mirror of
https://github.com/zhenxun-org/zhenxun_bot.git
synced 2026-10-06 12:20:00 +08:00
922d092650
* ♻️ refactor(core): 重构 AI 能力与定时任务调度系统 - 【AI 能力与工具】重构 Capability 注册与管理机制，引入 CapabilityManager 统一管理 - 移除全局能力注册表，改用声明式装饰器 `@capability` 进行解耦注册 - 重构工具解析器链，使用统一的 BaseToolResolver 代替原有的多个特定解析器 - 增强工具查询过滤，支持通配符匹配、工具箱过滤和排除标签 - 【定时任务调度】重构定时任务管理器，引入 SchedulerRegistry 统一管理任务元数据 - 引入 JobConfig 聚合定时任务配置，支持用户维度的定时任务调度 - 重构执行分发器，支持并发限制、串行间隔和随机延迟打散 - 【运行上下文】引入 ScheduledDeps 以支持后台和定时任务环境下的依赖注入 - 优化 RunContext，支持从定时任务上下文快速构造，并提供 emit 辅助方法 - 【日志与监控】引入 AILoggerProxy，实现 AI 各模块的专属日志输出 - 将各模块的全局 logger 替换为对应的模块专属日志代理 - 【其他优化】修复 Pydantic V1 兼容层中 model_validator 的装饰器兼容性问题 - 在非交互式环境（如定时任务）中自动隐藏 HITL 交互工具以节省 Token * ♻️ refactor(core): 优化内部导入路径并提升 Pydantic 兼容性 - 【重构】将 `services/ai` 模块内的绝对导入重构为相对导入，优化包结构 - 【重构】移除不必要的 `if TYPE_CHECKING` 保护，通过 `from __future__ import annotations` 直接导入类型 - 【清理】清理 `core/messages/types.py` 中未使用的 `AssistantContentUnion` 等联合类型定义 - 【优化】在 `utils/pydantic_compat.py` 中新增 `model_rebuild` 兼容函数，统一 Pydantic V1/V2 的模型重建逻辑 - 【优化】将部分函数内部的延迟导入提升至模块顶部，规范代码结构 * ♻️ refactor(imports): 优化导入路径为相对导入并清理冗余导入 - 【重构】将 AI 服务相关模块中的绝对导入路径修改为相对导入，提升模块内聚性与可移植性 - 【清理】移除多处函数内部或类方法中未使用的冗余导入，避免循环引用和资源浪费 - 【格式化】微调部分工具装饰器和返回语句的格式与尾随逗号 * 🚨 auto fix by pre-commit hooks --------- Co-authored-by: webjoin111 <455457521@qq.com> Co-authored-by: pre-commit-ci[bot] <66853113+pre-commit-ci[bot]@users.noreply.github.com>
80 lines
2.6 KiB
Python
80 lines
2.6 KiB
Python
from zhenxun.services.ai.core.messages import RerankRequest
|
|
from zhenxun.services.ai.core.models import ModelIdentity
|
|
|
|
from .base import BaseAdapter, RequestData
|
|
from .handlers.openai_handlers import (
|
|
OpenAIConfigMapper,
|
|
OpenAIEmbeddingHandler,
|
|
OpenAIRerankHandler,
|
|
OpenAITextHandler,
|
|
)
|
|
from .openai import OpenAICompatAdapter
|
|
|
|
|
|
class GLMRerankHandler(OpenAIRerankHandler):
|
|
"""GLM 专有的重排处理器（重写了端点构建逻辑）"""
|
|
|
|
def prepare_rerank_request(
|
|
self,
|
|
adapter: BaseAdapter,
|
|
identity: ModelIdentity,
|
|
api_key: str,
|
|
request: RerankRequest,
|
|
) -> RequestData:
|
|
"""构建 GLM 重排请求，统一将文档归一化为字符串列表。"""
|
|
endpoint = "/api/paas/v4/rerank"
|
|
url = adapter.get_api_url(identity, endpoint)
|
|
headers = adapter.get_base_headers(api_key)
|
|
|
|
safe_documents = []
|
|
for doc in request.documents:
|
|
if isinstance(doc, dict):
|
|
safe_documents.append(doc.get("text", str(doc)))
|
|
else:
|
|
safe_documents.append(str(doc))
|
|
|
|
body = {
|
|
"model": identity.model_name,
|
|
"query": request.query,
|
|
"documents": safe_documents,
|
|
"top_n": request.top_n,
|
|
}
|
|
return RequestData(url=url, headers=headers, body=body)
|
|
|
|
|
|
class GLMTextHandler(OpenAITextHandler):
|
|
def __init__(self, api_type: str = "glm"):
|
|
super().__init__(api_type=api_type)
|
|
self.mapper = OpenAIConfigMapper(api_type=api_type)
|
|
|
|
|
|
class GLMAdapter(OpenAICompatAdapter):
|
|
"""GLM (智谱) 大模型专有适配器 (继承 OpenAI 兼容协议处理标准聊天)"""
|
|
|
|
def __init__(self):
|
|
"""初始化 GLM 适配器并装配专有图像/重排处理器。"""
|
|
super().__init__()
|
|
self.text_handler = GLMTextHandler(api_type=self.api_type)
|
|
self.embedding_handler = OpenAIEmbeddingHandler()
|
|
self.rerank_handler = GLMRerankHandler()
|
|
|
|
@property
|
|
def api_type(self) -> str:
|
|
"""适配器主类型标识。"""
|
|
return "glm"
|
|
|
|
@property
|
|
def supported_api_types(self) -> list[str]:
|
|
"""当前适配器支持的 API 类型列表。"""
|
|
return ["glm"]
|
|
|
|
def get_chat_endpoint(self, identity: ModelIdentity) -> str:
|
|
"""返回对话端点，优先使用模型级自定义端点。"""
|
|
if None:
|
|
return None
|
|
return "/api/paas/v4/chat/completions"
|
|
|
|
def get_embedding_endpoint(self, identity: ModelIdentity) -> str:
|
|
"""返回嵌入端点。"""
|
|
return "/api/paas/v4/embeddings"
|