diff --git a/services/__pycache__/ai_service.cpython-312.pyc b/services/__pycache__/ai_service.cpython-312.pyc
index 0f0bdb9..5df4db3 100644
Binary files a/services/__pycache__/ai_service.cpython-312.pyc and b/services/__pycache__/ai_service.cpython-312.pyc differ
diff --git a/services/ai_service.py b/services/ai_service.py
index b41e0f9..6cc2ca0 100644
--- a/services/ai_service.py
+++ b/services/ai_service.py
@@ -309,165 +309,179 @@ class AIService:
raise Exception(error_message)
result = response.json()
-
- # 提取AI返回的内容
- if 'choices' in result and len(result['choices']) > 0:
- raw_content = result['choices'][0]['message']['content']
- # 调试：打印原始返回内容（前500字符）
- print(f"[AI服务] API返回的原始内容（前500字符）: {raw_content[:500]}")
-
- # 处理思考过程标签（支持多种可能的标签格式）
- content = raw_content
-
- # 处理 标签（DeepSeek-R1常用格式）
- if '' in content:
- parts = content.split('')
- if len(parts) > 1:
- content = parts[-1].strip()
- print(f"[AI服务] 检测到 标签，提取标签后的内容")
-
- # 处理 标签
- elif '' in content:
- parts = content.split('')
- if len(parts) > 1:
- content = parts[-1].strip()
- print(f"[AI服务] 检测到 标签，提取标签后的内容")
-
- # 处理 ... 标签
- elif '' in content and '' in content:
- reasoning_start = content.find('')
- if reasoning_start != -1:
- content = content[reasoning_start + 11:].strip()
- print(f"[AI服务] 检测到 标签，提取标签后的内容")
-
- # 清理后的内容（前500字符）
- print(f"[AI服务] 清理后的内容（前500字符）: {content[:500]}")
-
- # 尝试解析JSON（使用增强的修复机制）
- extracted_data = self._extract_json_from_text(content)
- if extracted_data:
- print(f"[AI服务] JSON解析成功，提取到 {len(extracted_data)} 个字段")
- print(f"[AI服务] 原始字段名: {list(extracted_data.keys())}")
- # 规范化字段名并映射到正确的字段编码
- normalized_data = self._normalize_field_names(extracted_data, output_fields)
- print(f"[AI服务] 规范化后的字段名: {list(normalized_data.keys())}")
- # 打印关键字段的值用于调试
- for key in ['target_name', 'target_gender', 'target_age', 'target_date_of_birth']:
- if key in normalized_data:
- print(f"[AI服务] 规范化后 {key} = '{normalized_data[key]}'")
- # 规范化日期格式
- normalized_data = self._normalize_date_formats(normalized_data, output_fields)
- # 再次打印关键字段的值用于调试
- for key in ['target_name', 'target_gender', 'target_age', 'target_date_of_birth']:
- if key in normalized_data:
- print(f"[AI服务] 日期格式化后 {key} = '{normalized_data[key]}'")
- # 后处理：从已有信息推断缺失字段
- normalized_data = self._post_process_inferred_fields(normalized_data, output_fields)
- # 打印后处理后的关键字段
- for key in ['target_name', 'target_gender', 'target_age', 'target_date_of_birth', 'target_organization', 'target_position']:
- if key in normalized_data:
- print(f"[AI服务] 后处理后 {key} = '{normalized_data[key]}'")
- # 即使提取的字段不完整，也返回结果（更宽容的处理）
- if any(v for v in normalized_data.values() if v): # 至少有一个非空字段
- print(f"[AI服务] 返回提取的数据（包含 {sum(1 for v in normalized_data.values() if v)} 个非空字段）")
- # 记录成功的对话
+ # 提取AI返回的内容
+ if 'choices' in result and len(result['choices']) > 0:
+ raw_content = result['choices'][0]['message']['content']
+
+ # 调试：打印原始返回内容（前500字符）
+ print(f"[AI服务] API返回的原始内容（前500字符）: {raw_content[:500]}")
+
+ # 处理思考过程标签（支持多种可能的标签格式）
+ content = raw_content
+
+ # 处理 标签（DeepSeek-R1常用格式）
+ if '' in content:
+ parts = content.split('')
+ if len(parts) > 1:
+ content = parts[-1].strip()
+ print(f"[AI服务] 检测到 标签，提取标签后的内容")
+
+ # 处理 标签
+ elif '' in content:
+ parts = content.split('')
+ if len(parts) > 1:
+ content = parts[-1].strip()
+ print(f"[AI服务] 检测到 标签，提取标签后的内容")
+
+ # 处理 ... 标签
+ elif '' in content and '' in content:
+ reasoning_start = content.find('')
