# 智能机器人 **Repository Path**: yuancongde/emotional_chat ## Basic Information - **Project Name**: 智能机器人 - **Description**: No description available - **Primary Language**: Python - **License**: MIT - **Default Branch**: master - **Homepage**: None - **GVP Project**: No ## Statistics - **Stars**: 2 - **Forks**: 2 - **Created**: 2025-11-26 - **Last Updated**: 2026-03-05 ## Categories & Tags **Categories**: Uncategorized **Tags**: None ## README # 心语情感陪伴机器人 🤖💝 一个基于 **阿里云通义千问(Qwen)** + **Agent架构** + **RAG知识库** + **向量数据库** 的智能情感支持聊天机器人,具有情感识别、共情回应、主动服务、长期记忆和数据分析能力。 > **参考项目**: [emotional_chat](https://github.com/congde/emotional_chat.git) > **🆕 更新说明 v3.0.0**: > - ✅ 从 OpenAI GPT 迁移至阿里云通义千问(Qwen) > - ✅ 集成 Agent 智能核心(从被动响应升级到主动服务) > - ✅ 集成 RAG 知识库系统(专业心理健康知识增强) > - ✅ 分层服务架构重构(更好的可维护性和扩展性) > - ✅ Docker 容器化支持(一键部署) ## 📑 目录 - [功能特点](#-功能特点) - [快速开始](#-快速开始) - [系统架构](#️-系统架构) - [技术栈](#️-技术栈) - [项目结构](#-项目结构) - [API接口文档](#-api接口文档) - [核心功能](#-核心功能) - [界面预览](#-界面预览) - [生产部署](#-生产部署) - [Makefile命令](#️-makefile-命令速查) - [相关文档](#-相关文档) - [版本历史](#-版本历史) - [贡献指南](#-贡献指南) ## ✨ 功能特点 ### 核心功能 - 🎭 **情感识别**: 智能分析用户情感状态(开心、难过、焦虑、愤怒等) - 🎯 **意图识别**: ✅ 混合式意图识别系统,准确理解用户意图(6大类型) - 💝 **共情回应**: 根据情感状态和意图生成温暖、理解的回应 - 🧠 **长期记忆**: ✅ Chroma 向量数据库,支持跨会话语义检索 - 📚 **RAG知识库**: ✅ 集成专业心理健康知识库,提供科学依据的建议 - 🤖 **Agent智能核心**: ✅ 从被动响应升级到主动服务,智能任务规划和工具调用 - 🎙️ **多模态交互**: 🆕 支持语音识别、语音合成、图像理解,融合文本/语音/图像情感 - 🗄️ **数据持久化**: MySQL + Redis 多层存储架构 - 📊 **情感趋势分析**: 分析用户情感变化趋势和模式 - 🔄 **上下文理解**: 基于对话历史和用户画像提供连贯的回应 - 🚨 **危机检测**: 自动识别危机情况,提供专业求助资源 ### 技术特性 - 🚀 **高性能架构**: FastAPI + LangChain + 分层服务架构 - 🎨 **现代化界面**: React 18 + Styled Components + 打字机效果 - ⌨️ **打字机效果**: 智能打字机动画,根据情绪调整速度和光标颜色 - 🎙️ **多模态处理**: 🆕 Whisper语音识别 + gTTS语音合成 + DeepFace人脸情绪识别 - 🐳 **容器化部署**: Docker Compose 一键部署 - 📈 **监控体系**: Prometheus + Grafana 完整监控 - 🔒 **安全过滤**: 自动检测高风险词汇并提供专业求助信息 - 🇨🇳 **中文优化**: 使用通义千问模型,对中文理解和表达更加自然 - 🔄 **数据库迁移**: Alembic 管理数据库版本 - 🤝 **混合架构**: 规则引擎 + 机器学习分类器双重保障 ### 🌟 通义千问模型优势 - **卓越的中文能力**: 针对中文场景深度优化,理解和表达更自然 - **情感共情出色**: 在心理健康场景表现优异,回复温暖细腻 - **稳定可靠**: 阿里云基础设施保障,服务稳定性高 - **成本优化**: 相比国外模型,性价比更高 ### 🤖 Agent智能核心(核心功能) **状态**: ✅ 已完成集成 从"被动响应"升级到"主动服务"的智能对话系统。 **核心组件**: - 🧠 **Planner (规划器)**: 智能任务分解和策略选择 - 🛠️ **Tool Caller (工具调用器)**: 10+ 内置工具自动调用 - 💾 **Memory Hub (记忆中枢)**: 长短期记忆管理和用户画像 - 🔄 **Reflector (反思器)**: 主动回访和策略优化 - ⚙️ **Agent Core (核心控制器)**: 统筹协调所有组件 **工作原理**: ``` 用户输入 → Agent Core ↓ ┌──────┴──────┐ │ Planner │ 分析目标、分解任务 └──────┬──────┘ ↓ ┌──────┴──────┐ │ Memory Hub │ 检索记忆、构建画像 └──────┬──────┘ ↓ ┌──────┴──────┐ │ Tool Caller │ 调用工具、执行任务 └──────┬──────┘ ↓ ┌──────┴──────┐ │ Reflector │ 评估效果、规划回访 └──────┬──────┘ ↓ 智能回复生成 ``` **详细文档**: 查看 [AGENT_README.md](AGENT_README.md) ### ⌨️ 打字机效果系统 **状态**: ✅ 已完成集成 为AI回复添加了智能打字机效果,让对话更加生动有趣。 **核心特性**: - 🎭 **情绪化打字**: 根据AI情绪调整打字速度和光标颜色 - ⚡ **智能速度**: 标点符号停顿、中文字符优化、空格快速通过 - 🎮 **交互控制**: 点击暂停/恢复、暂停指示器 - 🎨 **视觉增强**: 闪烁光标、情绪色彩、动画效果 **情绪化配置**: ``` 😢 悲伤情绪: 40ms速度 + 蓝色光标 (#74b9ff) 😠 愤怒情绪: 20ms速度 + 红色光标 (#ff7675) 😊 开心情绪: 25ms速度 + 绿色光标 (#00b894) 😐 中性情绪: 30ms速度 + 黑色光标 (#333) ``` **技术实现**: - React组件化设计 - 动态速度计算算法 - 情绪状态映射 - 用户交互控制 ### 🎯 意图识别系统 **状态**: ✅ 已完成集成 采用"规则+模型"的混合架构,准确识别用户意图,为对话生成提供关键依据。 **核心特性**: - 🔍 **混合识别**: 规则引擎(快速)+ ML分类器(准确) - 🚨 **危机优先**: 优先检测危机情况,确保安全第一 - 💡 **智能Prompt**: 根据意图自动构建针对性的响应策略 - ⚡ **高效处理**: 关键词快速匹配,毫秒级响应 **6大意图类型**: | 意图 | 说明 | 示例 | |------|------|------| | **emotion** | 情感表达 | "我好难过"、"今天心情不好" | | **advice** | 寻求建议 | "怎么办?"、"你有什么建议" | | **conversation** | 普通对话 | "今天天气不错" | | **function** | 功能请求 | "提醒我吃药" | | **crisis** | 危机干预 | "不想活了" ⚠️ | | **chat** | 闲聊 | "你好"、"在吗" | **测试意图识别**: ```bash # 运行测试套件 python3 test_intent_module.py # 测试API接口 curl -X POST http://localhost:8000/intent/analyze \ -H "Content-Type: application/json" \ -d '{"text": "我该怎么办?", "user_id": "test_user"}' ``` **详细文档**: 查看 [docs/意图识别模块说明.md](docs/意图识别模块说明.md) ### 📚 RAG知识库系统 **状态**: ✅ 已完成集成 集成专业心理健康知识库,提供有科学依据的建议。 **特性**: - 📖 **知识加载**: 支持 PDF、文本等多种格式 - 🔍 **语义检索**: 基于向量相似度检索相关知识 - 💡 **智能增强**: 自动判断何时使用知识库 - 🎯 **精准匹配**: 6大类心理健康知识分类 **知识类别**: 1. 认知行为疗法(CBT) 2. 正念减压技术(MBSR) 3. 积极心理学 4. 焦虑应对策略 5. 睡眠改善方法 6. 情绪调节技巧 **初始化知识库**: ```bash # 初始化内置知识 make rag-init # 或直接运行 python init_rag_knowledge.py ``` **详细文档**: 查看 [docs/RAG实施步骤.md](docs/RAG实施步骤.md) ### 🧠 记忆系统 **多层记忆架构**: ``` 短期记忆 (MySQL) + 长期记忆 (Chroma向量数据库) 当前会话对话 跨会话语义相似对话 ↓ ↓ 上下文融合 ↓ 用户画像 ↓ 智能回复生成 ``` **特性**: - 🔍 **语义检索**: 基于语义相似度检索历史对话 - 🌐 **跨会话记忆**: 不限于当前会话,可访问所有历史对话 - 👤 **用户画像**: 自动构建用户性格特征和偏好 - 😊 **情感模式学习**: 学习用户的情感表达模式 ## 🚀 快速开始 > 💡 **提示**: 完整详细的安装指南请查看 [快速开始详细指南](#快速开始详细指南) > > 🍎 **MacBook 用户**: 查看专门的 [MacBook 配置指南](docs/MACBOOK_SETUP.md) 或运行快速配置脚本 `./setup_macbook.sh` ### 快速启动(3步) ```bash # 1. 安装依赖 make install # 2. 初始化数据库 make db-upgrade # 3. 启动服务 make run # 后端服务 cd frontend && npm start # 前端服务(新终端) ``` ### 访问地址 - 🌐 **前端界面**: http://localhost:3000 - 🔌 **后端API**: http://localhost:8000 - 📖 **API文档**: http://localhost:8000/docs ### Docker 一键部署 ```bash # 配置环境变量 cp config.env.example config.env nano config.env # 启动所有服务 docker-compose up -d ``` ### 🍎 MacBook 用户快速配置 对于 macOS 用户,我们提供了专门的配置指南和脚本: **方式一:使用自动配置脚本(推荐)** ```bash # 运行自动配置脚本 ./setup_macbook.sh ``` **方式二:手动配置** ```bash # 1. 安装 Homebrew(如果未安装) /bin/bash -c "$(curl -fsSL https://raw.githubusercontent.com/Homebrew/install/HEAD/install.sh)" # 2. 安装系统依赖 brew install python@3.10 mysql node cmake # 3. 创建虚拟环境 python3 -m venv venv source venv/bin/activate # 4. 安装 Python 依赖 pip install -r requirements.txt # 5. 配置环境变量 cp config.env.example config.env nano config.env # 后续步骤与 Linux 相同 ``` 📖 **详细文档**: 查看 [MacBook 配置指南](docs/MACBOOK_SETUP.md) 获取完整的 macOS 安装说明、常见问题解决方案和性能优化建议。 --- ## 快速开始详细指南 ### 1. 环境准备 #### 1.1 安装系统依赖 ```bash # CentOS/RHEL/Alibaba Cloud Linux sudo yum install -y cmake gcc gcc-c++ make # Ubuntu/Debian sudo apt update && sudo apt install -y cmake gcc g++ make build-essential ``` #### 1.2 安装Python依赖 ```bash cd /home/workSpace/emotional_chat # 检查Python版本 python3 --version # 安装依赖(Python 3.10+) pip3 install --user -r requirements.txt # 或 python3.10 -m pip install --user -r requirements.txt cd frontend && npm install && cd .. ``` #### 1.3 配置环境变量 ```bash cp config.env.example config.env nano config.env # 配置API密钥和数据库信息 ``` **必需配置项**: - `LLM_API_KEY` 或 `DASHSCOPE_API_KEY`: 阿里云通义千问API密钥 - `MYSQL_HOST`, `MYSQL_USER`, `MYSQL_PASSWORD`: MySQL数据库配置 > 📝 **获取API Key**: 访问 [阿里云 DashScope](https://dashscope.console.aliyun.com/) 创建API Key #### 1.4 安装MySQL ```bash # Ubuntu/Debian sudo apt install mysql-server mysql-client sudo systemctl start mysql # CentOS/RHEL sudo yum install mysql-server mysql sudo systemctl start mysql ``` ### 2. 初始化数据库 ```bash # 创建数据库 mysql -u root -p -e "CREATE DATABASE emotional_chat CHARACTER SET utf8mb4 COLLATE utf8mb4_unicode_ci;" # 运行数据库迁移 make db-upgrade # 初始化RAG知识库(推荐) make rag-init ``` ### 3. 启动服务 **后端服务**: ```bash python3 run_backend.py # 或使用 uvicorn(从项目根目录) python3 -m uvicorn backend.app:app --host 0.0.0.0 --port 8000 --reload ``` **前端服务**(新终端): ```bash cd frontend npm start ``` ### 4. 验证服务 ```bash # 健康检查 curl http://localhost:8000/health # 测试聊天接口 curl -X POST http://localhost:8000/chat \ -H "Content-Type: application/json" \ -d '{"message": "你好", "user_id": "test_user"}' ``` ### 5. 故障排除 **常见问题**: - 端口冲突: `netstat -tulpn | grep :8000` 查看占用 - 依赖安装失败: 确保已安装 CMake 和编译工具 - 数据库连接失败: 检查 `config.env` 中的数据库配置 > 📖 **更多帮助**: 查看 [完整安装指南](#快速开始详细指南) 或提交 Issue --- ## 🏗️ 系统架构 ### 总体架构图 ``` ┌─────────────────────────────────────────────────────┐ │ 前端层 (Frontend) │ │ React 18 + Styled Components │ │ 端口: 3000 │ └──────────────────────┬──────────────────────────────┘ │ HTTP/WebSocket ┌──────────────────────▼──────────────────────────────┐ │ 路由层 (Router) │ │ Chat | Memory | Feedback | Evaluation | RAG │ │ Agent Router │ └──────────────────────┬──────────────────────────────┘ │ ┌──────────────────────▼──────────────────────────────┐ │ 服务层 (Service) │ │ ChatService | MemoryService | ContextService │ │ AgentService (可选) │ └──────────────────────┬──────────────────────────────┘ │ ┌──────────────────────▼──────────────────────────────┐ │ 核心层 (Core/Module) │ │ ┌──────────────┐ ┌──────────────┐ ┌───────────┐ │ │ │ Agent Core │ │ RAG Module │ │ LLM Module│ │ │ │ • Planner │ │ • KB Manager │ │• Qwen API │ │ │ │ • Tool Caller│ │ • Retriever │ │• LangChain│ │ │ │ • Memory Hub │ │ • Embedder │ └───────────┘ │ │ │ • Reflector │ └──────────────┘ │ │ └──────────────┘ │ └──────────────────────┬──────────────────────────────┘ │ ┌──────────────────────▼──────────────────────────────┐ │ 数据层 (Data) │ │ ┌──────────┐ ┌──────────┐ ┌──────────┐ │ │ │ MySQL │ │ ChromaDB │ │ Redis │ │ │ │关系数据库 │ │向量数据库│ │ 缓存 │ │ │ └──────────┘ └──────────┘ └──────────┘ │ └─────────────────────────────────────────────────────┘ ``` ### 分层服务架构详解 #### 1. 路由层 (Router Layer) 负责API接口定义和请求分发 ``` backend/routers/ ├── chat.py - 聊天接口 ├── memory.py - 记忆管理接口 ├── feedback.py - 用户反馈接口 ├── evaluation.py - 评估系统接口 └── agent.py - Agent智能接口 ``` #### 2. 服务层 (Service Layer) 业务逻辑封装和编排 ``` backend/services/ ├── chat_service.py - 聊天服务 ├── memory_service.py - 记忆服务 ├── context_service.py - 上下文服务 └── agent_service.py - Agent服务(可选) ``` #### 3. 核心层 (Core/Module Layer) 核心功能模块 ``` backend/modules/ ├── agent/ - Agent智能核心 │ ├── core/ - Agent Core, Planner, Tool Caller等 │ ├── services/ - Agent服务实现 │ └── routers/ - Agent路由 ├── rag/ - RAG知识库系统 │ ├── core/ - 知识库管理、检索 │ ├── services/ - RAG服务 │ └── routers/ - RAG路由 └── llm/ - LLM模型封装 ├── core/ - LLM核心功能 ├── providers/ - LLM提供商封装(OpenAI、Anthropic等) └── services/ - LLM服务 ``` #### 4. 数据层 (Data Layer) 数据存储和管理 - **MySQL**: 用户数据、对话历史、情感记录 - **ChromaDB**: 向量存储、语义检索 - **Redis**: 缓存、会话状态(生产环境) > 📖 **详细架构文档**: 查看相关模块文档 ## 🛠️ 技术栈 ### 后端技术 #### 核心框架 - **Python 3.10+**: 主要开发语言 - 使用 `requirements.txt` 安装依赖 - **FastAPI 0.83+**: 现代化的Web框架 - **LangChain 0.1+**: 对话流管理和记忆管理 - **Pydantic**: 数据验证和序列化 #### AI & 大模型 - **阿里云通义千问 (Qwen Plus)**: 大语言模型 - **LangChain-OpenAI**: LLM集成 - **Sentence Transformers**: 文本嵌入模型 #### 数据存储 - **MySQL 8.0**: 关系型数据库(用户数据、对话历史) - **ChromaDB 0.4+**: 向量数据库(语义检索、长期记忆) - **Redis 7**: 缓存和会话管理(生产环境) - **SQLAlchemy 1.4+**: ORM框架 - **Alembic**: 数据库迁移工具 #### 文档处理 - **PyPDF 3.17+**: PDF文档解析 - **python-multipart**: 文件上传支持 #### 运维工具 - **Docker & Docker Compose**: 容器化部署 - **Prometheus**: 指标监控 - **Grafana**: 数据可视化 - **Elasticsearch & Kibana**: 日志聚合和分析 - **Nginx**: 反向代理 ### 前端技术 - **React 18**: UI框架 - **Styled Components**: CSS-in-JS样式方案 - **Framer Motion**: 动画效果库 - **Axios**: HTTP客户端 ### 开发工具 - **Makefile**: 命令行工具集成 - **Python dotenv**: 环境变量管理 - **Logging**: 结构化日志系统 ## 🚀 快速开始 ### 1. 环境准备 #### 1.1 安装系统依赖(必需) **安装 CMake 和编译工具** 某些 Python 包(如 `dlib`、`opencv-python`)需要从源码编译,因此需要安装编译工具: ```bash # CentOS/RHEL/Alibaba Cloud Linux sudo yum install -y cmake gcc gcc-c++ make # Ubuntu/Debian sudo apt update sudo apt install -y cmake gcc g++ make build-essential # 验证安装 cmake --version gcc --version ``` **注意**: - `dlib`(face-recognition 的依赖)需要 CMake 编译,预计编译时间 10-30 分钟 - `opencv-python` 也需要编译,预计编译时间 5-15 分钟 - 如果不需要人脸识别功能,可以注释掉 `requirements.txt` 中的 `face-recognition>=1.3.0` #### 1.2 安装Python依赖 ```bash # 进入项目目录 cd /home/emotional_chat # 检查Python版本 python3 --version # 安装依赖(Python 3.10+) pip3 install --user -r requirements.txt # 注意:如果遇到 dlib 编译失败,请确保已安装 CMake # 如果遇到版本冲突,请参考对应 requirements 文件中的注释说明 # 安装前端依赖 cd frontend npm install cd .. ``` #### 1.3 配置环境变量 ```bash # 复制环境变量模板 cp config.env.example config.env # 编辑配置文件 nano config.env ``` 配置内容: ```bash # API配置 - 使用阿里云通义千问(Qwen) LLM_API_KEY=your_qwen_api_key_here # 或者使用 DASHSCOPE_API_KEY (兼容旧版本) # DASHSCOPE_API_KEY=your_qwen_api_key_here LLM_BASE_URL=https://dashscope.aliyuncs.com/compatible-mode/v1 # MySQL数据库配置 MYSQL_HOST=localhost MYSQL_PORT=3306 MYSQL_USER=root MYSQL_PASSWORD=your_password MYSQL_DATABASE=emotional_chat # 模型配置 - 使用通义千问 DEFAULT_MODEL=qwen-plus TEMPERATURE=0.7 MAX_TOKENS=1000 # 服务器配置 HOST=0.0.0.0 PORT=8000 DEBUG=true ``` **获取通义千问 API Key**: 1. 