新增AI操作分类,支持AI对话(预设翻译、总结、shell生成)

This commit is contained in:
fofolee
2025-02-17 17:44:01 +08:00
parent 89a2e07b13
commit d7508c36a7
9 changed files with 502 additions and 5 deletions

View File

@@ -13,6 +13,7 @@ const quickcomposer = {
status: require("./quickcomposer/status"),
browser: require("./quickcomposer/browser"),
video: require("./quickcomposer/video"),
ai: require("./quickcomposer/ai"),
};
module.exports = quickcomposer;

View File

@@ -0,0 +1,214 @@
const axios = require("axios");
// 支持的模型类型
const MODEL_TYPES = {
OPENAI: "openai",
OLLAMA: "ollama",
};
// 预设提示词
const PRESET_PROMPTS = {
// 翻译
translate: `请将以下内容翻译成地道的中文,要求:
1. 保持原文的专业性和准确性
2. 符合中文的表达习惯
3. 对于专业术语保留英文原文,并在括号中给出中文翻译
4. 保持原文的段落格式
原文:`,
// 生成SHELL命令
shell: `请根据以下描述生成一个 shell 命令,要求:
1. 命令应当简洁高效
2. 优先使用常见的命令行工具
3. 确保命令的安全性和可靠性
4. 对于复杂操作,添加注释说明
5. 如果需要多个命令,使用 && 连接或使用脚本格式
6. 直接输出命令不要输出任何解释不要使用markdown格式
需求描述:`,
// 总结
summarize: `请总结以下内容的要点,要求:
1. 提取最重要和最有价值的信息
2. 使用简洁的语言
3. 按重要性排序
4. 保持逻辑性和连贯性
5. 如果有专业术语,保留并解释
原文:`,
};
/**
* AI对话功能
* @param {Object} apiConfig - API配置参数
* @param {string} apiConfig.modelType - 模型类型(openai/ollama)
* @param {string} apiConfig.apiUrl - API地址
* @param {string} apiConfig.apiToken - API令牌
* @param {string} apiConfig.model - 模型名称
* @param {Object} content - 对话内容参数
* @param {string} content.prompt - 用户输入的提示词
* @param {string} content.presetPrompt - 预设提示词类型
* @returns {Promise<Object>} 对话响应
*/
async function chat(apiConfig, content) {
try {
const { modelType, apiUrl, apiToken, model } = apiConfig;
const { prompt, presetPrompt } = content;
// 验证必要参数
if (!apiUrl || !prompt || !model) {
throw new Error("API地址、模型名称和提示词不能为空");
}
// 构建完整提示词
const fullPrompt = presetPrompt
? `${PRESET_PROMPTS[presetPrompt]}\n${prompt}`
: prompt;
// 准备请求配置
const config = {
headers: {
"Content-Type": "application/json",
},
};
let requestData;
let url = apiUrl;
// 根据不同的模型类型构建请求数据
if (modelType === MODEL_TYPES.OPENAI) {
// OpenAI API
config.headers["Authorization"] = `Bearer ${apiToken}`;
requestData = {
model: model,
messages: [
{
role: "user",
content: fullPrompt,
},
],
};
} else if (modelType === MODEL_TYPES.OLLAMA) {
// Ollama API
// 如果用户没有指定完整的 API 路径,添加 /api/generate
if (!url.endsWith("/api/generate")) {
url = url.replace(/\/?$/, "/api/generate");
}
requestData = {
model: model,
prompt: fullPrompt,
stream: false,
};
} else {
throw new Error("不支持的模型类型");
}
// 发送请求
const response = await axios.post(url, requestData, config);
// 解析不同模型的响应
let result;
if (modelType === MODEL_TYPES.OPENAI) {
// OpenAI 响应格式
if (!response.data.choices || !response.data.choices[0]) {
throw new Error("OpenAI 响应格式错误");
}
result = response.data.choices[0].message.content;
} else {
// Ollama 响应格式
if (!response.data.response) {
throw new Error("Ollama 响应格式错误");
}
result = response.data.response;
}
return {
success: true,
result,
};
} catch (error) {
return {
success: false,
error: error.response?.data?.error?.message || error.message,
};
}
}
/**
* 获取API支持的模型列表
* @param {Object} apiConfig - API配置参数
* @param {string} apiConfig.modelType - 模型类型(openai/ollama)
* @param {string} apiConfig.apiUrl - API地址
* @param {string} apiConfig.apiToken - API令牌
* @returns {Promise<Object>} 模型列表响应
*/
async function getModels(apiConfig) {
try {
const { modelType, apiUrl, apiToken } = apiConfig;
// 验证必要参数
if (!apiUrl) {
throw new Error("API地址不能为空");
}
// 准备请求配置
const config = {
headers: {
"Content-Type": "application/json",
},
};
let url = apiUrl;
// 根据不同的模型类型构建请求
if (modelType === MODEL_TYPES.OPENAI) {
// OpenAI API
config.headers["Authorization"] = `Bearer ${apiToken}`;
// OpenAI的模型列表接口是 /v1/models
if (!url.endsWith("/models")) {
url = "https://api.openai.com/v1/models";
}
} else if (modelType === MODEL_TYPES.OLLAMA) {
// Ollama API
// Ollama的模型列表接口是 /api/tags
if (!url.endsWith("/api/tags")) {
url = url.replace(/\/?$/, "/api/tags");
}
} else {
throw new Error("不支持的模型类型");
}
// 发送请求
const response = await axios.get(url, config);
// 解析不同模型的响应
let models;
if (modelType === MODEL_TYPES.OPENAI) {
// OpenAI 响应格式
if (!response.data.data) {
throw new Error("OpenAI 响应格式错误");
}
models = response.data.data.map((model) => model.id);
} else {
// Ollama 响应格式
if (!response.data.models) {
throw new Error("Ollama 响应格式错误");
}
models = response.data.models.map((model) => model.name);
}
return {
success: true,
result: models,
};
} catch (error) {
return {
success: false,
error: error.response?.data?.error?.message || error.message,
};
}
}
module.exports = { chat, getModels };

View File

@@ -0,0 +1,6 @@
const { chat, getModels } = require("./chat");
module.exports = {
chat,
getModels,
};