智能聊天机器人 技术架构核心实现与场景化落地

import openai
from typing import Optional, Dict
import logging

# 配置日志记录，便于生产环境问题排查
logging.basicConfig(level=logging.INFO, format="%(asctime)s - %(name)s - %(levelname)s - %(message)s")
logger = logging.getLogger(__name__)

class AIChatbot:
    def __init__(self, api_key: str, base_url: str = "https://4sapi.com"):
        """
        初始化AI聊天机器人客户端
        :param api_key: 用户API密钥（需从New API平台获取）
        :param base_url: 国内低延迟访问端点，规避跨境网络波动
        """
        self.client = openai.OpenAI(
            base_url=base_url,
            api_key=api_key
        )
        # 预设对话参数，可根据场景动态调整
        self.default_params: Dict = {
            "engine": "davinci",  # 轻量场景可选davinci，复杂场景建议升级为gpt-3.5-turbo
            "max_tokens": 150,    # 控制响应长度，平衡体验与成本
            "temperature": 0.7    # 调节输出随机性，0.0偏严谨，1.0偏灵活
        }

    def generate_response(self, prompt: str, custom_params: Optional[Dict] = None) -> Optional[str]:
        """
        生成机器人响应，支持自定义参数覆盖默认配置
        :param prompt: 用户输入prompt（需包含历史上下文时可拼接对话记录）
        :param custom_params: 自定义调用参数（如动态调整max_tokens、temperature）
        :return: 机器人响应文本（异常时返回None）
        """
        try:
            # 合并默认参数与自定义参数
            request_params = {**self.default_params, **(custom_params or {})}
            response = self.client.Completion.create(
                prompt=prompt,
                **request_params
            )
            logger.info(f"成功生成响应，prompt长度：{len(prompt)}，响应长度：{len(response.choices[0].text.strip())}")
            return response.choices[0].text.strip()
        except Exception as e:
            logger.error(f"响应生成失败：{str(e)}", exc_info=True)
            return None

# 实例化与功能验证
if __name__ == "__main__":
    # 替换为实际API密钥（建议通过环境变量加载，避免硬编码）
    bot = AIChatbot(api_key="your-api-key")
    # 模拟真实用户交互场景
    user_input = "你好，能否结合今日北京天气，推荐适合的户外活动？"
    response = bot.generate_response(user_input)
    if response:
        print(f"智能机器人：{response}")
    else:
        print("智能机器人：暂无法提供服务，请稍后重试")