访问阿里云 DashScope 平台:https://dashscope.console.aliyun.com/ 2. 登录阿里云账号 3. 创建 API Key 4. 将 API Key 填入 `config.env` 文件 #### 1.4 安装和配置MySQL ```bash # Ubuntu/Debian sudo apt update sudo apt install mysql-server mysql-client # CentOS/RHEL sudo yum install mysql-server mysql # 启动MySQL服务 sudo systemctl start mysql sudo systemctl enable mysql # 配置MySQL(可选) sudo mysql_secure_installation ``` ### 2. 初始化数据库 #### 2.1 创建MySQL数据库 ```bash # 登录MySQL mysql -u root -p # 创建数据库 CREATE DATABASE emotional_chat CHARACTER SET utf8mb4 COLLATE utf8mb4_unicode_ci; # 退出MySQL exit; ``` #### 2.2 运行数据库迁移 ```bash # 方法1:使用Makefile(推荐) make db-init # 初始化数据库 make db-upgrade # 升级到最新版本 # 方法2:使用Alembic命令 alembic upgrade head # 升级到最新版本 # 查看数据库状态 make db-current # 查看当前版本 make db-history # 查看迁移历史 ``` #### 2.3 初始化RAG知识库(可选但推荐) ```bash # 使用Makefile make rag-init # 或直接运行 python init_rag_knowledge.py ``` ### 3. 启动服务 #### 3.1 启动后端服务 ```bash # 方法1:使用启动脚本(推荐,避免文件监视限制问题) python3 run_backend.py # 方法2:直接在backend目录启动 cd backend python3 -m uvicorn backend.app:app --host 0.0.0.0 --port 8000 --reload ``` > **注意**:启动脚本会自动切换到 backend 目录运行,避免 watchfiles 扫描 frontend/node_modules 导致的文件监视限制问题。 后端服务将在 `http://localhost:8000` 启动,API文档可在 `http://localhost:8000/docs` 查看。 #### 3.2 启动前端服务 ```bash # 新开一个终端窗口 cd /home/emotional_chat/frontend # 启动前端服务(端口3000) npm start ``` 前端应用将在 `http://localhost:3000` 启动。 ### 4. 验证服务 **检查后端服务** ```bash # 健康检查 curl http://localhost:8000/health # 预期响应包含: version: "3.0.0", agent_enabled: true # 查看系统信息(了解架构) curl http://localhost:8000/system/info # 查看API根路径 curl http://localhost:8000/ # 预期响应包含: Agent智能核心、RAG知识库等功能列表 # 测试普通聊天接口 curl -X POST http://localhost:8000/chat \ -H "Content-Type: application/json" \ -d '{"message": "你好,我今天心情很好!", "user_id": "test_user"}' # 测试Agent接口(如果启用) curl -X POST http://localhost:8000/agent/chat \ -H "Content-Type: application/json" \ -d '{"message": "我最近睡不好,怎么办?", "user_id": "test_user"}' # 查看API文档 open http://localhost:8000/docs # 或在浏览器中访问 ``` **检查前端服务** - 打开浏览器访问 `http://localhost:3000` - 应该能看到现代化的聊天界面 **检查数据库连接** ```bash # 使用Makefile make db-check # 查看表结构 mysql -u root -p emotional_chat -e "SHOW TABLES;" ``` **检查RAG知识库** ```bash # 测试RAG系统 make rag-test # 或查看知识库状态 curl http://localhost:8000/rag/status ``` ### 5. 使用说明 1. 打开浏览器访问 `http://localhost:3000` 2. 在输入框中输入你的想法和感受 3. 机器人会分析你的情感并给出共情回应 4. 支持多轮对话,机器人会记住对话历史 5. 查看API文档:http://localhost:8000/docs ### 6. 故障排除 **后端启动失败** ```bash # 检查Python版本 python3 --version # 检查依赖安装 pip3 list | grep fastapi # 手动安装依赖(Python 3.10+) python3 --version # 先检查版本 pip3 install --user -r requirements.txt # 检查MySQL连接 python3 setup_database.py ``` **前端启动失败** ```bash # 检查Node.js版本 node --version npm --version # 清理并重新安装依赖 cd frontend rm -rf node_modules package-lock.json npm install ``` **端口冲突** ```bash # 检查端口占用 netstat -tulpn | grep :8000 netstat -tulpn | grep :3000 # 杀死占用端口的进程 sudo kill -9 ``` ## 🎯 快速启动总结 ### 方式一:使用Makefile(推荐) ```bash # 1. 安装依赖 make install # 2. 初始化数据库 make db-upgrade # 3. 初始化RAG知识库(可选) make rag-init # 4. 启动后端服务 make run ``` ### 方式二:使用Docker Compose ```bash # 一键启动所有服务(包含监控栈) docker-compose up -d # 查看服务状态 docker-compose ps ``` ### 方式三:传统方式 **终端1 - 启动后端:** ```bash # 在项目根目录运行(推荐) python3 run_backend.py # 或者使用uvicorn cd backend python3 -m uvicorn backend.app:app --host 0.0.0.0 --port 8000 --reload ``` **终端2 - 启动前端:** ```bash cd frontend npm start ``` ### 访问地址 - 🌐 前端界面:http://localhost:3000 - 🔌 后端API:http://localhost:8000 - 📖 API文档:http://localhost:8000/docs - 📊 系统信息:http://localhost:8000/system/info ### 测试系统 ```bash # 测试后端健康状态 curl http://localhost:8000/health # 查看系统信息 curl http://localhost:8000/ # 测试普通聊天 curl -X POST http://localhost:8000/chat \ -H "Content-Type: application/json" \ -d '{"message": "你好", "user_id": "test_user"}' # 测试Agent聊天(智能模式) curl -X POST http://localhost:8000/agent/chat \ -H "Content-Type: application/json" \ -d '{"message": "我最近压力很大", "user_id": "test_user"}' # 测试RAG知识库 curl -X POST http://localhost:8000/rag/search \ -H "Content-Type: application/json" \ -d '{"query": "如何减压", "top_k": 3}' ``` ### 常用Makefile命令 ```bash make help # 查看所有可用命令 make db-check # 检查数据库连接 make db-current # 查看当前数据库版本 make rag-test # 测试RAG系统 make rag-demo # RAG效果对比演示 ``` ## 📁 项目结构 ``` emotional_chat/ ├── backend/ # 后端代码目录 │ ├── __init__.py │ ├── app.py # ✅ FastAPI应用工厂(主入口) │ ├── main.py # 旧版主程序(兼容性) │ │ │ ├── routers/ # 路由层 - API接口定义 │ │ ├── __init__.py │ │ ├── chat.py # 聊天接口 │ │ ├── enhanced_chat.py # 增强版聊天接口 │ │ ├── streaming_chat.py # 流式聊天接口 │ │ ├── memory.py # 记忆管理接口 │ │ ├── feedback.py # 反馈接口 │ │ ├── evaluation.py # 评估接口 │ │ ├── agent.py # Agent智能接口 │ │ ├── emotion_analysis.py # 情感分析接口 │ │ ├── performance.py # 性能监控接口 │ │ └── personalization.py # 个性化配置接口 │ │ │ ├── services/ # 服务层 - 业务逻辑 │ │ ├── __init__.py │ │ ├── chat_service.py # 聊天服务 │ │ ├── enhanced_chat_service.py # 增强版聊天服务 │ │ ├── optimized_chat_service.py # 优化版聊天服务 │ │ ├── memory_service.py # 记忆服务 │ │ ├── enhanced_memory_manager.py # 增强版记忆管理 │ │ ├── context_service.py # 上下文服务 │ │ ├── enhanced_context_assembler.py # 增强版上下文组装 │ │ ├── agent_service.py # Agent服务 │ │ ├── personalization_service.py # 个性化服务 │ │ ├── user_profile_builder.py # 用户画像构建 │ │ ├── emotion_trend_analyzer.py # 情感趋势分析 │ │ ├── advanced_sentiment_analyzer.py # 高级情感分析 │ │ ├── proactive_recall_system.py # 主动回访系统 │ │ ├── performance_optimizer.py # 性能优化器 │ │ └── prompt_composer.py # Prompt组合器 │ │ │ ├── modules/ # 模块层 - 核心功能 │ │ ├── agent/ # ✅ Agent智能核心模块 │ │ │ ├── core/ # Agent核心组件 │ │ │ ├── services/ # Agent服务 │ │ │ ├── routers/ # Agent路由 │ │ │ ├── models/ # Agent数据模型 │ │ │ └── protocol/ # Agent协议 │ │ │ │ │ ├── rag/ # ✅ RAG知识库系统 │ │ │ ├── core/ # RAG核心 │ │ │ │ ├── knowledge_base.py # 知识库管理 │ │ │ │ └── retriever.py # 检索器 │ │ │ ├── services/ # RAG服务 │ │ │ ├── routers/ # RAG路由 │ │ │ └── models/ # RAG数据模型 │ │ │ │ │ ├── llm/ # LLM模型封装 │ │ │ ├── core/ # LLM核心 │ │ │ ├── providers/ # LLM提供商封装 │ │ │ ├── services/ # LLM服务 │ │ │ └── models/ # LLM数据模型 │ │ │ │ │ ├── intent/ # 意图识别模块 │ │ │ ├── core/ # 意图识别核心 │ │ │ ├── services/ # 意图识别服务 │ │ │ ├── routers/ # 意图识别路由 │ │ │ └── models/ # 意图识别数据模型 │ │ │ │ │ └── multimodal/ # 多模态处理模块 │ │ ├── core/ # 多模态核心 │ │ └── services/ # 多模态服务 │ │ │ ├── agent/ # Agent核心实现(独立模块) │ │ ├── __init__.py │ │ ├── agent_core.py # Agent核心控制器 │ │ ├── planner.py # 任务规划器 │ │ ├── tool_caller.py # 工具调用器 │ │ ├── memory_hub.py # 记忆中枢 │ │ ├── reflector.py # 反思优化器 │ │ ├── tools/ # Agent工具集 │ │ │ ├── calendar_api.py # 日历工具 │ │ │ ├── scheduler_service.py # 调度服务 │ │ │ ├── psychology_db.py # 心理学数据库 │ │ │ └── audio_player.py # 音频播放器 │ │ └── README.md # Agent模块文档 │ │ │ ├── plugins/ # 插件系统 │ │ ├── __init__.py │ │ ├── base_plugin.py # 插件基类 │ │ ├── plugin_manager.py # 插件管理器 │ │ ├── weather_plugin.py # 天气插件 │ │ ├── news_plugin.py # 新闻插件 │ │ └── README.md # 插件系统文档 │ │ │ ├── core/ # 核心工具和接口 │ │ ├── config.py # 核心配置 │ │ ├── interfaces.py # 接口定义 │ │ ├── exceptions.py # 异常定义 │ │ ├── factories.py # 工厂模式 │ │ ├── config/ # 配置子目录 │ │ ├── exceptions/ # 异常子目录 │ │ ├── interfaces/ # 接口子目录 │ │ └── utils/ # 工具函数 │ │ │ ├── config/ # 配置文件目录 │ │ ├── emotion_strategy.yaml # 情感策略配置 │ │ └── performance_config.py # 性能配置 │ │ │ ├── middleware/ # 中间件 │ │ ├── __init__.py │ │ ├── error_handler.py # 错误处理中间件 │ │ └── logging_middleware.py # 日志中间件 │ │ │ ├── schemas/ # 数据模式定义 │ │ ├── __init__.py │ │ ├── chat_schemas.py # 聊天数据模式 │ │ └── common_schemas.py # 通用数据模式 │ │ │ ├── utils/ # 工具函数 │ │ └── sentiment_classifier.py # 情感分类器 │ │ │ ├── validators/ # 数据验证器 │ │ │ ├── tests/ # 测试目录 │ │ ├── __init__.py │ │ ├── unit/ # 单元测试 │ │ ├── integration/ # 集成测试 │ │ ├── e2e/ # 端到端测试 │ │ └── fixtures/ # 测试 fixtures │ │ │ ├── migrations/ # 数据库迁移(Alembic) │ │ │ ├── database.py # 数据库模型(SQLAlchemy) │ ├── models.py # Pydantic数据模型 │ ├── dependencies.py # FastAPI依赖注入 │ ├── logging_config.py # 日志配置 │ ├── emotion_analyzer.py # 情感分析器 │ ├── vector_store.py # 向量数据库操作 │ ├── memory_manager.py # 记忆管理器 │ ├── memory_extractor.py # 记忆提取器 │ ├── context_assembler.py # 上下文组装器 │ ├── evaluation_engine.py # 评估引擎 │ ├── feedback_analyzer.py # 反馈分析器 │ ├── multimodal_services.py # 多模态服务 │ ├── prompt_optimizer.py # Prompt优化器 │ └── xinyu_prompt.py # 心语Prompt模板 │ ├── frontend/ # 前端代码目录 │ ├── public/ │ │ └── index.html │ ├── src/ │ │ ├── App.js # React主组件 │ │ ├── index.js # 入口文件 │ │ ├── index.css # 全局样式 │ │ ├── components/ # 组件目录 │ │ │ ├── TypewriterText.js # 打字机效果组件 │ │ │ ├── ChatContainer.js # 聊天容器组件 │ │ │ ├── FeedbackModal.js # 反馈模态框 │ │ │ ├── MultimodalInput.js # 多模态输入组件 │ │ │ ├── PersonalizationPanel.js # 个性化面板 │ │ │ ├── Sidebar.js # 侧边栏组件 │ │ │ └── StyleComparison.js # 样式对比组件 │ │ ├── services/ # 服务层 │ │ │ └── ChatAPI.js # API调用封装 │ │ ├── hooks/ # React Hooks │ │ ├── utils/ # 工具函数 │ │ ├── styles/ # 样式文件 │ │ └── constants/ # 常量定义 │ ├── package.json │ └── package-lock.json │ ├── alembic/ # 数据库迁移 │ ├── versions/ # 迁移脚本 │ ├── env.py # Alembic环境 │ └── alembic.ini # Alembic配置 │ ├── docs/ # 文档目录 │ ├── RAG实施步骤.md # RAG系统文档 │ ├── 记忆系统架构.md # 记忆系统文档 │ ├── 意图识别模块说明.md # 意图识别文档 │ ├── 增强版输入处理器使用指南.md # 输入处理器文档 │ ├── 生产部署指南.md # 生产部署文档 │ ├── API接口文档.md # API接口文档 │ ├── plugin_system_guide.md # 插件系统指南 │ ├── performance_optimization_guide.md # 性能优化指南 │ ├── 个性化配置功能文档.md # 个性化配置文档 │ └── ... # 更多文档 │ ├── examples/ # 示例代码 │ ├── intent_recognition_demo.py # 意图识别示例 │ ├── performance_optimization_example.py # 性能优化示例 │ └── response_generation_example.py # 响应生成示例 │ ├── knowledge_base/ # 知识库文件存储 │ ├── chroma_db/ # ChromaDB向量数据库存储 ├── uploads/ # 文件上传目录 ├── log/ # 日志目录 │ ├── config.py # 全局配置 ├── config.env # 环境变量配置 ⚠️ 包含密钥 ├── config.env.example # 环境变量模板 ├── env_example.txt # 旧版环境变量模板(已弃用) ├── run_backend.py # 后端启动脚本 ├── simple_backend.py # 简化版后端(测试用) ├── db_manager.py # 数据库管理工具 ├── init_rag_knowledge.py # RAG知识库初始化 ├── quick_start.py # 快速启动脚本 ├── demo_agent.py # Agent演示脚本 ├── test_agent.py # Agent测试脚本 ├── test_sentiment_offline.py # 离线情感测试 ├── test_weather_plugin.py # 天气插件测试 ├── requirements.txt # Python 3.10+ 依赖 ├── Makefile # 命令行工具 ├── Dockerfile # Docker镜像构建 ├── docker-compose.yml # Docker容器编排 ├── alembic.ini # Alembic配置 ├── AGENT_README.md # Agent模块文档 ├── PYTHON310_INSTALL.md # Python 3.10 安装指南 ├── LICENSE └── README.md # 项目文档(本文件) ``` ### 核心文件说明 #### 🔥 应用入口 | 文件 | 用途 | 说明 | |------|------|------| | `backend/app.py` | ✅ 应用工厂 | FastAPI应用创建和配置(v3.0) | | `backend/main.py` | 旧版入口 | 兼容性保留 | | `run_backend.py` | 启动脚本 | 推荐的启动方式 | #### 📊 架构层级 | 层级 | 目录 | 说明 | |------|------|------| | 路由层 | `backend/routers/` | API接口定义和请求分发(chat, agent, memory等) | | 服务层 | `backend/services/` | 业务逻辑封装和编排(chat_service, memory_service等) | | 模块层 | `backend/modules/` | Agent、RAG、LLM、Intent、Multimodal核心模块 | | Agent层 | `backend/agent/` | Agent核心实现(独立模块,包含工具集) | | 插件层 | `backend/plugins/` | 插件系统(weather, news等扩展功能) | | 中间件层 | `backend/middleware/` | 中间件(错误处理、日志等) | | 数据层 | `backend/database.py` | 数据模型和数据库操作 | #### 🤖 核心模块 | 模块 | 路径 | 说明 | |------|------|------| | Agent核心 | `backend/modules/agent/` | Agent模块化实现(core, services, routers) | | Agent实现 | `backend/agent/` | Agent核心实现(agent_core, planner, tools等) | | RAG系统 | `backend/modules/rag/` | 知识库管理和检索增强 | | LLM封装 | `backend/modules/llm/` | 通义千问API封装(支持多提供商) | | 意图识别 | `backend/modules/intent/` | 混合式意图识别系统 | | 多模态 | `backend/modules/multimodal/` | 多模态处理(语音、图像等) | | 插件系统 | `backend/plugins/` | 可扩展插件架构(weather, news等) | #### 🛠️ 工具和配置 | 文件/目录 | 说明 | |----------|------| | `config.env` | 环境变量(API密钥、数据库配置)⚠️ 不要提交 | | `backend/config/` | 