+ if reasoning_start != -1:
+ content = content[reasoning_start + 11:].strip()
+ print(f"[AI服务] 检测到 标签，提取标签后的内容")
+
+ # 清理后的内容（前500字符）
+ print(f"[AI服务] 清理后的内容（前500字符）: {content[:500]}")
+
+ # 尝试解析JSON（使用增强的修复机制）
+ extracted_data = self._extract_json_from_text(content)
+ if extracted_data:
+ print(f"[AI服务] JSON解析成功，提取到 {len(extracted_data)} 个字段")
+ print(f"[AI服务] 原始字段名: {list(extracted_data.keys())}")
+ # 规范化字段名并映射到正确的字段编码
+ normalized_data = self._normalize_field_names(extracted_data, output_fields)
+ print(f"[AI服务] 规范化后的字段名: {list(normalized_data.keys())}")
+ # 打印关键字段的值用于调试
+ for key in ['target_name', 'target_gender', 'target_age', 'target_date_of_birth']:
+ if key in normalized_data:
+ print(f"[AI服务] 规范化后 {key} = '{normalized_data[key]}'")
+ # 规范化日期格式
+ normalized_data = self._normalize_date_formats(normalized_data, output_fields)
+ # 再次打印关键字段的值用于调试
+ for key in ['target_name', 'target_gender', 'target_age', 'target_date_of_birth']:
+ if key in normalized_data:
+ print(f"[AI服务] 日期格式化后 {key} = '{normalized_data[key]}'")
+ # 后处理：从已有信息推断缺失字段
+ normalized_data = self._post_process_inferred_fields(normalized_data, output_fields)
+ # 打印后处理后的关键字段
+ for key in ['target_name', 'target_gender', 'target_age', 'target_date_of_birth', 'target_organization', 'target_position']:
+ if key in normalized_data:
+ print(f"[AI服务] 后处理后 {key} = '{normalized_data[key]}'")
+ # 即使提取的字段不完整，也返回结果（更宽容的处理）
+ if any(v for v in normalized_data.values() if v): # 至少有一个非空字段
+ print(f"[AI服务] 返回提取的数据（包含 {sum(1 for v in normalized_data.values() if v)} 个非空字段）")
+ # 记录成功的对话
+ if self.ai_logger:
+ self.ai_logger.log_conversation(
+ prompt=prompt,
+ api_request=api_request_info,
+ api_response=result,
+ extracted_data=normalized_data,
+ error=None,
+ session_id=session_id
+ )
+ return normalized_data
+ else:
+ print(f"[AI服务] 警告：提取的数据全部为空，但继续返回（允许部分字段为空）")
+ # 记录对话（即使数据为空）
+ if self.ai_logger:
+ self.ai_logger.log_conversation(
+ prompt=prompt,
+ api_request=api_request_info,
+ api_response=result,
+ extracted_data=normalized_data,
+ error="提取的数据全部为空",
+ session_id=session_id
+ )
+ return normalized_data
+
+ # 如果无法提取JSON，记录错误但尝试更宽容的处理
+ print(f"[AI服务] 警告：无法从内容中提取完整JSON，尝试备用解析方法")
+ print(f"[AI服务] 清理后的内容（前500字符）: {content[:500]}")
+
+ # 尝试从文本中提取
+ parsed_data = self._parse_text_response(content, output_fields)
+ if parsed_data and any(v for v in parsed_data.values() if v): # 至少有一个非空字段
+ print(f"[AI服务] 使用备用方法解析成功，提取到 {len(parsed_data)} 个字段")
+ # 记录对话
if self.ai_logger:
self.ai_logger.log_conversation(
prompt=prompt,
api_request=api_request_info,
api_response=result,
- extracted_data=normalized_data,
+ extracted_data=parsed_data,
error=None,
session_id=session_id
)
- return normalized_data
- else:
- print(f"[AI服务] 警告：提取的数据全部为空，但继续返回（允许部分字段为空）")
- # 记录对话（即使数据为空）
- if self.ai_logger:
- self.ai_logger.log_conversation(
- prompt=prompt,
- api_request=api_request_info,
- api_response=result,
- extracted_data=normalized_data,
- error="提取的数据全部为空",
- session_id=session_id
- )
- return normalized_data
-
- # 如果无法提取JSON，记录错误但尝试更宽容的处理
- print(f"[AI服务] 警告：无法从内容中提取完整JSON，尝试备用解析方法")
- print(f"[AI服务] 清理后的内容（前500字符）: {content[:500]}")
-
- # 尝试从文本中提取
- parsed_data = self._parse_text_response(content, output_fields)
- if parsed_data and any(v for v in parsed_data.values() if v): # 至少有一个非空字段
- print(f"[AI服务] 使用备用方法解析成功，提取到 {len(parsed_data)} 个字段")
- # 记录对话
+ return parsed_data
+
+ # 如果所有方法都失败，尝试最后一次修复尝试
+ print(f"[AI服务] 所有解析方法都失败，尝试最后一次修复...")
