cd ai-chat-backend
   ```
2. 执行Maven构建命令:
   ```bash
   mvn clean install
   ```
3. 运行Spring Boot应用:
   ```bash
   mvn spring-boot:run
   ```
   或使用Java命令运行生成的JAR文件:
   ```bash
   java -jar target/springboot-ai-demo-0.0.1-SNAPSHOT.jar
   ```

## API接口

### 聊天接口
- POST `/api/ai/chat`: 发送聊天消息到AI大模型
  - 请求体:
    ```json
    {
      "message": "用户输入的消息",
      "modelName": "可选，指定使用的模型名称 (alibaba 或 deepseek)",
      "history": [可选，聊天历史记录数组]
    }
    ```
  - 响应:
    ```json
    {
      "response": "AI的回复",
      "modelUsed": "实际使用的模型名称",
      "timestamp": "响应时间戳"
    }
    ```

### 健康检查接口
- GET `/actuator/health`: 检查服务健康状态
  - 响应:
    ```json
    {
      "status": "UP"
    }
    ```

### 文档转换接口
- POST `/api/document/text-convert`: 文本转换为Word/PPT文档（PDF转换已禁用）
  - 请求体(FormData):
    ```
    title: 文档标题
    format: 转换格式 (word/ppt)
    content: 文档内容
    ```
  - 响应: 转换后的文档文件（二进制流）

- POST `/api/document/word-to-pdf`: Word文档转换为PDF
  - 请求体(FormData):
    ```
    file: Word文档文件
    ```
  - 响应: 转换后的PDF文件（二进制流）

- POST `/api/document/images-to-pdf`: 多张图片转换为PDF
  - 请求体(FormData):
    ```
    files: 图片文件数组
    ```
  - 响应: 转换后的PDF文件（二进制流）

- POST `/api/document/convert-powerpoint-to-pdf`: PowerPoint文档转换为PDF
  - 请求体(FormData):
    ```
    file: PowerPoint文档文件
    ```
  - 响应: 转换后的PDF文件（二进制流）

## 项目结构
- `src/main/java/com/wgh/demo/ai/config`: 配置类
- `src/main/java/com/wgh/demo/ai/controller`: 控制器
- `src/main/java/com/wgh/demo/ai/exception`: 异常处理类
- `src/main/java/com/wgh/demo/ai/factory`: AI模型工厂类
- `src/main/java/com/wgh/demo/ai/model`: 数据模型类
- `src/main/java/com/wgh/demo/ai/repository`: 数据访问层
- `src/main/java/com/wgh/demo/ai/service`: 服务接口
- `src/main/java/com/wgh/demo/ai/service/impl`: 服务实现类
- `src/main/resources`: 配置文件
- `src/test`: 测试代码

## 部署说明
1. 构建可执行JAR文件:
   ```bash
   mvn clean package
   ```
2. 运行JAR文件:
   ```bash
   java -jar target/springboot-ai-demo-0.0.1-SNAPSHOT.jar
   ```
3. 或使用Docker容器化部署:
   - 创建Dockerfile
   - 构建Docker镜像
   - 运行Docker容器

## 文档转换功能说明
1. 文本转换功能支持将文本内容转换为Word(.docx)和PPT(.pptx)格式文档
2. Word转PDF功能已配置临时许可证，可移除评估水印
3. 图片转PDF功能支持多张图片合并成一个PDF文档
4. PPT转PDF功能支持将PPT/PPTX文件转换为PDF格式
5. 所有转换功能均支持中文内容处理和显示

## 注意事项
1. 在使用前，请确保已获取阿里AI和DeepSeek大模型的API密钥
2. 默认使用的阿里模型是`qwen-plus`，DeepSeek模型是`deepseek-chat`，可以根据需要在配置文件中修改
3. 项目提供了基本功能，实际生产环境中应添加更多的错误处理、安全验证和性能优化
4. 建议在生产环境中使用环境变量或配置中心来管理敏感配置