配置文件目录(emotion_strategy.yaml等) | | `Makefile` | 命令行工具(db-init, rag-init等) | | `docker-compose.yml` | Docker容器编排(完整监控栈) | | `alembic/` | 数据库版本管理 | | `backend/tests/` | 测试套件(unit, integration, e2e) | | `backend/schemas/` | 数据模式定义(Pydantic models) | | `backend/utils/` | 工具函数库 | | `examples/` | 示例代码和演示 | ## 📡 API接口文档 > 📖 **完整API文档**: 查看 [docs/API接口文档.md](docs/API接口文档.md) - 包含所有接口的详细说明、请求参数、响应示例和错误处理 ### 主要接口概览 | 接口 | 方法 | 说明 | |------|------|------| | `/` | GET | 系统信息和功能列表 | | `/health` | GET | 健康检查 | | `/chat` | POST | 普通聊天接口 | | `/agent/chat` | POST | Agent智能聊天接口 | | `/sessions/{id}/history` | GET | 获取会话历史 | | `/rag/search` | POST | RAG知识库检索 | | `/agent/tools` | GET | Agent可用工具列表 | ### 快速测试 ```bash # 健康检查 curl http://localhost:8000/health # 测试聊天 curl -X POST http://localhost:8000/chat \ -H "Content-Type: application/json" \ -d '{"message": "你好", "user_id": "test_user"}' ``` ### 交互式文档 访问 **http://localhost:8000/docs** 查看完整的 Swagger UI 交互式文档,支持在线测试所有接口。 ## 🎯 核心功能实现 ### 1. Agent智能核心 **工作流程**: ``` 用户输入 ↓ Planner 分析目标 → 制定策略 ↓ Memory Hub 检索记忆 → 构建画像 ↓ Tool Caller 执行工具 → 获取资源 ↓ 生成回复 + 情感分析 ↓ Reflector 评估效果 → 规划回访 ``` **核心能力**: - ✅ 智能任务分解和规划 - ✅ 10+ 工具自动调用 - ✅ 长短期记忆管理 - ✅ 用户画像构建 - ✅ 主动回访关怀 - ✅ 策略反思优化 ### 2. RAG知识增强 **检索流程**: ``` 用户问题 ↓ 问题分析 → 判断是否需要知识库 ↓ 向量检索 → 查找相关知识 ↓ 知识融合 → 增强prompt ↓ 生成回复(基于知识 + 共情) ``` **特点**: - ✅ 6大类专业心理健康知识 - ✅ 语义相似度检索 - ✅ 自动判断知识增强时机 - ✅ 支持PDF等多种格式导入 ### 3. 情感分析系统 **分析维度**: - 情感类型:开心、难过、焦虑、愤怒、平静等 - 情感强度:0-10分量化评估 - 关键词提取:识别情绪触发词 - 趋势分析:跨会话情感变化追踪 **实现方式**: - 使用通义千问 API 进行情感理解 - 结合历史数据进行情感模式学习 - 自动记录情感分析结果到数据库 ### 4. 记忆系统 **三层记忆架构**: ``` ┌─────────────────────────────────┐ │ 短期记忆 (Working Memory) │ │ 当前会话上下文(最近5-10条) │ └──────────────┬──────────────────┘ ↓ ┌─────────────────────────────────┐ │ 长期记忆 (Long-term Memory) │ │ ChromaDB向量存储(所有历史) │ └──────────────┬──────────────────┘ ↓ ┌─────────────────────────────────┐ │ 用户画像 (User Profile) │ │ 性格特征、偏好、情感基线 │ └─────────────────────────────────┘ ``` **功能**: - ✅ 自动记忆提取和存储 - ✅ 语义相似度检索 - ✅ 跨会话记忆访问 - ✅ 用户画像自动构建 ### 5. 评估和反馈系统 **自动评估**: - 回复质量评估(1-5分) - 共情度评估 - 实用性评估 - 用户满意度预测 **反馈收集**: - 点赞/点踩 - 文字反馈 - 问题标注 - 改进建议收集 ## 🔧 API接口 ### 聊天接口 ```http POST http://localhost:8000/chat Content-Type: application/json { "message": "用户消息", "session_id": "会话ID(可选)", "user_id": "用户ID(可选)" } ``` ### 会话历史 ```http GET http://localhost:8000/sessions/{session_id}/history?limit=20 ``` ### 会话摘要 ```http GET http://localhost:8000/sessions/{session_id}/summary ``` ## 🎨 界面预览 ### 首页界面

首页界面

现代化的聊天界面设计,包含: - 🎭 **情感标签可视化** - 实时显示AI识别的情感状态 - 💬 **建议按钮快速回复** - 智能推荐回复选项 - ⌨️ **打字机效果** - 根据情绪动态调整打字速度和光标颜色 - 🎨 **流畅的动画效果** - Framer Motion 驱动的交互动画 - 📱 **响应式设计** - 完美支持移动端访问 - 🔄 **会话管理** - 支持多会话切换和历史记录 ### AI形象定制

AI形象定制

个性化AI形象定制功能,支持: - 🤖 **AI性格设置** - 选择温柔、活泼、专业等不同性格风格 - 💬 **对话风格** - 调整回复长度、语气和表达方式 - ⚡ **响应速度** - 自定义打字机效果速度 - 🎨 **主题定制** - 个性化界面主题和配色 - 📝 **偏好记忆** - 自动保存用户偏好设置 ### 侧边栏功能 - 📜 **会话历史** - 查看和管理历史对话 - ➕ **新建会话** - 一键开启新对话 - ⚙️ **设置入口** - 快速访问个性化设置 - 📊 **情感趋势** - 查看情感变化统计 ## 🔮 未来规划 ### 近期计划(v3.1.0) - [ ] Agent工具库扩展(20+工具) - [ ] 真实的定时回访系统(APScheduler) - [ ] 用户偏好学习和个性化推荐 - [ ] 多模态支持(图片理解) - [ ] 语音转文字集成 - [ ] 性能优化和缓存策略 ### 中期计划(v3.5.0) - [ ] 多语言支持(英语、日语) - [ ] 专业咨询师对接系统 - [ ] A/B测试框架 - [ ] 高级情感趋势分析和预测 - [ ] 群组聊天支持 - [ ] 移动端适配优化 ### 长期计划(v4.0.0) - [ ] 联邦学习保护隐私 - [ ] 本地化部署方案 - [ ] 移动端原生App - [ ] 智能可穿戴设备集成 - [ ] 心理健康生态系统 - [ ] 开放API平台 ## 📝 版本历史 ### v3.0.0 (2025-10-16) - 当前版本 - ✅ Agent智能核心系统 - ✅ RAG知识库集成 - ✅ 分层服务架构重构 - ✅ Docker容器化部署 - ✅ 完整监控体系 - ✅ 数据库迁移管理(Alembic) - ✅ 记忆系统升级 - ✅ 自动评估系统 - ✅ 打字机效果系统(情绪化打字动画) ### v2.0.0 (2025-10-10) - ✅ 从OpenAI迁移到阿里云通义千问 - ✅ ChromaDB向量数据库集成 - ✅ LangChain记忆管理 - ✅ 情感分析优化 - ✅ React前端界面 ### v1.0.0 (2025-10-01) - ✅ 基础聊天功能 - ✅ MySQL数据持久化 - ✅ 情感识别 - ✅ 简单的上下文管理 ## 🚀 生产部署 > 📦 **完整部署指南**:[docs/生产部署指南.md](docs/生产部署指南.md) - 从开发环境到生产环境的完整部署方案 项目提供完整的生产级部署方案,支持多种部署方式: ### 快速开始 **Docker Compose 部署(推荐)**: ```bash # 1. 