+ # 尝试使用jsonrepair（如果可用）进行最后修复
+ if JSONREPAIR_AVAILABLE:
+ try:
+ repaired_content = repair_json(content)
+ if repaired_content:
+ try:
+ extracted_data = json.loads(repaired_content)
+ if extracted_data and isinstance(extracted_data, dict):
+ print(f"[AI服务] 使用jsonrepair最后修复成功，提取到 {len(extracted_data)} 个字段")
+ normalized_data = self._normalize_field_names(extracted_data, output_fields)
+ normalized_data = self._normalize_date_formats(normalized_data, output_fields)
+ normalized_data = self._post_process_inferred_fields(normalized_data, output_fields)
+ # 记录对话
+ if self.ai_logger:
+ self.ai_logger.log_conversation(
+ prompt=prompt,
+ api_request=api_request_info,
+ api_response=result,
+ extracted_data=normalized_data,
+ error=None,
+ session_id=session_id
+ )
+ return normalized_data
+ except json.JSONDecodeError:
+ pass
+ except Exception as e:
+ print(f"[AI服务] jsonrepair最后修复也失败: {e}")
+
+ # 如果所有方法都失败，返回空字典而不是抛出异常（更宽容）
+ # 这样至少不会导致整个调用失败，前端可以显示部分结果
+ error_msg = f"无法从API返回内容中提取JSON数据。原始内容长度: {len(raw_content)}, 清理后内容长度: {len(content)}"
+ print(f"[AI服务] 警告：{error_msg}")
+ print(f"[AI服务] 完整内容: {content}")
+ # 返回一个包含所有输出字段的空字典，而不是抛出异常
+ empty_result = {field['field_code']: '' for field in output_fields}
+ print(f"[AI服务] 返回空结果（包含 {len(empty_result)} 个字段，全部为空）")
+ # 记录失败的对话
if self.ai_logger:
self.ai_logger.log_conversation(
prompt=prompt,
api_request=api_request_info,
api_response=result,
- extracted_data=parsed_data,
- error=None,
+ extracted_data=empty_result,
+ error=error_msg,
session_id=session_id
)
- return parsed_data
-
- # 如果所有方法都失败，尝试最后一次修复尝试
- print(f"[AI服务] 所有解析方法都失败，尝试最后一次修复...")
- # 尝试使用jsonrepair（如果可用）进行最后修复
- if JSONREPAIR_AVAILABLE:
- try:
- repaired_content = repair_json(content)
- if repaired_content:
- try:
- extracted_data = json.loads(repaired_content)
- if extracted_data and isinstance(extracted_data, dict):
- print(f"[AI服务] 使用jsonrepair最后修复成功，提取到 {len(extracted_data)} 个字段")
- normalized_data = self._normalize_field_names(extracted_data, output_fields)
- normalized_data = self._normalize_date_formats(normalized_data, output_fields)
- normalized_data = self._post_process_inferred_fields(normalized_data, output_fields)
- # 记录对话
- if self.ai_logger:
- self.ai_logger.log_conversation(
- prompt=prompt,
- api_request=api_request_info,
- api_response=result,
- extracted_data=normalized_data,
- error=None,
- session_id=session_id
- )
- return normalized_data
- except json.JSONDecodeError:
- pass
- except Exception as e:
- print(f"[AI服务] jsonrepair最后修复也失败: {e}")
-
- # 如果所有方法都失败，返回空字典而不是抛出异常（更宽容）
- # 这样至少不会导致整个调用失败，前端可以显示部分结果
- error_msg = f"无法从API返回内容中提取JSON数据。原始内容长度: {len(raw_content)}, 清理后内容长度: {len(content)}"
- print(f"[AI服务] 警告：{error_msg}")
- print(f"[AI服务] 完整内容: {content}")
- # 返回一个包含所有输出字段的空字典，而不是抛出异常
- empty_result = {field['field_code']: '' for field in output_fields}
- print(f"[AI服务] 返回空结果（包含 {len(empty_result)} 个字段，全部为空）")
- # 记录失败的对话
- if self.ai_logger:
- self.ai_logger.log_conversation(
- prompt=prompt,
- api_request=api_request_info,
- api_response=result,
- extracted_data=empty_result,
- error=error_msg,
- session_id=session_id
- )
- return empty_result
- else:
- error_msg = "API返回格式异常：未找到choices字段或choices为空"
- # 记录错误
+ return empty_result
+ else:
+ error_msg = "API返回格式异常：未找到choices字段或choices为空"
+ # 记录错误
+ if self.ai_logger:
+ self.ai_logger.log_conversation(
+ prompt=prompt,
+ api_request=api_request_info,
+ api_response=result,
+ extracted_data=None,
+ error=error_msg,
+ session_id=session_id
+ )
+ raise Exception(error_msg)
+
+ except Exception as e:
+ # 如果发生异常，记录错误日志
+ error_msg = str(e)
if self.ai_logger:
self.ai_logger.log_conversation(
prompt=prompt,
@@ -477,7 +491,8 @@ class AIService:
error=error_msg,
session_id=session_id
)
- raise Exception(error_msg)
+ # 重新抛出异常，让上层处理
+ raise
def _extract_json_from_text(self, text: str) -> Optional[Dict]:
"""