配置环境变量 cp config.env.example config.env nano config.env # 2. 启动服务 docker-compose up -d # 3. 初始化数据库和知识库 docker-compose exec backend make db-upgrade docker-compose exec backend make rag-init # 4. 验证部署 curl http://localhost:8000/health ``` **传统部署**: ```bash # 1. 安装依赖(Python 3.10+) python --version # 先检查版本 pip install -r requirements.txt # 2. 配置环境 cp config.env.example config.env nano config.env # 3. 初始化数据库 make db-upgrade # 4. 初始化知识库 make rag-init # 5. 启动服务 python run_backend.py ``` ### 部署检查清单 - [ ] 配置生产环境的`config.env`文件 - [ ] 更新CORS允许的域名(不要使用`*`) - [ ] 配置反向代理(Nginx) - [ ] 启用HTTPS/SSL证书 - [ ] 配置数据库备份策略 - [ ] 设置日志轮转 - [ ] 配置监控和告警 - [ ] 初始化数据库(`make db-upgrade`) - [ ] 初始化RAG知识库(`make rag-init`) ### 部署架构 ``` ┌─────────────────────────────────────────────────────────┐ │ 用户浏览器 │ │ (访问: http://your-domain.com) │ └──────────────────────┬──────────────────────────────────┘ │ ┌──────────────────────▼──────────────────────────────────┐ │ Nginx 反向代理 │ │ (端口: 80, 443) │ └─────┬──────────────────────────┬────────────────────────┘ │ │ ┌─────▼──────────┐ ┌────────▼──────────┐ │ 前端服务 │ │ 后端API服务 │ │ React 18 │ │ FastAPI + Python │ │ 端口: 3000 │ │ 端口: 8000 │ └────────────────┘ └────┬──────┬───────┘ │ │ ┌──────────────┼──────┼──────────────┐ │ │ │ │ ┌──────▼──────┐ ┌────▼────┐ ┌─────────────▼─┐ │ MySQL │ │ Redis │ │ ChromaDB │ │ 关系数据库 │ │ 缓存 │ │ 向量数据库 │ └─────────────┘ └─────────┘ └───────────────┘ 监控栈: ┌─────────────┬─────────────┬──────────────┬───────────┐ │ Prometheus │ Grafana │ Elasticsearch│ Kibana │ │ 指标采集 │ 可视化 │ 日志存储 │ 日志分析 │ └─────────────┴─────────────┴──────────────┴───────────┘ ``` ### 完整部署文档 详细的生产部署指南包含: - ✅ **部署前准备**:配置管理、依赖锁定、启动脚本 - ✅ **Docker容器化部署**:环境一致性、监控集成、数据持久化 - ✅ **云服务器部署**:ECS配置、Gunicorn配置、Systemd服务 - ✅ **HTTPS安全加固**:Let's Encrypt证书、Nginx配置 - ✅ **监控和维护**:Prometheus、Grafana、日志管理 - ✅ **故障排查**:常见问题解决方案 👉 **查看完整文档**:[docs/生产部署指南.md](docs/生产部署指南.md) ## 📝 许可证 MIT License ## 🛠️ Makefile 命令速查 项目提供了便捷的Makefile命令,简化常用操作: ```bash # 查看所有可用命令 make help # 安装依赖 make install # 数据库管理 make db-init # 初始化数据库 make db-upgrade # 升级到最新版本 make db-downgrade # 降级一个版本 make db-current # 查看当前版本 make db-history # 查看迁移历史 make db-check # 检查数据库连接 # RAG知识库 make rag-init # 初始化知识库 make rag-test # 测试RAG系统 make rag-demo # RAG效果对比演示 # 运行服务 make run # 启动后端服务 ``` ## 📚 相关文档 ### 核心模块文档 - **生产部署**: [docs/生产部署指南.md](docs/生产部署指南.md) - 从开发到生产的完整部署方案 🚀 **新增** - **MacBook配置**: [docs/MACBOOK_SETUP.md](docs/MACBOOK_SETUP.md) - macOS 用户专用配置指南 🍎 **新增** - **Agent模块**: [AGENT_README.md](AGENT_README.md) - Agent智能核心详细文档 - **RAG系统**: [docs/RAG实施步骤.md](docs/RAG实施步骤.md) - RAG知识库实施指南 - **记忆系统**: [docs/记忆系统架构.md](docs/记忆系统架构.md) - 记忆系统架构说明 - **意图识别**: [docs/意图识别模块说明.md](docs/意图识别模块说明.md) - 意图识别系统完整文档 - **输入处理**: [docs/增强版输入处理器使用指南.md](docs/增强版输入处理器使用指南.md) - 增强版输入预处理器 ⭐ **新增** - **多模态交互**: 多模态情感交互功能(语音识别、图像理解等) 🎙️ **新增** ### 向量数据库教程(新增) - **📖 教程索引**: [docs/向量数据库教程索引.md](docs/向量数据库教程索引.md) - 向量数据库学习路径导航 - **📘 完整教程**: [docs/向量数据库集成教程_Chroma版.md](docs/向量数据库集成教程_Chroma版.md) - Chroma 集成详细教程 - **⚖️ 技术对比**: [docs/Pinecone_vs_Chroma_对比.md](docs/Pinecone_vs_Chroma_对比.md) - Pinecone vs Chroma 全面对比 - **💻 代码示例**: [examples/README.md](examples/README.md) - 快速入门和完整演示 ### API文档 - **API文档**: http://localhost:8000/docs - 交互式API文档(Swagger UI) ## 🤝 贡献指南 欢迎提交Issue和Pull Request来改进这个项目! ### 贡献方式 1. Fork 本项目 2. 创建特性分支 (`git checkout -b feature/AmazingFeature`) 3. 提交更改 (`git commit -m 'Add some AmazingFeature'`) 4. 推送到分支 (`git push origin feature/AmazingFeature`) 5. 开启 Pull Request ### 开发规范 - 遵循PEP 8 Python代码规范 - 添加适当的注释和文档字符串 - 编写单元测试 - 更新相关文档 ## 🙏 致谢 - [emotional_chat](https://github.com/congde/emotional_chat.git) - 原始项目参考 - 阿里云通义千问团队 - 提供优秀的中文大语言模型 - LangChain社区 - 提供强大的LLM应用框架 - 所有贡献者和用户的支持 ## 📞 联系方式 如有问题或建议,欢迎通过以下方式联系: - 提交 GitHub Issue - 发送邮件到项目维护者 congdeyuan@gmail.com - 微信:jx-yuancongde --- 💝 **让AI更有温度,让陪伴更懂你** 💝 **心语情感陪伴机器人 v3.0.0** - 从被动响应到主动服务,我们一直在进化。